目标融合识别是信息融合重要的研究领域之一,也是军事决策指挥的重要依据。由于信息不确定性、高冲突性等,给目标融合识别带来较大的挑战。基于Dezert-Smarandache理论(DSm理论)的特点,本书理论联系实际,从DSm理论的视角介绍如何有效融合处理各类传感器不确定、不完全、不可靠的信息;如何构建信息流程;如何解决应用计算复杂度;如何构建评价指标体系等问题。
全部显示 ∨
第1章 绪论 91.1 DSm理论的产生和发展 91.1.1 多传感器信息融合系统中的冲突问题 9
1.1.2 DSm理论的产生 12
1.1.3 DSm理论的发展 13
1.2 目标融合识别 171.2.1 目标融合识别概述 17
1.2.2 目标融合识别层次 17
1.2.3 常用的目标融合识别方法 19
1.3 DSm理论在目标融合识别应用的关键问题 221.3.1 目标融合识别需解决的关键问题 22
1.3.2 DSm理论在目标融合识别应用的适用性 23
参考文献 24
第2章 DSm理论基础及信息流程 292.1 DSm理论的模型基础 29
2.2 DSm理论的结构基础 302.2.1 超幂集 30
2.2.2 信度函数 31
2.2.3 焦元基数 31
2.3 DSm理论的规则基础 322.3.1 经典DSm组合规则 32
2.3.2 混合DSm组合规则 34
2.3.3 PCR系列组合规则 34
2.4 DSm理论信息流程分析 39
2.5 DSm理论信息流程基本结构 412.5.1 DSm理论信息流程的信息准备部分 41
2.5.2 DSm理论信息流程的信息表示部分 42
2.5.3 DSm理论信息流程的信息处理部分 44
2.5.4 目标融合识别应用仿真分析 48
参考文献 52
第3章 DSm理论基本信度分配获取方法 543.1 SVM 543.1.1 线性SVM 54
3.1.2 非线性SVM 56
3.1.3 多类SVM 57
3.1.4 SVM的特点 57
3.2 基于SVM的基本信度分配获取方法 583.2.1 SVM的后验概率模型 58
3.2.2 后验概率向多类的扩展 59
3.2.3 方法步骤 60
3.3 仿真分析 613.3.1 基于多类SVM与证据理论相结合的融合结构和方法步骤 61
3.3.2 SVM模型选择 62
3.3.3 性能对比实验 62
3.3.4 目标融合识别应用仿真分析 66
参考文献 69
第4章 DSm理论组合规则 714.1 基于信度优势的比例冲突再分配组合规则 714.1.1 规则描述 72
4.1.2 目标融合识别应用仿真分析 73
4.2 交互自适应组合规则 804.2.1 传统证据间冲突判定方法 81
4.2.2 基于超幂集下角度相似度的判定方法 83
4.2.3 交互自适应组合规则描述 86
4.2.4 目标融合识别应用仿真分析 87
4.3 基于可信度的广义修正组合规则 944.3.1 基于DSm理论的可信度确定 95
4.3.2 基于DSm理论的动态问题 99
4.3.3 基于DSm理论的动态组合规则 100
4.3.4 目标融合识别应用仿真分析 103
参考文献 115
第5章 DSm理论计算复杂度优化 1175.1 DSm理论计算复杂度优化方法 1175.1.1 非编码计算复杂度优化方法 117
5.1.2 编码计算复杂度优化方法 118
5.2 基于改进能量函数的DSm理论计算复杂度优化方法 1205.2.1 基于改进能量函数的焦元控制规则 120
5.2.2 基于改进能量函数的DSm理论近似计算方法 122
5.2.3 目标融合识别应用仿真分析 124
5.3 基于焦元控制与修正编码的DSm理论计算复杂度优化方法 1305.3.1 DSm理论计算复杂度度量体系研究 130
5.3.2 计算编码的修正研究 134
5.3.3 基于焦元控制与修正编码的计算复杂度优化方法 138
5.3.4 目标融合识别应用仿真分析 141
参考文献 144
第6章 DSm理论组合规则评价 1466.1 DSm理论组合规则评价指标体系 1466.1.1 DSm理论组合规则评价指标体系构建 146
6.1.2 DSm理论组合规则评价指标分析 147
6.2 DSm理论组合规则评价及在目标融合识别中应用的建议 1496.2.1 DSm理论组合规则定量分析 149
6.2.2 DSm理论组合规则综合评价 155
6.2.3 DSm理论组合规则在目标融合识别中应用的建议 157
参考文献 158