| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-18页 |
| ·研究背景及意义 | 第10页 |
| ·信息融合概述 | 第10-12页 |
| ·信息融合的定义 | 第10-11页 |
| ·信息融合系统的基本原理 | 第11-12页 |
| ·信息融合技术的应用 | 第12页 |
| ·本课题研究现状及分析 | 第12-16页 |
| ·基于证据理论的信息融合方法研究现状 | 第13-15页 |
| ·基于证据理论的信息融合方法中存在的问题 | 第15-16页 |
| ·本文的项目来源、主要内容以及章节安排 | 第16-18页 |
| 第2章 基础理论 | 第18-23页 |
| ·DEMPSTER-SHAFER 证据理论 | 第18-20页 |
| ·基本概念 | 第18-20页 |
| ·证据折扣因子 | 第20页 |
| ·模糊集理论 | 第20-22页 |
| ·基本概念 | 第21页 |
| ·模糊数 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第3章 基于广义梯形模糊数相似性度量的证据生成方法 | 第23-32页 |
| ·引言 | 第23页 |
| ·基本概念和已有主要的相似性度量方法 | 第23-26页 |
| ·基本概念 | 第23-24页 |
| ·现有的主要相似性度量方法 | 第24-26页 |
| ·新的 GTFN 相似性度量方法 | 第26-27页 |
| ·比较几种相似性度量方法 | 第27-28页 |
| ·故障诊断应用 | 第28-31页 |
| ·结论 | 第31-32页 |
| 第4章 基于随机模糊变量相似性度量的证据生成方法 | 第32-44页 |
| ·引言 | 第32-33页 |
| ·随机模糊变量及其相似性度量方法 | 第33-35页 |
| ·RFV 的基本概念 | 第33-34页 |
| ·RFV 相似性度量方法 | 第34-35页 |
| ·基于 RFV 相似性度量的诊断证据生成方法 | 第35-40页 |
| ·用 RFV 建模故障样板和待检模式 | 第35-38页 |
| ·基于 RFV 相似性度量诊断证据生成方法 | 第38-40页 |
| ·故障诊断应用 | 第40-43页 |
| ·结论 | 第43-44页 |
| 第5章 基于 PIGNISTIC 逆转换的自然语言信息证据生成方法 | 第44-52页 |
| ·引言 | 第44页 |
| ·模糊信息的嵌套型证据转换方法 | 第44-45页 |
| ·随机集理论 | 第44-45页 |
| ·嵌套型证据转换方法 | 第45页 |
| ·新的非嵌套型证据提取方法 | 第45-46页 |
| ·Pignistic 转换及其逆转换 | 第45-46页 |
| ·非嵌套证据生成方法 | 第46页 |
| ·实验比较 | 第46-51页 |
| ·目标识别 | 第47-49页 |
| ·实验统计分析 | 第49-51页 |
| ·结论 | 第51-52页 |
| 第六章 基于多目标优化的冲突证据融合方法 | 第52-62页 |
| ·引言 | 第52页 |
| ·基于虚假度的冲突证据度量 | 第52-53页 |
| ·基于证据修正的组合方法 | 第53-54页 |
| ·基于加权平均算子的证据修正法 | 第53-54页 |
| ·基于折扣算子的证据修正法 | 第54页 |
| ·最优权重学习算法 | 第54-56页 |
| ·典型算例 | 第56-61页 |
| ·结论与展望 | 第61-62页 |
| 第7章 总结与展望 | 第62-64页 |
| ·总结 | 第62页 |
| ·展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 附录 | 第69页 |