基于贝叶斯网络和D-S证据理论的态势估计方法
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第一章 绪论 | 第11-19页 |
| ·课题背景与研究意义 | 第11页 |
| ·态势估计信息融合国内外研究现状 | 第11-17页 |
| ·信息融合功能模型及其演变 | 第11-14页 |
| ·高层信息融合 | 第14-15页 |
| ·战场态势估计 | 第15-17页 |
| ·论文研究内容与结构安排 | 第17-19页 |
| 第二章 战场态势估计基础知识 | 第19-25页 |
| ·引言 | 第19页 |
| ·态势估计基础理论 | 第19-20页 |
| ·基本概念 | 第19页 |
| ·态势估计过程 | 第19-20页 |
| ·战场态势估计和威胁估计 | 第20-22页 |
| ·态势估计 | 第20-21页 |
| ·威胁估计 | 第21-22页 |
| ·态势估计不确定性推理方法 | 第22-24页 |
| ·推理理论 | 第23页 |
| ·模糊集推理方法 | 第23页 |
| ·专家系统方法 | 第23-24页 |
| ·概率论方法 | 第24页 |
| ·证据理论方法 | 第24页 |
| ·小结 | 第24-25页 |
| 第三章 基于贝叶斯网络的态势估计方法 | 第25-38页 |
| ·引言 | 第25页 |
| ·贝叶斯网络基本概念 | 第25-26页 |
| ·贝叶斯理论 | 第25-26页 |
| ·贝叶斯网络定义 | 第26页 |
| ·贝叶斯网络的模型构建及推理 | 第26-29页 |
| ·贝叶斯网络构建 | 第26-27页 |
| ·贝叶斯网络的推理 | 第27-29页 |
| ·动态贝叶斯网络 | 第29-33页 |
| ·DBN 定义 | 第29-30页 |
| ·BN 转化为 DBN | 第30-31页 |
| ·DBN 模型推理 | 第31-32页 |
| ·贝叶斯网络工具箱 | 第32-33页 |
| ·仿真实验 | 第33-36页 |
| ·小结 | 第36-38页 |
| 第四章 基于 D-S 证据理论的态势估计方法 | 第38-50页 |
| ·引言 | 第38页 |
| ·证据理论基本概念 | 第38-42页 |
| ·Dempster-Shafer 证据理论 | 第38-40页 |
| ·Dempster 组合规则 | 第40页 |
| ·证据融合推理分析 | 第40-41页 |
| ·Pignistic 概率转换 | 第41-42页 |
| ·D-S 证据理论在态势估计中的应用 | 第42-48页 |
| ·小结 | 第48-50页 |
| 第五章 基于 HDSmP 转换的态势估计方法 | 第50-64页 |
| ·引言 | 第50页 |
| ·HDSmP 转换方法简介 | 第50-52页 |
| ·HDSmP 方法 | 第50-52页 |
| ·不确定性度量指标 | 第52页 |
| ·战场态势估计实例分析 | 第52-61页 |
| ·HDSmP 中比率再分配因子 的取值分析 | 第61-62页 |
| ·小结 | 第62-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·总结 | 第64页 |
| ·展望 | 第64-66页 |
| 致谢 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 附录 | 第71页 |
