| 摘要 | 第1-3页 |
| Abstract | 第3-8页 |
| 第1章 绪论 | 第8-12页 |
| ·课题研究背景及意义 | 第8-9页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9页 |
| ·课题研究现状 | 第9-10页 |
| ·多传感器数据融合的研究现状 | 第9-10页 |
| ·智能计算下多传感器目标识别的研究现状 | 第10页 |
| ·本课题存在的问题及发展趋势 | 第10-11页 |
| ·本文的主要工作 | 第11-12页 |
| 第2章 多传感器数据融合在目标识别中的应用 | 第12-22页 |
| ·多传感器数据融合概述 | 第12-18页 |
| ·多传感器数据融合的定义 | 第12页 |
| ·多传感器数据融合的通用模型 | 第12-14页 |
| ·多传感器数据融合的分类 | 第14-15页 |
| ·多传感器数据融合的系统结构 | 第15-17页 |
| ·多传感器数据融合的应用 | 第17-18页 |
| ·目标识别概述 | 第18-21页 |
| ·目标识别系统的基本构成 | 第18页 |
| ·识别技术的分类 | 第18-21页 |
| ·多传感器目标识别技术 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第3章 D-S 证据理论在多传感器目标识别中的应用 | 第22-34页 |
| ·D-S 证据理论概述 | 第22-23页 |
| ·D-S 证据理论的推理方法 | 第23-28页 |
| ·证据理论的基本概念 | 第23-25页 |
| ·Dempster 组合规则 | 第25页 |
| ·证据理论的决策准则 | 第25-26页 |
| ·基本概率赋值函数的获取 | 第26-28页 |
| ·证据理论存在的问题及改进 | 第28-30页 |
| ·D-S 证据理论在目标识别中的应用 | 第30-33页 |
| ·基于证据理论的目标识别融合系统 | 第30-31页 |
| ·实验仿真 | 第31-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 基于证据理论的两种智能计算在目标识别中的比较 | 第34-58页 |
| ·D-S 理论和BP 神经网络结合在目标识别中的应用 | 第34-43页 |
| ·BP 神经网络的概述 | 第34-39页 |
| ·基于D-S 理论和神经网络的目标识别系统模型 | 第39-40页 |
| ·实验仿真 | 第40-43页 |
| ·基于证据理论与模糊神经网络的目标识别 | 第43-56页 |
| ·模糊理论基础 | 第43-47页 |
| ·模糊神经网络 | 第47-49页 |
| ·模糊神经网络模型 | 第49-53页 |
| ·基于D-S 理论和模糊神经网络目标识别方法的系统模型 | 第53-54页 |
| ·实验仿真 | 第54-56页 |
| ·两种方法的比较 | 第56-57页 |
| ·本章小结 | 第57-58页 |
| 结束语 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 攻读硕士学位期间发表的论文 | 第64-66页 |
| 致谢 | 第66-67页 |
| 详细摘要 | 第67-71页 |
