| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-15页 |
| ·本文研究工作的意义与目的 | 第10-11页 |
| ·课题研究现状与趋势 | 第11-13页 |
| ·数据融合技术的国内外研究现状与趋势 | 第11-12页 |
| ·基于数据融合技术的目标识别研究现状与趋势 | 第12-13页 |
| ·本文的工作及其结构安排 | 第13-15页 |
| 第二章 多传感器数据融合技术概述 | 第15-27页 |
| ·多传感器数据融合的基本原理 | 第15-16页 |
| ·多传感器数据融合的过程 | 第16-17页 |
| ·多传感器数据融合的层次 | 第17-20页 |
| ·数据层融合 | 第17-18页 |
| ·特征层融合 | 第18页 |
| ·决策层融合 | 第18-19页 |
| ·三种融合层次的比较 | 第19-20页 |
| ·多传感器数据融合系统的结构模型 | 第20-22页 |
| ·多传感器数据融合的方法 | 第22-26页 |
| ·基于物理模型的识别技术 | 第23页 |
| ·基于特征推理技术的识别技术 | 第23-25页 |
| ·基于认识模型的识别技术 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于D-S证据理论与神经网络的算法研究 | 第27-46页 |
| ·基于D-S证据理论的算法研究 | 第27-32页 |
| ·D-S证据理论概述 | 第27-28页 |
| ·D-S证据理论的基本概念 | 第28-29页 |
| ·Dempster合成法则 | 第29-32页 |
| ·基于神经网络的算法研究 | 第32-45页 |
| ·人工神经网络简介 | 第32-35页 |
| ·RBF神经网络简介 | 第35-39页 |
| ·RBF神经网络的训练算法研究 | 第39-45页 |
| ·本章小结 | 第45-46页 |
| 第四章 基于D-S证据理论与神经网络的数据融合 | 第46-54页 |
| ·目标识别系统的基本构成 | 第46-47页 |
| ·基于D-S证据理论的目标识别系统的构成 | 第47-50页 |
| ·基于D-S证据理论的目标识别系统模型 | 第47-48页 |
| ·D-S证据理论的决策方法 | 第48页 |
| ·D-S证据理论用于目标识别 | 第48-50页 |
| ·基于D-S证据理论与神经网络的三级数据融合目标识别系统模型 | 第50-52页 |
| ·基于神经网络的基本概率分配函数的构造 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于证据理论与神经网络数据融合模型的 | 第54-77页 |
| ·飞机目标图像库的建立 | 第54-58页 |
| ·二维飞机目标图像库的建立 | 第54-55页 |
| ·三维飞机目标图像库的建立 | 第55-58页 |
| ·图像的预处理 | 第58-59页 |
| ·图像的特征提取 | 第59-61页 |
| ·Hu矩 | 第59-60页 |
| ·Zernike矩 | 第60-61页 |
| ·仿真程序设计 | 第61-65页 |
| ·主程序设计 | 第61-62页 |
| ·模块设计 | 第62-65页 |
| ·二维飞机目标识别的计算机仿真识别研究 | 第65-69页 |
| ·三维飞行目标识别的计算机仿真研究 | 第69-76页 |
| ·本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| ·总结 | 第77页 |
| ·展望 | 第77-79页 |
| 参考文献 | 第79-83页 |
| 致谢 | 第83-84页 |
| 攻读学位期间发表的学术论文目录 | 第84页 |