DSm理论及其在目标融合识别中的应用

目录1 绪论11．1 DSm理论的产生和发展11．1．1 多传感器信息融合系统中的冲突问题11．1．2 DSm理论的产生51．1．3 DSm理论的发展61．2 目标融合识别111．2．1 目标融合识别概述111．2．2 目标融合识别层次121．2．3 常用的目标融合识别方法141．3 DSm理论在目标融合识别应用的关键问题181．3．1 目标融合识别需解决的关键问题181．3．2 DSm理论在目标融合识别应用的适用性20参考文献212 DSm理论基础及信息流程322．1 DSm理论的模型基础322．2 DSm理论的结构基础342．2．1 超幂集342．2．2 信度函数352．2．3 焦元基数362．3 DSm理论的规则基础372．3．1 经典DSm组合规则372．3．2 混合DSm组合规则382．3．3 PCR系列组合规则392．4 DSm理论信息流程分析462．5 DSm理论信息流程基本结构482．5．1 DSm理论信息流程的信息准备部分482．5．2 DSm理论信息流程的信息表示部分502．5．3 DSm理论信息流程的信息处理部分532．5．4 目标融合识别应用仿真分析57参考文献633 DSm理论基本信度分配确定方法663．1 支持向量机663．1．1 线性支持向量机663．1．2 非线性支持向量机693．1．3 多类支持向量机703．1．4 支持向量机的特点713．2 基于SVM的基本信度分配确定方法713．2．1 SVM的后验概率模型723．2．2 后验概率向多类的扩展733．2．3 方法步骤743．3 仿真分析753．3．1 基于多类SVM与证据理论相结合的融合结构和方法步骤753．3．2 SVM模型选择773．3．3 性能对比实验774．3．4 目标融合识别应用仿真分析83参考文献864 DSm理论组合规则894．1 基于信度优势的比例冲突再分配组合规则894．1．1 规则描述904．1．2 目标融合识别应用仿真分析924．2 交互自适应组合规则1014．2．1 传统证据间冲突判定方法1024．2．2 基于超幂集下角度相似度的判定方法1054．2．3 交互自适应组合规则描述1094．2．4 目标融合识别应用仿真分析1114．3 基于可信度的广义修正组合规则1214．3．1 基于DSm理论的可信度确定1214．4．2 基于DSm理论的动态问题1274．3．3 基于可信度的动态组合规则1284．3．4 目标融合识别应用仿真分析133参考文献1475 DSm理论计算复杂度优化1515．1 DSm理论计算复杂度优化方法1515．2 基于改进能量函数的DSm理论计算复杂度优化方法1545．2．1 基于改进能量函数的焦元控制规则1545．2．2 基于改进能量函数的DSm理论近似计算方法1585．2．3 目标融合识别应用仿真分析1605．3 基于焦元控制与修正编码的DSm理论计算复杂度优化方法1685．3．1 DSm理论计算复杂度度量体系研究1685．3．2 计算编码的修正研究1745．3．3 基于焦元控制与修正编码的计算复杂度优化方法1805．3．4 目标融合识别应用仿真分析184参考文献1876 DSm理论组合规则评价1906．1 DSm理论组合规则评价指标体系1906．1．1 DSm理论组合规则评价指标体系构建1906．1．2 DSm理论组合规则评价指标分析1916．2 DSm理论组合规则评价及在目标融合识别中的应用的建议1946．2．1 DSm理论组合规则定量分析1956．2．2 DSm理论组合规则综合评价2016．2．3 DSm理论组合规则在目标融合识别中应用的建议204参考文献206