DSm理论及其在目标融合识别中的应用PDF电子书下载

查看更多关于的内容

第1章 绪论 1

1.1 DSm理论的产生和发展 1

1.1.1 多传感器信息融合系统中的冲突问题 1

1.1.2 DSm理论的产生 4

1.1.3 DSm理论的发展 5

1.2 目标融合识别 9

1.2.1 目标融合识别概述 9

1.2.2 目标融合识别层次 9

1.2.3 常用的目标融合识别方法 11

1.3 DSm理论在目标融合识别应用的关键问题 14

1.3.1 目标融合识别需解决的关键问题 14

1.3.2 DSm理论在目标融合识别应用的适用性 15

参考文献 16

第2章 DSm理论基础及信息流程 21

2.1 DSm理论的模型基础 21

2.2 DSm理论的结构基础 22

2.2.1 超幂集 22

2.2.2 信度函数 23

2.2.3 焦元基数 23

2.3 DSm理论的规则基础 24

2.3.1 经典DSm组合规则 24

2.3.2 混合DSm组合规则 26

2.3.3 PCR系列组合规则 26

2.4 DSm理论信息流程分析 31

2.5 DSm理论信息流程基本结构 33

2.5.1 DSm理论信息流程的信息准备部分 33

2.5.2 DSm理论信息流程的信息表示部分 34

2.5.3 DSm理论信息流程的信息处理部分 36

2.5.4 目标融合识别应用仿真分析 40

参考文献 44

第3章 DSm理论基本信度分配获取方法 46

3.1 SVM 46

3.1.1 线性SVM 46

3.1.2 非线性SVM 48

3.1.3 多类SVM 49

3.1.4 SVM的特点 49

3.2 基于SVM的基本信度分配获取方法 50

3.2.1 SVM的后验概率模型 50

3.2.2 后验概率向多类的扩展 51

3.2.3 方法步骤 52

3.3 仿真分析 53

3.3.1 基于多类SVM与证据理论相结合的融合结构和方法步骤 53

3.3.2 SVM模型选择 54

3.3.3 性能对比实验 54

3.3.4 目标融合识别应用仿真分析 58

参考文献 61

第4章 DSm理论组合规则 63

4.1 基于信度优势的比例冲突再分配组合规则 63

4.1.1 规则描述 64

4.1.2 目标融合识别应用仿真分析 65

4.2 交互自适应组合规则 72

4.2.1 传统证据间冲突判定方法 73

4.2.2 基于超幂集下角度相似度的判定方法 75

4.2.3 交互自适应组合规则描述 78

4.2.4 目标融合识别应用仿真分析 79

4.3 基于可信度的广义修正组合规则 86

4.3.1 基于DSm理论的可信度确定 87

4.3.2 基于DSm理论的动态问题 91

4.3.3 基于DSm理论的动态组合规则 92

4.3.4 目标融合识别应用仿真分析 95

参考文献 107

第5章 DSm理论计算复杂度优化 109

5.1 DSm理论计算复杂度优化方法 109

5.1.1 非编码计算复杂度优化方法 109

5.1.2 编码计算复杂度优化方法 110

5.2 基于改进能量函数的DSm理论计算复杂度优化方法 112

5.2.1 基于改进能量函数的焦元控制规则 112

5.2.2 基于改进能量函数的DSm理论近似计算方法 114

5.2.3 目标融合识别应用仿真分析 116

5.3 基于焦元控制与修正编码的DSm理论计算复杂度优化方法 122

5.3.1 DSm理论计算复杂度度量体系研究 122

5.3.2 计算编码的修正研究 126

5.3.3 基于焦元控制与修正编码的计算复杂度优化方法 130

5.3.4 目标融合识别应用仿真分析 133

参考文献 136

第6章 DSm理论组合规则评价 138

6.1 DSm理论组合规则评价指标体系 138

6.1.1 DSm理论组合规则评价指标体系构建 138

6.1.2 DSm理论组合规则评价指标分析 139

6.2 DSm理论组合规则评价及在目标融合识别中应用的建议 141

6.2.1 DSm理论组合规则定量分析 141

6.2.2 DSm理论组合规则综合评价 147

6.2.3 DSm理论组合规则在目标融合识别中应用的建议 149

参考文献 150

查看更多关于的内容