| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第12-13页 |
| 缩略语对照表 | 第13-16页 |
| 第一章 绪论 | 第16-24页 |
| 1.1 课题概念及意义 | 第16-18页 |
| 1.2 国内外研究现状 | 第18-21页 |
| 1.2.1 国外研究现状 | 第18-19页 |
| 1.2.2 国内研究现状 | 第19-21页 |
| 1.3 课题研究趋势 | 第21-22页 |
| 1.4 论文章节安排 | 第22-24页 |
| 第二章 态势知识表示方法研究 | 第24-46页 |
| 2.1 知识表示简介 | 第24-32页 |
| 2.1.1 智能化知识表示方法 | 第24-30页 |
| 2.1.2 传统知识表示方法 | 第30-32页 |
| 2.2 知识表示方法的比较 | 第32-34页 |
| 2.3 基于本体的知识表示研究 | 第34-39页 |
| 2.3.1 本体的构建方法 | 第34-35页 |
| 2.3.2 本体态势要素确定 | 第35-39页 |
| 2.4 态势本体表示逻辑仿真与分析 | 第39-45页 |
| 2.5 本章小结 | 第45-46页 |
| 第三章 态势数据库统一语义表述规范 | 第46-64页 |
| 3.1 态势信息数据模型分析 | 第46-56页 |
| 3.1.1 战场数据分类 | 第46-50页 |
| 3.1.2 战场数据组织 | 第50-52页 |
| 3.1.3 战场数据管理 | 第52页 |
| 3.1.4 态势关系数据库构建 | 第52-56页 |
| 3.2 基于本体的数据库语义规范 | 第56-62页 |
| 3.2.1 单平台数据库到本体的转换 | 第56-58页 |
| 3.2.2 多平台数据通过本体实现语义规范 | 第58-60页 |
| 3.2.3 本体数据查询和使用 | 第60-62页 |
| 3.3 本章小结 | 第62-64页 |
| 第四章 战场态势推理算法研究 | 第64-102页 |
| 4.1 基于模板匹配的态势推理算法 | 第64-71页 |
| 4.1.1 模板匹配推理原理 | 第65-66页 |
| 4.1.2 基于模板匹配的态势推理算法实现 | 第66-68页 |
| 4.1.3 基于模板匹配推理算法的态势仿真与分析 | 第68-71页 |
| 4.2 基于BP神经网络的态势推理算法 | 第71-83页 |
| 4.2.1 BP神经网络工作原理 | 第72-75页 |
| 4.2.2 基于BP神经网络的态势推理算法实现 | 第75-79页 |
| 4.2.3 基于BP神经网络推理算法的仿真与分析 | 第79-83页 |
| 4.3 基于贝叶斯网络的态势推理算法 | 第83-92页 |
| 4.3.1 贝叶斯网络推理原理 | 第84-85页 |
| 4.3.2 基于贝叶斯网络的态势推理算法实现 | 第85-89页 |
| 4.3.3 基于贝叶斯网络推理算法的仿真与分析 | 第89-92页 |
| 4.4 基于模板—贝叶斯网络的融合推理算法 | 第92-101页 |
| 4.4.1 模板—贝叶斯网络融合算法的推理原理 | 第92-95页 |
| 4.4.2 基于模板—贝叶斯网络的态势推理算法实现 | 第95-97页 |
| 4.4.3 基于模板—贝叶斯网络推理算法的仿真与分析 | 第97-101页 |
| 4.5 本章小结 | 第101-102页 |
| 第五章 总结与展望 | 第102-104页 |
| 5.1 论文总结 | 第102页 |
| 5.2 课题展望 | 第102-104页 |
| 参考文献 | 第104-108页 |
| 致谢 | 第108-110页 |
| 作者简介 | 第110-111页 |