自動目標(biāo)識別評估方法及應(yīng)用（第二版）

目錄
總序
第二版前言
**版前言
第1章 緒論 1
1.1 自動目標(biāo)識別發(fā)展概況 2
1.1.1 基本概念及領(lǐng)域特色 2
1.1.2 ATR 技術(shù)發(fā)展過程 2
1.1.3 對于 ATR 的認(rèn)識 8
1.1.4 困難與挑戰(zhàn) 10
1.2 各研制階段的 ATR 評估 11
1.3 ATR 評估方法概述 12
1.3.1 ATR 評估指標(biāo) 12
1.3.2 多指標(biāo) ATR 評估 14
1.3.3 ATR 實(shí)用性檢驗(yàn) 16
1.4 ATR 評估的重要課題 17
1.5 本書特色 19
全書各章概要 20
文獻(xiàn)和歷史評述 20
參考文獻(xiàn) 21
第2章 目標(biāo)識別概率估計 28
2.1 引言 28
2.2 **統(tǒng)計估計方法 29
2.2.1 點(diǎn)估計值法 29
2.2.2 置信區(qū)間估計法 30
2.3 貝葉斯分析估計法 31
2.3.1 區(qū)間類型 32
2.3.2 估計準(zhǔn)則 32
2.3.3 精度要求 33
2.4 測試樣本容量需求 33
2.4.1 計算準(zhǔn)則 33
2.4.2 無先驗(yàn)信息情況的預(yù)測 34
2.4.3 考慮測試值下限的預(yù)測 35
2.4.4 Beta 及廣義 Beta 先驗(yàn)的預(yù)測 37
本章小結(jié) 42
文獻(xiàn)和歷史評述 43
參考文獻(xiàn) 44
第3章 識別率選優(yōu)與排序 46
3.1 引言 46
3.2 現(xiàn)有識別率選優(yōu)與排序方法 46
3.2.1 單次比較法 46
3.2.2 序貫比較法 49
3.3 評估事件后驗(yàn)概率推理方法 51
3.3.1 ATR 評估問題的需求 51
3.3.2 事件后驗(yàn)概率的計算 51
3.4 算法數(shù)目、樣本容量及評估可信度 54
3.5 識別率比較的*大似然原理 65
3.5.1 識別率選優(yōu)中的似然原理 65
3.5.2 識別率排序中的似然原理 68
本章小結(jié) 70
文獻(xiàn)和歷史評述 71
參考文獻(xiàn) 73
第4章 多指標(biāo) ATR 評估決策 75
4.1 引言 75
4.2 決策分析理論基礎(chǔ) 76
4.2.1 決策分析基本步驟 76
4.2.2 多屬性決策要素 77
4.2.3 評估決策模型 78
4.3 區(qū)間數(shù) ATR 多指標(biāo)評估方法 79
4.3.1 ATR 評估中的區(qū)間數(shù)多屬性決策 79
4.3.2 區(qū)間加權(quán)法 81
4.3.3 區(qū)間 TOPSIS 法 82
4.3.4 評估實(shí)例 84
4.4 混合型 ATR 多指標(biāo)評估方法 88
4.4.1 ATR 評估中的混合型多屬性決策 88
4.4.2 偏好矩陣法 89
4.4.3 次序關(guān)系法 94
4.4.4 評估實(shí)例 95
4.5 模糊型 ATR 多指標(biāo)評估方法 100
4.5.1 ATR 評估中的模糊型多屬性決策 100
4.5.2 區(qū)間直覺模糊 TOPSIS-GCA 方法 101
4.5.3 評估實(shí)例 107
本章小結(jié) 109
文獻(xiàn)和歷史評述 109
參考文獻(xiàn) 111
第5章 ATR 技術(shù)效率度量 115
5.1 引言 115
5.2 DEA 理論基礎(chǔ) 116
5.2.1 公理假設(shè) 116
5.2.2 基本模型 117
5.2.3 生產(chǎn)函數(shù) 118
5.3 ATR 技術(shù)效率度量方法 118
5.3.1 ATR 技術(shù)效率原理 118
5.3.2 效率度量求解技巧 119
5.4 評估實(shí)例 124
本章小結(jié) 128
文獻(xiàn)和歷史評述 129
參考文獻(xiàn) 131
第6章 影響因素作用測算 132
6.1 引言 132
6.2 Malmquist 指數(shù) 133
6.2.1 距離函數(shù) 133
6.2.2 Malmquist 指數(shù) 134
6.3 影響 ATR 效率的因素作用測算方法 135
6.3.1 因素作用后的數(shù)據(jù)特性 135
6.3.2 影響因素作用求解技巧 136
6.4 評估實(shí)例 143
本章小結(jié) 146
文獻(xiàn)和歷史評述 147
參考文獻(xiàn) 148
第7章 性能預(yù)測與可信度檢驗(yàn) 150
7.1 引言 150
7.2 基于優(yōu)化支持向量機(jī)的性能預(yù)測 150
7.2.1 支持向量機(jī)基本原理 150
7.2.2 基于立方混沌和自適應(yīng)策略的灰狼優(yōu)化算法 152
7.2.3 CAGWO-SVM 回歸預(yù)測評估方法 157
7.2.4 性能預(yù)測實(shí)例 159
7.3 基于改進(jìn)證據(jù)理論的評估結(jié)果可信度檢驗(yàn)方法 160
7.3.1 證據(jù)理論基本原理 160
7.3.2 改進(jìn)的 DS 證據(jù)理論 163
7.3.3 性能評估結(jié)果的可信度檢驗(yàn)方法 166
7.3.4 可信度檢驗(yàn)實(shí)例 168
本章小結(jié) 170
文獻(xiàn)和歷史評述 170
參考文獻(xiàn) 171
第8章 ATR 評估系統(tǒng)及其應(yīng)用 174
8.1 引言 174
8.2 ATR 評估工具平臺 175
8.2.1 ATR 評估軟件系統(tǒng) 175
8.2.2 ATR 測試與演示系統(tǒng) 178
8.2.3 評估系統(tǒng)應(yīng)用實(shí)例 179
8.3 性能評估及可信度校驗(yàn)輔助軟件 187
8.3.1 功能需求與結(jié)構(gòu)組成 187
8.3.2 軟件設(shè)計與實(shí)現(xiàn) 188
本章小結(jié) 198
文獻(xiàn)和歷史評述 198
參考文獻(xiàn) 199