多传感器信息融合中态势估计方法研究
| 摘要 | 第1-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第9-17页 |
| ·引言 | 第9页 |
| ·信息融合的定义与功能模型 | 第9-11页 |
| ·信息融合中态势估计的定义 | 第11-12页 |
| ·信息融合及态势估计技术的国内外研究现状 | 第12-15页 |
| ·本文的主要工作与内容安排 | 第15-16页 |
| ·本章小结 | 第16-17页 |
| 第2章 基于模糊集理论的聚类方法 | 第17-26页 |
| ·模糊关系 | 第17-19页 |
| ·基本模糊关系 | 第17-19页 |
| ·模糊等价关系与模糊相似关系 | 第19页 |
| ·模糊集的度量 | 第19-20页 |
| ·模糊度 | 第19-20页 |
| ·模糊集间的距离 | 第20页 |
| ·聚类 | 第20-25页 |
| ·态势估计的聚类问题描述 | 第20-21页 |
| ·聚类方法 | 第21-23页 |
| ·传递闭包法 | 第21页 |
| ·聚类的形成 | 第21-23页 |
| ·群结构的递增形成 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 D-S证据理论在态势估计中的应用 | 第26-32页 |
| ·D-S证据理论 | 第26-27页 |
| ·D-S证据理论决策规则 | 第27-28页 |
| ·D-S证据聚合的算例解释 | 第28-29页 |
| ·D-S证据理论在态势估计中的应用 | 第29-31页 |
| ·决策层信息融合中的 D-S证据组合理论应用 | 第29-31页 |
| ·本章小结 | 第31-32页 |
| 第4章 贝叶斯网络在态势估计中的应用 | 第32-46页 |
| ·贝叶斯网络 | 第32-34页 |
| ·贝叶斯网络的数学描述 | 第34-36页 |
| ·贝叶斯网络的构建 | 第36-38页 |
| ·确定网络节点变量 | 第37页 |
| ·建立有向无环图 | 第37-38页 |
| ·条件概率估计 | 第38页 |
| ·贝叶斯网络的信息传播算法 | 第38-43页 |
| ·态势判断 | 第43页 |
| ·态势估计问题的贝叶斯网络模型分析 | 第43-44页 |
| ·举例 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 态势估计问题的分析与相关讨论 | 第46-53页 |
| ·态势估计问题分析 | 第46-47页 |
| ·水电设备的态势估计应用实例 | 第47-50页 |
| ·讨论 | 第50-51页 |
| ·建议 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第6章 结论与展望 | 第53-55页 |
| ·结论 | 第53-54页 |
| ·展望 | 第54-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 在校研究成果 | 第61页 |
