D-S證據(jù)理論信息建模與應用

目錄
第1章 緒論 1 
1.1 信息融合 1 
1.1.1 信息融合概述 1 
1.1.2 信息融合模型 4 
1.1.3 信息融合中信息的特性 5 
1.1.4 多源信息融合方法介紹 6 
1.1.5 信息融合的應用 7 
1.2 D-S證據(jù)理論 8 
1.2.1 證據(jù)理論基本概念 9 
1.2.2 Dempster組合規(guī)則 10 
1.2.3 證據(jù)理論融合框架 12 
1.2.4 證據(jù)理論關鍵問題 13 
1.3 證據(jù)理論研究現(xiàn)狀 14 
1.4 證據(jù)理論應用概述 16 
1.5 本章小結 17 
第2章 基于證據(jù)理論的不確定信息建模 18 
2.1 引言 18 
2.2 現(xiàn)有的BPA生成方法 18 
2.3 基于三角模糊數(shù)的BPA生成方法 19 
2.3.1 模糊集理論 19 
2.3.2 基于三角模糊數(shù)的BPA生成過程 21 
2.3.3 算例分析 27 
2.4 基于高斯分布的BPA生成方法 29 
2.4.1 基于高斯分布的BPA生成過程 29 
2.4.2 算例分析 32 
2.5 基于可靠性的二元組BPA生成方法 35 
2.5.1 預備知識 35 
2.5.2 基于可靠性的二元組BPA生成過程 36 
2.5.3 算例分析 42 
2.6 本章小結 47 
第3章 證據(jù)理論中的沖突 48 
3.1 引言 48 
3.2 證據(jù)組合中的沖突悖論 49 
3.2.1 證據(jù)沖突 49 
3.2.2 證據(jù)沖突產(chǎn)生的原因 51 
3.2.3 證據(jù)沖突產(chǎn)生的影響 52 
3.3 證據(jù)沖突表示方法概述 53 
3.3.1 沖突系數(shù)k 53 
3.3.2 Jousse1me證據(jù)距離 55 
3.3.3 Pignistic概率距離以及二元組沖突表示方法 57 
3.4 基于證據(jù)關聯(lián)系數(shù)的沖突度量 60 
3.4.1 證據(jù)關聯(lián)系數(shù) 60 
3.4.2 證據(jù)關聯(lián)系數(shù)的性質(zhì) 61 
3.4.3 基于證據(jù)關聯(lián)系數(shù)的沖突表示 63 
3.4.4 新沖突表示方法下的組合規(guī)則適用性 67 
3.5 本章小結 71 
第4章 沖突證據(jù)融合研究 72 
4.1 引言 72 
4.2 Dempster組合規(guī)則分析 72 
4.2.1 Dempster組合規(guī)則及其性質(zhì) 73 
4.2.2 沖突證據(jù)融合問題 76 
4.3 沖突證據(jù)融合方法概述 77 
4.3.1 基于修改Dempster組合規(guī)則的方法 78 
4.3.2 基于修改原始證據(jù)的方法 82 
4.3.3 其他沖突證據(jù)組合方法 84 
4.4 基于證據(jù)關聯(lián)系數(shù)的沖突證據(jù)融合 86 
4.4.1 基于證據(jù)關聯(lián)系數(shù)的加權平均組合模型 87 
4.4.2 算例分析 88 
4.5 本章小結 91 
第5章 信度決策模型 92 
5.1 引言 92 
5.2 基于BPA的決策方法 92 
5.2.1 最大信度值原則 93 
5.2.2 “最小點”原則 93 
5.2.3 基于最小風險的決策 96 
5.3 BPA轉(zhuǎn)換概率的方法 96 
5.3.1 Pignistic概率轉(zhuǎn)換 97 
5.3.2 似真函數(shù)概率轉(zhuǎn)換 100 
5.3.3 區(qū)間概率轉(zhuǎn)換 102 
5.3.4 DSmP概率轉(zhuǎn)換 103 
5.4 證據(jù)關聯(lián)系數(shù)最大準則下的BPA轉(zhuǎn)換概率 106 
5.5 本章小結 113 
第6章 證據(jù)理論計算復雜度研究 114 
6.1 引言 114 
6.2 問題簡述 114 
6.3 近似算法 116 
6.3.1 經(jīng)典近似算法介紹 117 
6.3.2 基于證據(jù)關聯(lián)系數(shù)的BPA近似算法 124 
6.3.3 近似算法的對比分析 126 
6.4 硬件加速 129 
6.4.1 FPGA簡介 129 
6.4.2 FPGA開發(fā)流程 131 
6.4.3 Dempster組合規(guī)則的FPGA實現(xiàn) 133 
6.5 本章小結 137 
第7章 證據(jù)理論典型應用案例 138 
7.1 故障診斷 138 
7.1.1 引言 138 
7.1.2 應用背景 140 
7.1.3 電機轉(zhuǎn)子故障診斷框架 142 
7.1.4 故障樣板模式隸屬度函數(shù)的建立 143
7.1.5 診斷實施 145 
7.2 多光譜圖像弱小目標跟蹤 152 
7.2.1 引言 152 
7.2.2 應用背景 155 
7.2.3 弱小目標跟蹤框架 156 
7.2.4 模型建立 157 
7.2.5 背景運動估計 159 
7.2.6 像素點分類 161 
7.2.7 飛機選取及模型更新 167 
7.2.8 實驗結果 168 
7.3 本章小結 173 
附錄 175 
參考文獻 183