多传感器空中目标识别方法研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-11页 |
| ·研究背景 | 第7-8页 |
| ·研究内容及研究动态 | 第8-10页 |
| ·研究内容 | 第8-9页 |
| ·目标识别的研究现状 | 第9-10页 |
| ·存在的问题及研究方向展望 | 第10页 |
| ·论文组织结构 | 第10-11页 |
| 第二章 多传感器数据融合概述 | 第11-20页 |
| ·多传感器数据融合的概念 | 第11-13页 |
| ·多传感器数据融合概述 | 第11-12页 |
| ·数据融合技术的主要特征 | 第12-13页 |
| ·多传感器数据融合系统功能及结构模型 | 第13-16页 |
| ·多传感器数据融合的模型 | 第13-14页 |
| ·多传感器数据融合的层次结构 | 第14-16页 |
| ·数据融合的方法 | 第16-18页 |
| ·数据融合系统中传感器的选择 | 第18-19页 |
| ·本章小结 | 第19-20页 |
| 第三章 神经网络在目标识别中的应用 | 第20-34页 |
| ·神经网络技术 | 第20-23页 |
| ·神经网络概述 | 第20页 |
| ·神经元模型 | 第20-21页 |
| ·人工神经网络的拓扑结构 | 第21-23页 |
| ·人工神经网络的学习算法 | 第23页 |
| ·BP算法 | 第23-29页 |
| ·BP神经网络简介 | 第23-24页 |
| ·BP神经网络的基本思想 | 第24-25页 |
| ·BP网络学习步骤 | 第25-28页 |
| ·BP神经网络的不足及改进 | 第28-29页 |
| ·BP神经网络的设计 | 第29-30页 |
| ·BP神经网络在多传感器目标识别中的仿真 | 第30-33页 |
| ·本章小结 | 第33-34页 |
| 第四章 基于D-S证据理论的融合算法 | 第34-49页 |
| ·D-S证据理论 | 第34-42页 |
| ·证据理论的基本概念 | 第34-36页 |
| ·Dempster组合规则 | 第36-37页 |
| ·证据理论的优缺点及一些改进方法 | 第37-38页 |
| ·基本概率赋值的获取 | 第38-42页 |
| ·基于证据理论的决策 | 第42页 |
| ·基于证据理论的目标识别设计 | 第42-43页 |
| ·多传感器目标识别算法设计 | 第43-46页 |
| ·算法思路 | 第43-44页 |
| ·算法流程 | 第44-46页 |
| ·实验仿真 | 第46-48页 |
| ·本章小结 | 第48-49页 |
| 结束语 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 发表论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |
