不确定信息处理理论、方法及其应用

第1章 绪论
1.1 国内外研究现状分析与综述
1.1.1 模糊系统
1.1.2 模糊自动机发展及现状研究
1.1.3 粗糙集发展及现状研究
1.1.4 证据理论发展及现状分析
1.1.5 概率理论发展及现状分析
1.1.6 粗糙集与模糊集、证据理论、概率论的比较
1.2 不确定性信息处理的基础知识
1.2.1 模糊数学的有关概念
1.2.2 模糊自动机
1.2.3 粗糙集的有关概念
1.2.4 D—S证据理论的有关概念
1.2.5 概率理论
1.3 主要内容
第2章 模糊信号处理的模糊自动机
2.1 模糊有限态自动机
2.1.1 FFA的定义
2.1.2 通过处理模糊逻辑对FFA的一种获取
2.2 模糊无限态自动机的性质
2.2.1 引论
2.2.2 基本定义
2.2.3 获取FIA的反馈神经网络结构
2.2.4 FIA的获取
2.2.5 FIA的等价性
2.2.6 FIA的收敛性与稳定性
2.2.7 仿真
2.3 模糊自动机与处理的模糊信号之间的关系
2.3.1 预备知识
2.3.2 模糊自动机与处理的模糊语言之间的关系
2.4 模糊自动机问的关系
2.5 FA对图像处理的目标识别
2.5.1 问题描述.
2.5.2 FA对图像预处理
2.5.3 目标图像特征提取
2.5.4 匹配与识别
第3章 FA的化简
3.1 用自组织特征映射(SOFM)抽取FA概述
3.2 状态模糊性的FA转变成状态没有模糊性的FA
3.2.1 FA状态的模糊性及其模糊性的解决
3.2.2 FA转变成没有状态模糊性的FA实例
3.3 FA的化简
第4章 FA状态融合
4.1 引论
4.2 关于FA状态融合的神经网络
4.3 使用贝叶斯理论的FA状态融合
4.3.1 FA状态融合的系统模型
4.3.2 通过使用神经网络的融合算法基本步骤
4.3.3 仿真实现及仿真结果分析
4.4 使用模糊综合函数的FA状态融合
4.4.1 融合算法基本步骤
4.4.2 实例
4.4.3 仿真结果分析
第5章 模糊不完备信号处理的代数理论
5.1 引论
5.2 模糊粗糙集代数系统
5.2.1 FRS的概念
5.2.2 FRS的代数系统
5.2.3 分解定理
5.3 FRS的新运算理论
5.3.1 引言
5.3.2 FRS的新运算理论
5.3.3 FRS在识别和控制中的相关理论
5.4 FRS在图像识别中的应用
第6章 基于模糊与统计理论的不确定信息处理算法
6.1 引论
6.2 对航迹识别算法的改进
6.2.1 基于统计法的航迹识别
6.2.2 模糊法的航迹识别
6.2.3 识别效果的度量
6.2.4 仿真和识别算法性能分析
6.2.5 模糊融合算法及仿真
6.2.6 模糊法与统计法的综合比较
6.3 FRS与概率统计在应用中的比较
6.3.1 引论
6.3.2 FRS和PS的描述性比较
6.3.3 PS和FR控制算法的模型
6.3.4 对两个控制算法的仿真和性能分析
第7章 基于图像语义识别的不确定推理方法
7.1 引论
7.2 粗糙集理论的基本知识
7.3 语义推理方法
7.3.1 基本知识描述
7.3.2 语义推理.
7.4 语义推理方法在图像语义识别中的应用
7.5 语义推理方法在卫星故障诊断中的应用
7.6 语义推理方法与其他不确定性推理方法的比较
7.6.1 语义推理方法的优缺点
7.6.2 语义推理方法与其他不确定性推理方法的比较
第8章 基于拓扑知识的不完全信息处理理论
8.1 引论
8.2 拓扑粗空间
8.2.1 开集与闭集
8.2.2 拓扑粗空间
8.2.3 同胚.
8.3 在RS上的拓扑性质
8.4 等价类和开集、划分和有限开覆盖之间的关系
8.5 拓扑粗空间及其性质的应用
8.5.1 拓扑粗空问的应用
8.5.2 拓扑性质的应用.
8.6 基于粗拓扑性质的星座选择
8.6.1 引论
8.6.2 粗拓扑性质的应用
8.6.3 星座选择
8.6.4 仿真和讨论
第9章 FA应用简介
9.1 FA应用简介
9.2 有待于进一步研究的问题
参考文献