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(xiàn)狀 3
1.3.1 D-S證據(jù)理論 3
1.3.2 DSmT 6
1.3.3　證據(jù)網(wǎng)絡 9
1.4　多源不確定信息推理技術面臨的挑戰(zhàn) 10
1.5　本章小結 11
第2章 多源不確定信息推理技術的數(shù)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(jù)及證據(jù)建模 18
2.7　證據(jù)推理規(guī)則 19
2.7.1　Dempster組合規(guī)則 19
2.7.2　DSmT框架下的PCR5規(guī)則 20
2.7.3　DSmT框架下的PCR6規(guī)則 21
2.8　凸函數(shù) 23
2.9　泰勒公式 24
2.10　條件證據(jù)網(wǎng)絡模型和推理規(guī)則 25
2.11　本章小結 26
?
第3章 基于多源不確定信息推理的雷達融合識別 27
3.1　引言 28
3.2　雷達輻射源特征參數(shù)的統(tǒng)計特性 28
3.3　DSm Cloud方法的各個步驟 29
3.3.1　基于云模型與DSm模型的雷達輻射源特征參數(shù)
隸屬度建模 29
3.3.2　基于隸屬度的證據(jù)建模 32
3.3.3　基于DSmT的不確定信息推理 34
3.4　仿真實驗 35
3.4.1　單傳感器的融合識別仿真實驗設計 36
3.4.2　本章相關代碼 36
3.4.3　單傳感器的融合識別仿真實驗結果對比 39
3.4.4　多傳感器的融合識別仿真實驗設計 43
3.4.5　多傳感器的融合識別仿真實驗結果對比 43
3.4.6　仿真實驗結果分析 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(guī)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(guī)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(guī)則
推理結果的關系 55
4.4.3　本節(jié)所研究方法與其他方法的計算復雜度對比分析 57
4.4.4　仿真實驗設計 58
4.4.5　仿真實驗核心代碼 59
4.4.6　仿真實驗結果對比分析 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模型情況下的仿真實驗結果對比分析 68
4.5.4　混合DSm模型情況下的仿真實驗結果對比分析 72
4.6　本章小結 75
第5章 基于證據(jù)聚類和凸函數(shù)分析的DSmT多源不確定信息
推理方法 77
5.1　引言 78
5.2　二源情況下基于證據(jù)聚類和凸函數(shù)分析的DSmT近似推理方法 78
5.2.1　數(shù)學分析推理過程 78
5.2.2　二源情況的DSmT證據(jù)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　仿真實驗對比分析及核心代碼 87
5.3　多源情況下基于證據(jù)聚類和凸函數(shù)分析的DSmT近似
推理方法 100
5.3.1　PCR6規(guī)則的數(shù)學變換 100
5.3.2　數(shù)學分析推理過程 101
5.3.3　多源情況的DSmT證據(jù)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　仿真實驗對比分析 109
5.4　本章小結 129
第6章 基于條件證據(jù)網(wǎng)絡的多源不確定信息推理方法 131
6.1　引言 132
6.2　基于貝葉斯網(wǎng)絡的多源信息推理方法的局限 132
6.3　基于條件證據(jù)網(wǎng)絡的多源信息推理方法的優(yōu)勢 133
6.4　基于條件證據(jù)網(wǎng)絡的態(tài)勢評估模型 134
6.5　基于條件證據(jù)網(wǎng)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