基于证据推理和神经网络的数据融合技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-15页 |
| ·课题的研究背景及意义 | 第11-12页 |
| ·国内外研究现状分析 | 第12-13页 |
| ·论文的主要内容和论文结构 | 第13-15页 |
| 第2章 多传感器数据融合的基本理论 | 第15-25页 |
| ·多传感器数据融合的基本原理 | 第15-16页 |
| ·多传感器数据融合的过程 | 第16-17页 |
| ·多传感器数据融合属性级融合的结构 | 第17-19页 |
| ·数据层融合(低级或像素级) | 第17-18页 |
| ·特征层融合(中级或特征级) | 第18页 |
| ·决策层融合(高级或决策级) | 第18-19页 |
| ·多传感器数据融合的结构模型 | 第19-20页 |
| ·多传感器数据融合的方法 | 第20-23页 |
| ·小结 | 第23-25页 |
| 第3章 多传感器数据融合的证据推理理论 | 第25-39页 |
| ·基本理论 | 第25-29页 |
| ·基本概念 | 第25-27页 |
| ·组合规则解释 | 第27-28页 |
| ·基于D-S证据推理的融合模型 | 第28-29页 |
| ·证据理论的最新进展 | 第29-31页 |
| ·DSmT理论 | 第29页 |
| ·D-S,DSmT与概率论之间的关系 | 第29-31页 |
| ·证据推理组合方法的分类 | 第31-36页 |
| ·修改证据源的方法 | 第31-33页 |
| ·修改组合规则的方法 | 第33-36页 |
| ·模型改进法 | 第36页 |
| ·证据理论存在的问题 | 第36页 |
| ·小结 | 第36-39页 |
| 第4章 多传感器数据融合的神经网络方法 | 第39-49页 |
| ·人工神经网络与信息融合的结合 | 第39-40页 |
| ·人工神经网络简介 | 第40-43页 |
| ·人工神经元模型 | 第41页 |
| ·人工神经网络的结构 | 第41-43页 |
| ·BP网络融合方法 | 第43-46页 |
| ·BP学习过程 | 第43-44页 |
| ·BP网络学习规则 | 第44-46页 |
| ·仿真试验 | 第46-48页 |
| ·小结 | 第48-49页 |
| 第5章 基于证据推理的二维飞机目标识别 | 第49-71页 |
| ·图像矩特征提取 | 第49-51页 |
| ·证据推理应用中的关键问题 | 第51-53页 |
| ·基本置信指派函数的构造 | 第51页 |
| ·基于证据推理的决策步骤 | 第51-53页 |
| ·基于最近邻法的二维飞机目标识别 | 第53-57页 |
| ·证据推理和指数函数相结合的二维飞机目标识别 | 第57-63页 |
| ·应用指数函数构造置信指派函数 | 第57-59页 |
| ·分类规则 | 第59页 |
| ·算法框图与流程 | 第59页 |
| ·仿真试验与结果分析 | 第59-63页 |
| ·证据推理和BP网络相结合的二维飞机目标识别 | 第63-70页 |
| ·应用BP网络构造基本置信指派函数 | 第63-65页 |
| ·分类规则 | 第65页 |
| ·算法框图和流程 | 第65-66页 |
| ·仿真试验与结果分析 | 第66-70页 |
| ·小结 | 第70-71页 |
| 第6章 总结与展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77页 |
