| 第一章 绪言 | 第1-18页 |
| ·研究的背景 | 第10-14页 |
| ·C3I系统概念 | 第10页 |
| ·C3I系统发展现状 | 第10-13页 |
| ·数据融合概念及在C3I系统中的意义 | 第13-14页 |
| ·数据融合在C3I中的研究进展 | 第14-15页 |
| ·国外研究进展 | 第14-15页 |
| ·国内研究进展 | 第15页 |
| ·作者的项目背景、主要工作及意义 | 第15-16页 |
| ·本文的章节安排 | 第16-18页 |
| 第二章 数据融合理论 | 第18-28页 |
| ·数据融合基本原理 | 第18页 |
| ·数据融合系统的功能模型 | 第18-20页 |
| ·数据融合的层次 | 第20-21页 |
| ·数据融合关键技术和方法 | 第21-24页 |
| ·数据融合的关键问题 | 第24-25页 |
| ·数据融合中尚存在问题 | 第25-26页 |
| ·数据融合研究方向 | 第26-28页 |
| 第三章 人工神经网络和模糊系统 | 第28-38页 |
| ·人工神经网络系统 | 第28-34页 |
| ·人工神经网络概念 | 第28页 |
| ·人工神经元的结构模型 | 第28-29页 |
| ·几种常用的神经网络结构和算法 | 第29-33页 |
| ·人工神经网络特性 | 第33页 |
| ·人工神经网络在C3I中的运用 | 第33-34页 |
| ·模糊控制系统 | 第34-38页 |
| ·概述 | 第34-35页 |
| ·基本思想 | 第35页 |
| ·模糊控制器基本原理 | 第35-37页 |
| ·基本模糊控制器设计方法 | 第37-38页 |
| 第四章 一个演示性C3I数据融合系统框架设计 | 第38-59页 |
| ·引言 | 第38页 |
| ·设计思想 | 第38页 |
| ·设计原则 | 第38页 |
| ·现代C3I系统功能特点 | 第38-40页 |
| ·现代C3I系统特点 | 第38-39页 |
| ·现代C3I系统功能 | 第39-40页 |
| ·一般C3I系统范围 | 第40页 |
| ·通用C3I数据融合框架及融合过程分析 | 第40-42页 |
| ·多传感器多目标跟踪单元 | 第41-42页 |
| ·态势威胁估计单元 | 第42页 |
| ·传统C3I数据融合存在的问题 | 第42-52页 |
| ·引言 | 第42-43页 |
| ·多目标多传感器跟踪系统 | 第43-45页 |
| ·数据融合数据库 | 第45-49页 |
| ·并行方法上存在问题 | 第49-50页 |
| ·知识处理系统中存在问题 | 第50-52页 |
| ·人工神经网络理论引入C3I数据融合的优势 | 第52-57页 |
| ·人工神经网络技术能力 | 第52-55页 |
| ·人工神经网络对C3I数据融合中问题的求解 | 第55-56页 |
| ·智能C3I问题 | 第56-57页 |
| ·人工神经网络与模糊控制的融合 | 第57-58页 |
| ·基于模糊--神经网络的C3I数据融合框架 | 第58-59页 |
| 第五章 神经网络-模糊推理在多目标跟踪系统中的应用 | 第59-82页 |
| ·引言 | 第59-63页 |
| ·概述 | 第59-60页 |
| ·功能要素 | 第60-61页 |
| ·分类 | 第61-63页 |
| ·基本问题 | 第63页 |
| ·目标识别 | 第63-64页 |
| ·概述 | 第63-64页 |
| ·目标识别层次 | 第64页 |
| ·基于神经网络-模糊推理的关联技术 | 第64-74页 |
| ·数据关联本质 | 第64-65页 |
| ·传统的数据关联方法存在问题 | 第65-66页 |
| ·数据关联模糊推理方法的基本原理 | 第66-69页 |
| ·模糊推理系统构成 | 第69-70页 |
| ·多值关联的矩阵方法 | 第70-71页 |
| ·神经网络实现 | 第71-74页 |
| ·基于神经网络-模糊推理的目标识别技术 | 第74-82页 |
| ·引言 | 第74页 |
| ·高阶模糊神经网络 | 第74-78页 |
| ·D-S证据理论 | 第78-82页 |
| 第六章 全文总结及进一步的工作 | 第82-83页 |
| 参考文献 | 第83-85页 |
| 论文发表和科研项目 | 第85-86页 |
| 致谢 | 第86-87页 |