基于神经网络的数据融合研究和仿真
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-12页 |
| ·研究背景及意义 | 第9页 |
| ·国际国内研究进展及现状 | 第9-11页 |
| ·本文主要内容及章节安排 | 第11-12页 |
| 第二章 神经网络和数据融合概述 | 第12-19页 |
| ·神经网络理论及其应用 | 第12-14页 |
| ·神经网络的概念和发展背景 | 第12-13页 |
| ·典型的神经网络模型 | 第13-14页 |
| ·神经网络的现状和应用 | 第14页 |
| ·数据融合的定义和分类 | 第14-18页 |
| ·数据融合的定义 | 第14-15页 |
| ·数据融合模型和分级 | 第15-16页 |
| ·融合的分级 | 第16-17页 |
| ·数据融合的应用 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 基于神经网络的数据融合算法研究 | 第19-38页 |
| ·概述 | 第19-20页 |
| ·传感器数据的预处理 | 第20-23页 |
| ·点迹过滤 | 第20-22页 |
| ·点迹合并 | 第22页 |
| ·去野值 | 第22页 |
| ·空间对准和时间对准 | 第22-23页 |
| ·基于数据关联的目标跟踪算法 | 第23-32页 |
| ·问题描述 | 第23-24页 |
| ·基本理论和关键问题 | 第24-25页 |
| ·数据关联过程 | 第25-27页 |
| ·基于数据关联的目标跟踪设计实现 | 第27-30页 |
| ·实验结果 | 第30-32页 |
| ·基于神经网络的目标识别 | 第32-37页 |
| ·概述 | 第32-33页 |
| ·基于BP 神经网络的目标识别 | 第33-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 多目标态势评估和决策 | 第38-56页 |
| ·概述 | 第38页 |
| ·贝叶斯网络理论和模型 | 第38-43页 |
| ·概述 | 第38-39页 |
| ·贝叶斯网络理论 | 第39-40页 |
| ·基于动态贝叶斯网络的态势识别 | 第40-43页 |
| ·基于Hopfield 神经网络的目标分配优化 | 第43-48页 |
| ·目标分配问题的数学模型 | 第43-44页 |
| ·Hopfield 神经网络模型 | 第44-45页 |
| ·Hopfield 神经网络解决目标分配问题 | 第45-48页 |
| ·路径规划算法研究 | 第48-55页 |
| ·常用路径规划算法 | 第48-51页 |
| ·一种基于 PCNN 改进的 A*算法 | 第51-55页 |
| ·本章小结 | 第55-56页 |
| 第五章 数据融合系统设计和实现 | 第56-72页 |
| ·设计目标 | 第56-57页 |
| ·系统实现 | 第57-71页 |
| ·功能模块划分 | 第57-59页 |
| ·对象的设计 | 第59-63页 |
| ·实现结果 | 第63-71页 |
| ·本章小结 | 第71-72页 |
| 第六章 总结与展望 | 第72-74页 |
| 致谢 | 第74-75页 |
| 参考文献 | 第75-78页 |
| 个人简介和攻读硕士期间的成果 | 第78-79页 |
