| 摘要 | 第1-4页 |
| Abstract | 第4-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-14页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究现状分析 | 第9-12页 |
| ·论文工作简介 | 第12-14页 |
| 第二章 信息融合的基本概念和原理 | 第14-23页 |
| ·信息融合的基本概念 | 第14-15页 |
| ·信息融合的级别 | 第15-16页 |
| ·目标识别融合的结构 | 第16-18页 |
| ·目标识别融合的方法研究 | 第18-21页 |
| ·目标识别融合的发展趋势 | 第21-22页 |
| ·小结 | 第22-23页 |
| 第三章 证据组合方法研究及其在目标识别中的应用 | 第23-40页 |
| ·引言 | 第23-24页 |
| ·证据理论的基本概念 | 第24-26页 |
| ·基本概念 | 第24-25页 |
| ·D-S组合规则 | 第25-26页 |
| ·证据组合方法研究及改进 | 第26-35页 |
| ·证据组合规则的缺陷及改进方法研究 | 第26-29页 |
| ·基于相互可信度的冲突证据组合方法 | 第29-31页 |
| ·仿真实验 | 第31-35页 |
| ·证据理论在目标识别中的应用研究 | 第35-39页 |
| ·目标识别融合系统的原理 | 第35-36页 |
| ·仿真实验 | 第36-39页 |
| ·小结 | 第39-40页 |
| 第四章 神经网络在基本概率赋值中的应用研究 | 第40-48页 |
| ·引言 | 第40页 |
| ·神经网络的理论基础 | 第40-46页 |
| ·神经网络技术概述 | 第40-41页 |
| ·神经元模型 | 第41-43页 |
| ·神经网络的结构 | 第43-44页 |
| ·神经网络的学习方式和算法 | 第44-46页 |
| ·基于神经网络的基本概率赋值获取方法 | 第46-47页 |
| ·小结 | 第47-48页 |
| 第五章 证据理论和神经网络相结合的目标识别方法研究 | 第48-64页 |
| ·引言 | 第48页 |
| ·证据理论和神经网络相结合的可行性 | 第48-50页 |
| ·证据理论——神经网络识别器的设计研究 | 第50-59页 |
| ·证据理论和神经网络结合的方法 | 第50-52页 |
| ·证据理论——神经网络识别器的设计 | 第52-59页 |
| ·基于证据理论——神经网络识别器的目标识别方法 | 第59-63页 |
| ·目标识别方法的基本原理 | 第59-60页 |
| ·仿真实验 | 第60-63页 |
| ·小结 | 第63-64页 |
| 第六章 总结与展望 | 第64-66页 |
| ·论文总结 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 作者在攻读硕士学位期间所发表的论文和参加的科研项目 | 第71-72页 |
| 致谢 | 第72-73页 |