| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 绪论 | 第8-11页 |
| ·数据融合技术的发展 | 第8-9页 |
| ·基于数据挖掘技术的融合方法研究 | 第9-10页 |
| ·论文工作简介 | 第10-11页 |
| 第二章 数据融合与数据挖掘技术研究 | 第11-19页 |
| ·数据融合技术简介 | 第11-15页 |
| ·数据融合的基本概念 | 第11-12页 |
| ·数据融合的级别 | 第12-13页 |
| ·目标识别级的融合模型 | 第13-15页 |
| ·数据挖掘技术 | 第15-17页 |
| ·数据挖掘的概念 | 第15-16页 |
| ·数据挖掘常用算法 | 第16-17页 |
| ·数据挖掘方法在数据融合中的应用 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 粗糙集理论在数据融合中的应用 | 第19-32页 |
| ·粗糙集的基本概念 | 第19-21页 |
| ·信息表知识表达系统 | 第19-20页 |
| ·粗糙集与集合近似 | 第20-21页 |
| ·知识获取 | 第21-22页 |
| ·知识系统的简化 | 第22-24页 |
| ·知识系统的协调性 | 第22页 |
| ·知识系统条件属性的简化 | 第22-23页 |
| ·知识系统决策规则的简化 | 第23-24页 |
| ·决策表离散化方法 | 第24-25页 |
| ·粗糙集方法在数据融合中的应用 | 第25-31页 |
| ·融合系统原理 | 第25-26页 |
| ·算法实例 | 第26-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 神经网络在数据融合中的应用 | 第32-45页 |
| ·神经网络技术概述 | 第32-33页 |
| ·BP网络 | 第33-36页 |
| ·BP网络模型 | 第33页 |
| ·BP学习算法 | 第33-36页 |
| ·径向基函数(RBF)神经网络 | 第36-38页 |
| ·RBF网络工作原理 | 第36-37页 |
| ·RBF神经网络学习算法 | 第37-38页 |
| ·模糊神经网络 | 第38-41页 |
| ·模糊系统与神经网络 | 第38页 |
| ·模糊神经网络的结构 | 第38-39页 |
| ·基于径向基函数网络的模糊神经网络 | 第39-41页 |
| ·神经网络在数据融合中的应用 | 第41-44页 |
| ·应用原理 | 第41-42页 |
| ·算例与仿真 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第五章 数据挖掘与数据融合集成系统的实现 | 第45-69页 |
| ·数据挖掘与数据融合集成的原理 | 第45-46页 |
| ·建立集成系统模型 | 第46-50页 |
| ·粗糙集与神经网络的集成 | 第46-48页 |
| ·基于粗糙集——模糊神经网络的集成系统模型 | 第48-50页 |
| ·集成系统各部分算法研究 | 第50-61页 |
| ·算法整体介绍 | 第50-52页 |
| ·连续属性值离散化算法 | 第52-53页 |
| ·获取初始隶属函数的算法 | 第53-56页 |
| ·构造模糊神经网络 | 第56-61页 |
| ·算例与仿真 | 第61-67页 |
| ·本章小结 | 第67-69页 |
| 第六章 总结与展望 | 第69-71页 |
| ·论文总结 | 第69页 |
| ·展望 | 第69-71页 |
| 参考文献 | 第71-75页 |
| 作者在攻读硕士学位期间所参加的科研项目及发表的论文 | 第75-76页 |
| 致谢 | 第76-77页 |
| 西北工业大学业学位论文知识产权声明书 | 第77页 |
| 西北工业大学学位论文原创性声明 | 第77页 |