首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--一般性问题论文--设计、性能分析与综合论文

多传感器数据融合关键技术研究

摘要第1-7页
ABSTRACT第7-13页
第1章 绪论第13-29页
   ·研究背景和意义第13-14页
   ·信息融合基本理论第14-18页
     ·信息融合基本原理和定义第14-15页
     ·信息融合功能模型第15-18页
   ·数据融合处理结构第18-22页
     ·数据融合结构第18-20页
     ·数据融合的通用处理结构第20-22页
   ·数据融合层次描述第22-25页
     ·数据级融合第22-23页
     ·特征级别融合第23-24页
     ·决策级融合第24-25页
   ·研究内容及目标第25-27页
   ·本文的组织结构第27-29页
第2章 多源信息融合关键技术研究概述第29-44页
   ·信息融合的起源、发展与关键问题第29-31页
     ·信息融合的起源与发展第29-30页
     ·信息融合关键问题第30-31页
   ·异构信息统一描述模型第31-33页
   ·非完备信息的特征约简技术第33-35页
   ·数据关联分析算法第35-38页
   ·多源信息融合技术和方法第38-42页
   ·本章小结第42-44页
第3章 多源信息的随机集表示方法研究第44-59页
   ·问题的提出第44-45页
   ·随机集相关概念第45-46页
     ·概率空间与可测空间第45-46页
     ·随机集的基本概念第46页
   ·不确定信息的随机集表示第46-50页
     ·证据理论的随机集表示第47-49页
     ·模糊集合的随机集表示第49-50页
   ·随机集框架下异类信息的表示与融合第50-54页
     ·传感器数据的基本概率分配的随机集表示第51-52页
     ·专家意见的基本概率分配的随机集表示第52-53页
     ·随机集框架下的融合公式第53-54页
   ·应用举例第54-57页
   ·本章小结第57-59页
第4章 基于预测值的空值估算算法研究第59-79页
   ·问题的提出第59-64页
   ·相关概念第64-66页
     ·基本定义第64-65页
     ·基于SIM-EM 的估值算法第65-66页
   ·基于预测值的空值估算算法第66-71页
     ·预测值计算第67-68页
     ·特征加权第68-70页
     ·Prediction-EM 算法描述第70-71页
   ·实验分析第71-78页
     ·实例分析第71-77页
     ·对比分析第77-78页
   ·本章小结第78-79页
第5章 基于存在型空值插补的非完备信息系统特征约简算法研究第79-94页
   ·问题的提出第79-81页
   ·几种对粗糙集关系的扩展第81-84页
     ·容差关系第81-82页
     ·非对称相似关系第82-83页
     ·量化容差关系第83页
     ·限制容差关系第83-84页
   ·基于存在型空值插补的限制容差关系第84-85页
   ·特征重要度计算方法第85-87页
   ·启发式约简算法第87-88页
   ·实验与性能分析第88-93页
     ·实验与分析第88-92页
     ·算法复杂度分析第92-93页
   ·本章小结第93-94页
第6章 基于预测可信度的分布式D-S 证据理论数据融合方法第94-109页
   ·问题的提出第94-95页
   ·D-S 证据理论第95-99页
     ·D-S 证据理论的基本概念第96-97页
     ·D-S 证据理论的合成规则第97-98页
     ·多证据源合成规则第98-99页
   ·可信度系数计算方法第99-101页
     ·基于分布式的可信度系数计算第99-101页
     ·可信度系数平衡因子训练方法第101页
   ·基于预测可信度的分布式D-S 证据融合算法第101-104页
     ·基于可信度的D-S 融合公式第101-103页
     ·分布式D-S 融合算法第103-104页
   ·仿真实验第104-107页
     ·训练预测可信度平衡因子实验第104-106页
     ·基于预测可信度分布式融合算法性能对比第106-107页
   ·本章小结第107-109页
结论第109-111页
参考文献第111-121页
攻读博士学位期间发表的论文和取得的科研成果第121-122页
致谢第122-123页
个人简历第123页

论文共123页,点击 下载论文
上一篇:具有认知能力的智能机器人行为学习方法研究
下一篇:六自由度Stewart平台分散智能控制研究