基于聚类证据理论的数据融合算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景和意义 | 第12-13页 |
| 1.2 国内外研究现状 | 第13-16页 |
| 1.2.1 数据融合研究现状 | 第13-14页 |
| 1.2.2 证据理论研究现状 | 第14-15页 |
| 1.2.3 聚类分析研究现状 | 第15-16页 |
| 1.3 本文的研究内容 | 第16页 |
| 1.4 本文的组织结构 | 第16-18页 |
| 第2章 数据融合相关理论 | 第18-30页 |
| 2.1 数据融合基本理论知识 | 第18-22页 |
| 2.1.1 数据融合的原理 | 第18页 |
| 2.1.2 数据融合的层次 | 第18-20页 |
| 2.1.3 数据融合的常用算法介绍 | 第20-22页 |
| 2.2 D-S证据理论 | 第22-27页 |
| 2.2.1 证据理论的基本概念 | 第22-24页 |
| 2.2.2 D-S证据理论的合成规则 | 第24-26页 |
| 2.2.3 D-S证据理论存在的悖论分类 | 第26-27页 |
| 2.3 聚类分析 | 第27-29页 |
| 2.3.1 层次聚类算法 | 第27-28页 |
| 2.3.2 类间距离 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第3章 证据冲突度量的研究 | 第30-41页 |
| 3.1 证据冲突产生的原因 | 第30-31页 |
| 3.2 现有的冲突度量方法 | 第31-33页 |
| 3.3 一种新的证据冲突度量方法 | 第33-36页 |
| 3.3.1 细粒度距离 | 第34-35页 |
| 3.3.2 粗粒度距离 | 第35-36页 |
| 3.3.3 证据冲突测量方法 | 第36页 |
| 3.4 仿真实验 | 第36-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 冲突证据融合方法的改进 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 现有冲突证据合成方法 | 第41-44页 |
| 4.2.1 基于修改D-S合成规则的改进方法 | 第41-43页 |
| 4.2.2 基于修改证据源模型的改进方法 | 第43-44页 |
| 4.3 一种新的冲突证据融合方法 | 第44-49页 |
| 4.3.1 冲突度量d_s | 第44-45页 |
| 4.3.2 局部冲突参数k_(ij) | 第45-46页 |
| 4.3.3 证据的分类修正 | 第46-47页 |
| 4.3.4 融合决策及阈值设置 | 第47页 |
| 4.3.5 冲突证据融合算法 | 第47-49页 |
| 4.4 仿真实验 | 第49-52页 |
| 4.4.1 算例说明 | 第49-51页 |
| 4.4.2 算法的鲁棒性分析 | 第51-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第5章 聚类证据理论在汽车碰撞预警系统中的应用 | 第53-61页 |
| 5.1 汽车碰撞预警系统与数据融合结合的必要性 | 第53-54页 |
| 5.2 汽车碰撞预警系统的关键技术 | 第54-56页 |
| 5.2.1 感知技术 | 第54-55页 |
| 5.2.2 决策技术 | 第55-56页 |
| 5.3 基于聚类证据理论的汽车碰撞预警系统模型 | 第56-58页 |
| 5.4 汽车碰撞预警系统的冲突证据融合实验与仿真 | 第58-60页 |
| 5.5 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 附录A 攻读学位期间发表的学术论文 | 第68-69页 |
| 附录B 攻读学位期间参与的科研项目 | 第69-70页 |
| 致谢 | 第70页 |
