| 中文摘要 | 第1-6页 |
| 英文摘要 | 第6-11页 |
| 1 多源信息融合概论 | 第11-23页 |
| 1．1 多源信息融合的定义及必要性 | 第11-12页 |
| 1．2 多源信息融合的发展 | 第12-15页 |
| 1．3 多源信息融合的现状 | 第15-19页 |
| 1．4 多源信息融合的发展趋势 | 第19-20页 |
| 1．5 多源信息融合的一般方法 | 第20-22页 |
| 小结 | 第22-23页 |
| 2 多源信息融合模型 | 第23-36页 |
| 2．1 引言 | 第23页 |
| 2．2 信息融合的功能模型 | 第23-25页 |
| 2．3 信息融合的层次化描述 | 第25-30页 |
| 2．4 信息融合的数学模型 | 第30-34页 |
| 2．4．1 嵌入约束方法 | 第31-32页 |
| 2．4．2 证据组合方法 | 第32页 |
| 2．4．3 神经网络方法 | 第32-34页 |
| 2．5 信息融合的结构 | 第34页 |
| 2．6 信息融合与数据库的研究 | 第34-35页 |
| 2．7 信息融合的系统设计 | 第35页 |
| 小结 | 第35-36页 |
| 3 基于证据组合理论的融合算法 | 第36-48页 |
| 3．1 证据组合理论的基本原理 | 第36-39页 |
| 3．1．1 证据的不确定性 | 第36-37页 |
| 3．1．2 基本概率指派函数 | 第37-38页 |
| 3．1．3 信任函数的组合 | 第38页 |
| 3．1．4 证据组合的优缺点 | 第38-39页 |
| 3．2 证据组合理论融合多源信息的背景 | 第39页 |
| 3．3 神经网络分类器的设置方法 | 第39-41页 |
| 3．4 分类器基本概率指派函数的确定 | 第41-43页 |
| 3．5 证据组合算法 | 第43-44页 |
| 3．6 多分类器决策算法 | 第44页 |
| 3．7 单个分类器融合多次测量信息 | 第44-46页 |
| 3．8 多分类器组合算法检验 | 第46页 |
| 3．9 单分类器组合多次测量信息算法检验 | 第46-47页 |
| 小结 | 第47-48页 |
| 4 基于模糊积分的多源信息融合算法 | 第48-58页 |
| 4．1 引言 | 第48页 |
| 4．2 信息融合问题的形式描述 | 第48-49页 |
| 4．3 信息融合的不确定性信息度量 | 第49页 |
| 4．4 模糊积分与模糊测度的理论基础 | 第49-50页 |
| 4．5 模糊积分融合算法 | 第50-51页 |
| 4．6 智能型辅助驾驶系统的多源信息融合方法 | 第51-57页 |
| 4．6．1 建立智能型辅助驾驶系统的重要性 | 第51页 |
| 4．6．2 高速公路上汽车安全运行模式及特征向量 | 第51-57页 |
| 4．6．2．1 高速公路上汽车安全运行模式的划分 | 第51-52页 |
| 4．6．2．2 每种运行模式的特征向量 | 第52-54页 |
| 4．6．2．3 确定特征指标对运行模式的影响系数 | 第54-55页 |
| 4．6．2．4 模糊积分融合汽车安全运行的多源信息 | 第55-56页 |
| 4．6．2．5 融合算法的检验 | 第56-57页 |
| 小结 | 第57-58页 |
| 5 基于粗糙集理论的多源信息融合算法 | 第58-71页 |
| 5．1 引言 | 第58页 |
| 5．2 粗糙集理论介绍 | 第58-60页 |
| 5．2．1 上近似集，下近似集，正域的概念 | 第58-59页 |
| 5．2．2 核与简化的概念 | 第59-60页 |
| 5．2．3 粗糙集理论融合信息的一般步骤 | 第60页 |
| 5．3 粗糙集融合多源信息的两个算法实例 | 第60-70页 |
| 5．3．1 基于粗糙集理论的蔬菜栽培病虫害预警系统 | 第61-66页 |
| 5．3．2 基于粗糙集理论的疾病诊断专家系统的规则知识获取方法 | 第66-70页 |
| 小结 | 第70-71页 |
| 6 模糊神经网络融合方法 | 第71-87页 |
| 6．1 引言 | 第71页 |
| 6．2 神经网络融合信息的一般方法 | 第71-72页 |
| 6．3 模糊神经网络 | 第72-85页 |
| 6．3．1 神经网络和模糊逻辑 | 第72-74页 |
| 6．3．2 模糊推理模型 | 第74-75页 |
| 6．3．3 模糊多层前馈网络 | 第75-78页 |
| 6．3．4 模糊多层前馈网络学习算法 | 第78-81页 |
| 6．3．5 模糊基函数网络 | 第81页 |
| 6．3．6 基于模糊神经网络的信息融合 | 第81-85页 |
| 小结 | 第85-87页 |
| 7 基于统计分析的多源信息融合方法 | 第87-100页 |
| 7．1 动态聚类的理论介绍 | 第87-89页 |
| 7．1．1 动态聚类的基本思想 | 第87页 |
| 7．1．2 选择凝聚点 | 第87-88页 |
| 7．1．3 初始分类 | 第88-89页 |
| 7．1．4 修改初始分类 | 第89页 |
| 7．2 多组判别分析理论 | 第89-92页 |
| 7．2．1 多组判别分析的思想及适用条件 | 第89页 |
| 7．2．2 多组判别分析的方法和原理 | 第89-92页 |
| 7．3 经济预警模型 | 第92-99页 |
| 7．3．1 建立经济预警的必要性 | 第92-93页 |
| 7．3．2 测定经济波动周期的特征指标 | 第93-95页 |
| 7．3．3 用动态聚类对经济运行模式聚类 | 第95页 |
| 7．3．4 修改初始分类 | 第95-96页 |
| 7．3．5 用多组判别分析确定模式边界识别函数 | 第96-99页 |
| 7．3．6 监测，预警检验 | 第99页 |
| 小结 | 第99-100页 |
| 8 结论与展望 | 第100-103页 |
| 8．1 全文总结 | 第100-101页 |
| 8．2 后续研究工作的展望 | 第101-103页 |
| 致谢 | 第103-104页 |
| 参考文献 | 第104-115页 |
| 附录 | 第115页 |
