| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第一章 绪论 | 第11-27页 |
| ·多传感器信息融合功能概述 | 第11-15页 |
| ·态势估计技术 | 第15-19页 |
| ·信息融合及态势估计技术的国内外研究现状 | 第19-24页 |
| ·态势估计系统研究与应用 | 第20-22页 |
| ·态势评估主要技术方法 | 第22-24页 |
| ·本文主要工作和内容安排 | 第24-27页 |
| ·主要研究工作 | 第24-25页 |
| ·论文内容安排 | 第25-27页 |
| 第二章 态势觉察方法研究 | 第27-51页 |
| ·态势觉察问题分析 | 第27-33页 |
| ·态势觉察定义 | 第27-29页 |
| ·态势觉察主要功能 | 第29-33页 |
| ·事件提取 | 第33-39页 |
| ·事件定义与分类 | 第33-35页 |
| ·事件检测方法 | 第35-39页 |
| ·态势知识表示方法 | 第39-50页 |
| ·基于贝叶斯网络的态势知识表示模型 | 第39-43页 |
| ·基于本体论的态势知识表示模型 | 第43-47页 |
| ·基于模板的态势知识表示模型 | 第47-50页 |
| ·本章小结 | 第50-51页 |
| 第三章 目标分群方法研究 | 第51-75页 |
| ·目标分群问题描述 | 第51-53页 |
| ·目标分群方法研究现状 | 第53-56页 |
| ·基于模板匹配的分群方法 | 第56-64页 |
| ·问题提出 | 第56-57页 |
| ·基于模板匹配的目标分群 | 第57-64页 |
| ·基于模糊推理的目标分群方法 | 第64-73页 |
| ·问题描述 | 第64-66页 |
| ·基于模糊推理的分群方法 | 第66-73页 |
| ·本章小结 | 第73-75页 |
| 第四章 基于贝叶斯网络的计划识别方法 | 第75-93页 |
| ·基本概念与理论 | 第75-81页 |
| ·态势估计计划识别 | 第75-76页 |
| ·计划识别方法概述 | 第76-78页 |
| ·贝叶斯网络理论 | 第78-81页 |
| ·分层贝叶斯网络模型 | 第81-83页 |
| ·作战计划的分解 | 第81-82页 |
| ·分层贝叶斯网络 | 第82-83页 |
| ·分层贝叶斯网络推理方法 | 第83-86页 |
| ·算法描述 | 第83-85页 |
| ·推理过程分析 | 第85-86页 |
| ·实例验证 | 第86-90页 |
| ·设计框架 | 第86-87页 |
| ·计划实例 | 第87-90页 |
| ·本章小结 | 第90-93页 |
| 第五章 态势估计中的贝叶斯网络参数学习 | 第93-118页 |
| ·贝叶斯网络学习的基本概念 | 第93-96页 |
| ·贝叶斯网络结构学习 | 第93-94页 |
| ·贝叶斯网络参数学习 | 第94-96页 |
| ·态势估计中贝叶斯网络的学习问题 | 第96-97页 |
| ·基于Noisy-or gate 模型的参数构造方法 | 第97-101页 |
| ·Noisy-or gate 模型 | 第97-98页 |
| ·Leaky Noisy-or gate 模型 | 第98-99页 |
| ·Noisy-or gate 模型应用实例 | 第99-101页 |
| ·Noisy-or gate 模型的扩展分析 | 第101-105页 |
| ·模型的扩展 | 第101-102页 |
| ·扩展模型间的关系分析 | 第102-103页 |
| ·条件概率的计算 | 第103-104页 |
| ·结果比较 | 第104-105页 |
| ·贝叶斯网络应用实例 | 第105-117页 |
| ·贝叶斯网络结构的建立 | 第107-108页 |
| ·网络参数的确定 | 第108-111页 |
| ·空袭计划识别过程 | 第111-115页 |
| ·仿真实现 | 第115-117页 |
| ·本章小结 | 第117-118页 |
| 第六章 总结与展望 | 第118-121页 |
| ·工作总结 | 第118-119页 |
| ·研究展望 | 第119-121页 |
| 致谢 | 第121-122页 |
| 参考文献 | 第122-131页 |
| 在读期间的研究成果 | 第131-132页 |