| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-9页 |
| 1 绪论 | 第9-18页 |
| ·信息融合的概念 | 第9页 |
| ·信息融合的发展过程及国内外研究现状 | 第9-11页 |
| ·信息融合的融合层次 | 第11-12页 |
| ·人工智能概述 | 第12-16页 |
| ·人工智能的概念 | 第13页 |
| ·人工智能技术的两个分支—人工神经网络和专家系统的发展 | 第13-16页 |
| ·课题的研究背景和意义 | 第16-17页 |
| ·本章小结 | 第17-18页 |
| 2 模糊神经网络 | 第18-34页 |
| ·引言 | 第18-19页 |
| ·模糊逻辑与模糊推理 | 第19-21页 |
| ·模糊集合的定义与表示 | 第19-20页 |
| ·模糊集合的运算 | 第20页 |
| ·模糊关系 | 第20页 |
| ·模糊推理 | 第20-21页 |
| ·模糊理论面临的困难 | 第21页 |
| ·神经网络 | 第21-24页 |
| ·人工神经元模型 | 第22-23页 |
| ·神经网络的学习算法 | 第23-24页 |
| ·基于模糊推理模型的多层前馈神经网络及其学习算法 | 第24-32页 |
| ·模糊推理 | 第25-26页 |
| ·模糊推理模型简介 | 第26-27页 |
| ·多层前馈模糊神经网络 | 第27-29页 |
| ·模糊多层前馈网络的学习算法 | 第29-32页 |
| ·神经网络与模糊系统比较 | 第32页 |
| ·本章小结 | 第32-34页 |
| 3 知识库 | 第34-42页 |
| ·知识获取 | 第34-35页 |
| ·知识获取方法的分类 | 第34-35页 |
| ·混合系统的知识获取方法 | 第35页 |
| ·知识表示 | 第35-36页 |
| ·智能分布式指挥业务子系统智能决策的知识表示 | 第35页 |
| ·“规则架+规则体”的知识表示策略 | 第35-36页 |
| ·知识检测 | 第36-39页 |
| ·知识的语法检查 | 第36-37页 |
| ·知识库中知识的一致性和冗余性分析 | 第37页 |
| ·知识库中知识的一致性和冗余性检查 | 第37-39页 |
| ·知识的求精 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 4 推理机 | 第42-57页 |
| ·推理机的基本概念 | 第42-43页 |
| ·确定性理论 | 第43-48页 |
| ·确定性因子 | 第44-46页 |
| ·带加权因子的可信度推理 | 第46-47页 |
| ·确定性因子面临的困难 | 第47-48页 |
| ·Dempster-Shafer 证据理论 | 第48-50页 |
| ·Dempster-Shafer 证据理论概述 | 第48-49页 |
| ·证据理论面临的困难 | 第49-50页 |
| ·本文系统采用的不确定性推理模型 | 第50-54页 |
| ·知识和证据不确定性的表示 | 第50-52页 |
| ·不确定性匹配算法 | 第52-53页 |
| ·组合命题不确定性的计算 | 第53页 |
| ·结果不确定性的更新 | 第53-54页 |
| ·结果组合算法 | 第54页 |
| ·产生式规则 | 第54-56页 |
| ·模糊产生式规则 | 第55页 |
| ·实例 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 5 指挥业务智能决策支持系统设计 | 第57-82页 |
| ·智能决策支持系统概述 | 第57-63页 |
| ·决策支持系统的体系结构 | 第57-58页 |
| ·智能决策支持系统 | 第58-63页 |
| ·系统实现 | 第63-65页 |
| ·系统总体框架设计 | 第63-64页 |
| ·系统类的层次结构 | 第64-65页 |
| ·系统关键技术极其实现 | 第65-73页 |
| ·T-S 模糊模型 | 第65-66页 |
| ·模糊神经网络训练 | 第66-72页 |
| ·MFC 可视化编程 | 第72-73页 |
| ·系统规则库设计 | 第73-76页 |
| ·系统数据库设计 | 第76-79页 |
| ·系统用户界面设计 | 第79-81页 |
| ·本章小结 | 第81-82页 |
| 6 结论与展望 | 第82-84页 |
| ·全文总结 | 第82页 |
| ·工作展望 | 第82-84页 |
| 致谢 | 第84-85页 |
| 参考文献 | 第85-90页 |
| 附录 | 第90页 |
| A. 作者在攻读学位期间发表的论文目录 | 第90页 |
| B. 作者在研究生期间参加的项目 | 第90页 |