| 内容摘要 | 第1-9页 |
| ABSTRACT | 第9-14页 |
| 插图列表 | 第14-16页 |
| 表格列表 | 第16-18页 |
| 第一章 认知图研究现状与发展趋势 | 第18-28页 |
| ·引言 | 第18页 |
| ·认知图的发展简史 | 第18-20页 |
| ·认知图的研究现状 | 第20-25页 |
| ·古典认知图与认知图的关系模型 | 第20页 |
| ·模糊认知图 | 第20-21页 |
| ·扩展模糊认知图 | 第21页 |
| ·神经元认知图 | 第21-22页 |
| ·基于规则的模糊认知图 | 第22-25页 |
| ·认知图各主要模型的比较 | 第25页 |
| ·认知图的发展趋势 | 第25-26页 |
| ·本文的课题来源、研究思路与论文组织结构 | 第26-27页 |
| ·所选课题的来源 | 第26页 |
| ·本文的研究思路 | 第26页 |
| ·论文的组织结构 | 第26-27页 |
| ·本文主要工作 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第二章 认知图的基本定义及其构造 | 第28-35页 |
| ·认知图的基本定义 | 第28-30页 |
| ·删除不合格专家构造的认知图 | 第30-31页 |
| ·认知图权重的综合 | 第31-32页 |
| ·联合认知图 | 第32-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 认知图的稳定性与自动知识获取 | 第35-55页 |
| ·引言 | 第35页 |
| ·认知图的稳定性 | 第35-41页 |
| ·背景知识 | 第35-36页 |
| ·认知图的稳定性 | 第36-41页 |
| ·认知图全局观点的建立及其学习 | 第41-48页 |
| ·概念节点的分类 | 第41页 |
| ·认知图全局节点的建立 | 第41-43页 |
| ·利用全局节点对认知图进行学习实例 | 第43-48页 |
| ·复杂环境下认知图知识的自动获取 | 第48-54页 |
| ·复杂环境下认知图知识的自动获取 | 第48-49页 |
| ·复杂环境下认知图的相互合作与协调 | 第49-50页 |
| ·复杂环境下认知图的相互合作与协调的不一致性 | 第50-54页 |
| ·本章小结 | 第54-55页 |
| 第四章 概率模糊认知图 | 第55-63页 |
| ·引言 | 第55页 |
| ·古典认知图与模糊认知图 | 第55-58页 |
| ·PFCM的性质 | 第58-59页 |
| ·试验结果 | 第59-60页 |
| ·本章小结 | 第60-63页 |
| 第五章 基于信任知识库的概率模糊认知图 | 第63-77页 |
| ·引言 | 第63页 |
| ·模糊认知图与基于规则的模糊认知图 | 第63-65页 |
| ·基于信任知识库的概率模糊认知图 | 第65-70页 |
| ·引入条件概率及信任知识库的前提及其定义 | 第65-66页 |
| ·BKPFCM的数学模型 | 第66-67页 |
| ·BKPFCM概念间因果关系测度及其信任测度的表示与调整 | 第67-68页 |
| ·BKPFCM概念状态值信任测度的表示及其传播 | 第68-69页 |
| ·基于信任知识库的模糊认知图 | 第69页 |
| ·具有布耳性质的简化BKPFCM | 第69-70页 |
| ·BKPFCM的性质 | 第70-72页 |
| ·试验结果与分析 | 第72-73页 |
| ·BKDFCM实验结果与分析 | 第72-73页 |
| ·具有布尔性质的简化BKPFCM实验结果与分析 | 第73页 |
| ·本章小结 | 第73-77页 |
| 第六章 扩展动态认知网络 | 第77-83页 |
| ·引言 | 第77页 |
| ·DCN存在的缺陷 | 第77-78页 |
| ·DCN不能表示概念间具有的上下文或空间因果关系 | 第77-78页 |
| ·DCN不能对受条件概率控制下的连续因果关系进行推理 | 第78页 |
| ·EDCN图模型的表示 | 第78页 |
| ·EDCN的数学模型 | 第78-79页 |
| ·概念状态的时间表示及其变化 | 第79-80页 |
| ·EDCN中概念状态值的变化 | 第79-80页 |
| ·EDCN中概念间因果关系的变化 | 第80页 |
| ·示例 | 第80-81页 |
| ·对具有因果延迟及信息概念节点认知图的推理 | 第81-82页 |
| ·本章小结 | 第82-83页 |
| 第七章 基于模糊认知图的基本形状识别研究方法 | 第83-97页 |
| ·引言 | 第83页 |
| ·基本形状线特征的形成 | 第83-88页 |
| ·线特征形成模糊认知图的构造 | 第83-84页 |
| ·线特征形成模糊认知图中各概念节点的选择与概念间权重的确定 | 第84页 |
| ·基本形状线特征的丢失及遮挡 | 第84-85页 |
| ·线特征形成认知图中概念节点函数的确定 | 第85-86页 |
| ·短线段拟合为长线段的判定准则 | 第86-88页 |
| ·基于模糊认知图的基本形状识别 | 第88-91页 |
| ·基本形状模糊认知图的表示 | 第88页 |
| ·基本形状识别认知图中各概念节点函数的确定 | 第88-90页 |
| ·基本形状识别准则 | 第90页 |
| ·基于FCM基本形状识别算法 | 第90-91页 |
| ·实验与讨论 | 第91-94页 |
| ·车牌四边形的识别 | 第91-92页 |
| ·交通标志四边形的识别 | 第92页 |
| ·斜四边形的识别 | 第92-94页 |
| ·实验对比 | 第94-96页 |
| ·本章小结 | 第96-97页 |
| 第八章 基于概率模糊认知图的目标识别研究方法 | 第97-105页 |
| ·引言 | 第97页 |
| ·基于概率模糊认知图的目标识别研究 | 第97-100页 |
| ·目标基本单元及目标基本单元的特征 | 第97-98页 |
| ·目标及目标基本单元概率模糊认知图的建立 | 第98-99页 |
| ·概念间概率测度的确定 | 第99-100页 |
| ·概念节点函数的确定 | 第100页 |
| ·目标基本单元特征的形成 | 第100页 |
| ·基于概率模糊认知图的目标识别 | 第100-103页 |
| ·基本定义 | 第100-101页 |
| ·目标基本单元ci识别准则 | 第101-102页 |
| ·目标基本单元的形成 | 第102页 |
| ·目标k识别准则 | 第102-103页 |
| ·基于PFCM的目标识别算法 | 第103页 |
| ·实验与讨论 | 第103-104页 |
| ·本章小结 | 第104-105页 |
| 第九章 一种基于认知图的新型图像理解研究方法 | 第105-116页 |
| ·引言 | 第105-107页 |
| ·图像理解过程中的各种关系 | 第107页 |
| ·图像理解过程中物体特征的选取 | 第107-108页 |
| ·图像边缘特征与物体基本单元的形成 | 第108-109页 |
| ·物体边缘特征的形成 | 第108-109页 |
| ·图像理解过程中物体基本单元的形成 | 第109页 |
| ·基于认知图的图像理解假设及搜索空间的生成 | 第109-110页 |
| ·物体特征匹配认知图的形成 | 第110-113页 |
| ·物体特征匹配认知图 | 第110页 |
| ·物体匹配的多值认知图 | 第110-113页 |
| ·基于认知图的假设物体检验空间的生成 | 第113页 |
| ·实验结果及其讨论 | 第113-115页 |
| ·本章小结 | 第115-116页 |
| 第十章 基于图像理解及认知图的机器人高层规划研究初步 | 第116-123页 |
| ·引言 | 第116页 |
| ·基于认知图的机器人高层规划 | 第116-121页 |
| ·机器人在仅含障碍物环境中的高层规划 | 第117-119页 |
| ·机器人在复杂环境中的高层规划 | 第119-120页 |
| ·机器人在复杂环境中的合作与协调 | 第120-121页 |
| ·实验结果 | 第121-122页 |
| ·本章小结 | 第122-123页 |
| 第十一章 结束语 | 第123-125页 |
| ·本文工作总结与创新之处 | 第123页 |
| ·展望 | 第123-124页 |
| ·本章小结 | 第124-125页 |
| 参考文献 | 第125-134页 |
| 博士期间参与的科研项目 | 第134页 |
| 博士期间发表的学术论文(包括已录用) | 第134页 |
