| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景和意义 | 第9-10页 |
| 1.2 课题研究现状 | 第10-12页 |
| 1.3 主要研究内容 | 第12页 |
| 1.4 本文组织结构 | 第12-15页 |
| 第二章 基于马尔科夫建模的证据推理 | 第15-47页 |
| 2.1 D-S证据理论及其问题 | 第15-19页 |
| 2.1.1 证据理论的基本概念 | 第15-17页 |
| 2.1.2 Dempster合成规则及其性质 | 第17-18页 |
| 2.1.3 证据理论存在的问题及其分析 | 第18-19页 |
| 2.2 证据的权重计算及修正 | 第19-23页 |
| 2.2.1 证据间距离 | 第20-21页 |
| 2.2.2 利用证据权重对证据修正 | 第21-23页 |
| 2.3 证据的马尔科夫建模 | 第23-27页 |
| 2.3.1 马尔科夫理论 | 第23-24页 |
| 2.3.2 马尔科夫建模 | 第24-26页 |
| 2.3.3 证据代表的获取 | 第26-27页 |
| 2.4 证据合成 | 第27-30页 |
| 2.4.1 Murphy组合方法 | 第27页 |
| 2.4.2 证据合成算法 | 第27-30页 |
| 2.5 仿真实验 | 第30-46页 |
| 2.5.1 完全相同证据源合成 | 第30-32页 |
| 2.5.2 相同且含有冲突证据源的合成 | 第32-34页 |
| 2.5.3 不同且含有冲突证据源的合成 | 第34-36页 |
| 2.5.4 改变证据源顺序的合成 | 第36-37页 |
| 2.5.5 序贯异步融合 | 第37-43页 |
| 2.5.6 其他 | 第43-46页 |
| 2.6 本章小结 | 第46-47页 |
| 第三章 基于马尔科夫建模的二元语义决策 | 第47-59页 |
| 3.1 二元语义评价理论简介 | 第47-54页 |
| 3.1.1 基本概念 | 第47-49页 |
| 3.1.2 二元语义表示模型 | 第49-51页 |
| 3.1.3 二元语义表示模型与[0,1]区间上实数对应关系 | 第51-54页 |
| 3.2 二元语义的马尔科夫建模 | 第54-55页 |
| 3.2.1 马尔科夫建模 | 第54-55页 |
| 3.2.2 二元语义决策向量 | 第55页 |
| 3.3 实例与对比 | 第55-57页 |
| 3.4 本章小结 | 第57-59页 |
| 第四章 基于马尔科夫建模的证据推理在目标识别上的应用 | 第59-69页 |
| 4.1 二值化图像特征提取 | 第59-63页 |
| 4.1.1 Hu矩 | 第59-60页 |
| 4.1.2 仿射不变矩 | 第60页 |
| 4.1.3 轮廓局部奇异值 | 第60-62页 |
| 4.1.4 离散化参数 | 第62页 |
| 4.1.5 归一化转动惯量 | 第62-63页 |
| 4.2 基于PNN网络的BBA建模 | 第63-66页 |
| 4.2.1 PNN的模型 | 第64-65页 |
| 4.2.2 利用PNN构造BBA | 第65-66页 |
| 4.3 特征融合 | 第66-67页 |
| 4.4 实验结果与对比 | 第67-68页 |
| 4.5 本章小结 | 第68-69页 |
| 第五章 总结与展望 | 第69-71页 |
| 致谢 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 攻读硕士学位期间的研究成果 | 第77页 |