多源不确定信息推理技术

第1章 概述 1
1.1 引言 2
1.2 多源不确定信息推理技术的研究意义 2
1.3 多源不确定信息推理技术的研究现状 3
1.3.1 D-S证据理论 3
1.3.2 DSmT 6
1.3.3　证据网络 9
1.4　多源不确定信息推理技术面临的挑战 10
1.5　本章小结 11
第2章 多源不确定信息推理技术的数学基础 13
2.1　引言 14
2.2　识别框架 14
2.3　幂集 15
2.4　超幂集 16
2.5　基本概率赋值 17
2.6　证据及证据建模 18
2.7　证据推理规则 19
2.7.1　Dempster组合规则 19
2.7.2　DSmT框架下的PCR5规则 20
2.7.3　DSmT框架下的PCR6规则 21
2.8　凸函数 23
2.9　泰勒公式 24
2.10　条件证据网络模型和推理规则 25
2.11　本章小结 26
?
第3章 基于多源不确定信息推理的雷达融合识别 27
3.1　引言 28
3.2　雷达辐射源特征参数的统计特性 28
3.3　DSm Cloud方法的各个步骤 29
3.3.1　基于云模型与DSm模型的雷达辐射源特征参数
隶属度建模 29
3.3.2　基于隶属度的证据建模 32
3.3.3　基于DSmT的不确定信息推理 34
3.4　仿真实验 35
3.4.1　单传感器的融合识别仿真实验设计 36
3.4.2　本章相关代码 36
3.4.3　单传感器的融合识别仿真实验结果对比 39
3.4.4　多传感器的融合识别仿真实验设计 43
3.4.5　多传感器的融合识别仿真实验结果对比 43
3.4.6　仿真实验结果分析 46
3.5　本章小结 47
第4章 DSmT-DS多源不确定信息推理方法 49
4.1　引言 50
4.2　DSmT框架下的PCR5规则的计算复杂度分析 50
4.2.1　仅单子焦元存在的情况 50
4.2.2　交多子焦元存在的情况 50
4.3　降低DSmT+PCR5规则的计算复杂度的方法 52
4.4　仅单子焦元存在情况下的DSmT-DS多源不确定信息推理方法 53
4.4.1　算法步骤 53
4.4.2　DSmT-DS推理结果与DSmT+PCR5及Dempster规则
推理结果的关系 55
4.4.3　本节所研究方法与其他方法的计算复杂度对比分析 57
4.4.4　仿真实验设计 58
4.4.5　仿真实验核心代码 59
4.4.6　仿真实验结果对比分析 60
4.5　交多子焦元存在情况下的DSmT-DS多源不确定信息推理方法 64
4.5.1　算法步骤 64
4.5.2　计算复杂度分析 67
4.5.3　Shafer模型情况下的仿真实验结果对比分析 68
4.5.4　混合DSm模型情况下的仿真实验结果对比分析 72
4.6　本章小结 75
第5章 基于证据聚类和凸函数分析的DSmT多源不确定信息
推理方法 77
5.1　引言 78
5.2　二源情况下基于证据聚类和凸函数分析的DSmT近似推理方法 78
5.2.1　数学分析推理过程 78
5.2.2　二源情况的DSmT证据聚类方法 83
5.2.3　算法步骤描述 84
5.2.4　计算复杂度分析 86
5.2.5　仿真实验对比分析及核心代码 87
5.3　多源情况下基于证据聚类和凸函数分析的DSmT近似
推理方法 100
5.3.1　PCR6规则的数学变换 100
5.3.2　数学分析推理过程 101
5.3.3　多源情况的DSmT证据聚类方法及近似推理公式 103
5.3.4　算法步骤描述 107
5.3.5　计算复杂度分析 108
5.3.6　仿真实验对比分析 109
5.4　本章小结 129
第6章 基于条件证据网络的多源不确定信息推理方法 131
6.1　引言 132
6.2　基于贝叶斯网络的多源信息推理方法的局限 132
6.3　基于条件证据网络的多源信息推理方法的优势 133
6.4　基于条件证据网络的态势评估模型 134
6.5　基于条件证据网络的多源不确定信息推理方法的步骤 137
6.6　本章小结 139
第7章 多源不确定信息推理技术展望 141
参考文献 143