多源不確定信息推理技術

第1章 概述 1
1.1 引言 2
1.2 多源不確定信息推理技術的研究意義 2
1.3 多源不確定信息推理技術的研究現狀 3
1.3.1 D-S證據理論 3
1.3.2 DSmT 6
1.3.3　證據網絡 9
1.4　多源不確定信息推理技術面臨的挑戰 10
1.5　本章小結 11
第2章 多源不確定信息推理技術的數學基礎 13
2.1　引言 14
2.2　識別框架 14
2.3　冪集 15
2.4　超冪集 16
2.5　基本概率賦值 17
2.6　證據及證據建模 18
2.7　證據推理規則 19
2.7.1　Dempster組合規則 19
2.7.2　DSmT框架下的PCR5規則 20
2.7.3　DSmT框架下的PCR6規則 21
2.8　凸函數 23
2.9　泰勒公式 24
2.10　條件證據網絡模型和推理規則 25
2.11　本章小結 26
?
第3章 基於多源不確定信息推理的雷達融合識別 27
3.1　引言 28
3.2　雷達輻射源特徵參數的統計特性 28
3.3　DSm Cloud方法的各個步驟 29
3.3.1　基於雲模型與DSm模型的雷達輻射源特徵參數
隸屬度建模 29
3.3.2　基於隸屬度的證據建模 32
3.3.3　基於DSmT的不確定信息推理 34
3.4　模擬實驗 35
3.4.1　單傳感器的融合識別模擬實驗設計 36
3.4.2　本章相關代碼 36
3.4.3　單傳感器的融合識別模擬實驗結果對比 39
3.4.4　多傳感器的融合識別模擬實驗設計 43
3.4.5　多傳感器的融合識別模擬實驗結果對比 43
3.4.6　模擬實驗結果分析 46
3.5　本章小結 47
第4章 DSmT-DS多源不確定信息推理方法 49
4.1　引言 50
4.2　DSmT框架下的PCR5規則的計算復雜度分析 50
4.2.1　僅單子焦元存在的情況 50
4.2.2　交多子焦元存在的情況 50
4.3　降低DSmT+PCR5規則的計算復雜度的方法 52
4.4　僅單子焦元存在情況下的DSmT-DS多源不確定信息推理方法 53
4.4.1　算法步驟 53
4.4.2　DSmT-DS推理結果與DSmT+PCR5及Dempster規則
推理結果的關系 55
4.4.3　本節所研究方法與其他方法的計算復雜度對比分析 57
4.4.4　模擬實驗設計 58
4.4.5　模擬實驗核心代碼 59
4.4.6　模擬實驗結果對比分析 60
4.5　交多子焦元存在情況下的DSmT-DS多源不確定信息推理方法 64
4.5.1　算法步驟 64
4.5.2　計算復雜度分析 67
4.5.3　Shafer模型情況下的模擬實驗結果對比分析 68
4.5.4　混合DSm模型情況下的模擬實驗結果對比分析 72
4.6　本章小結 75
第5章 基於證據聚類和凸函數分析的DSmT多源不確定信息
推理方法 77
5.1　引言 78
5.2　二源情況下基於證據聚類和凸函數分析的DSmT近似推理方法 78
5.2.1　數學分析推理過程 78
5.2.2　二源情況的DSmT證據聚類方法 83
5.2.3　算法步驟描述 84
5.2.4　計算復雜度分析 86
5.2.5　模擬實驗對比分析及核心代碼 87
5.3　多源情況下基於證據聚類和凸函數分析的DSmT近似
推理方法 100
5.3.1　PCR6規則的數學變換 100
5.3.2　數學分析推理過程 101
5.3.3　多源情況的DSmT證據聚類方法及近似推理公式 103
5.3.4　算法步驟描述 107
5.3.5　計算復雜度分析 108
5.3.6　模擬實驗對比分析 109
5.4　本章小結 129
第6章 基於條件證據網絡的多源不確定信息推理方法 131
6.1　引言 132
6.2　基於貝葉斯網絡的多源信息推理方法的局限 132
6.3　基於條件證據網絡的多源信息推理方法的優勢 133
6.4　基於條件證據網絡的態勢評估模型 134
6.5　基於條件證據網絡的多源不確定信息推理方法的步驟 137
6.6　本章小結 139
第7章 多源不確定信息推理技術展望 141
參考文獻 143