不确定性理论与多传感器数据融合2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

不确定性理论与多传感器数据融合PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

引言1

第1章 多传感器数据融合4

1.1 面临的挑战4

1.2 存在的问题5

1.2.1 数据诠释与建模7

1.2.2 可靠性处理8

1.2.3 知识传播9

1.2.4 模糊数据匹配9

1.2.5 信源组合10

1.2.6 决策11

1.3 解决方案13

1.3.1 有用理论的综述13

1.3.2 流程架构15

1.4 多传感器数据融合定位16

1.4.1 问题的特殊性16

1.4.2 多传感器数据融合的应用17

第2章 引用形式体系18

2.1 概率18

2.2 模糊集20

2.3 可能性理论22

2.4 可信度函数理论24

2.4.1 基本函数24

2.4.2 一些特别有用的情况26

2.4.3 调节／失调27

2.4.4 细化／粗化27

第3章 集合管理与信息传播29

3.1 模糊集：不精确性的传播29

3.2 概率和可能性：针对不确定性的同样方法30

3.3 可信度函数：传播的总体视图31

3.3.1 一个通用运算：扩展31

3.3.2 具有最小特异性的质量分布函数的阐述33

3.3.3 扩展运算的直接利用35

3.4 应用实例：随时间推移的知识更新35

第4章 信息可靠性管理38

4.1 能度视图38

4.2 可信度函数的剔除39

4.3 可靠性综合处理40

4.4 信源的有效性域管理41

4.5 多光谱图像像素融合的应用43

4.6 评估问题的构想46

第5章 信源组合49

5.1 概率：即用的解决方案，贝叶斯推理49

5.2 模糊集：公理理解50

5.3 可能性理论：基本原理的简易途径55

5.4 可信度函数理论：传统方法57

5.5 组合的一般方法：任何集合和逻辑60

5.6 冲突管理63

5.7 回到Zadeh悖论65

第6章 数据建模68

6.1 信号特性68

6.2 概率：即刻考虑69

6.3 可信度函数：一个开放式的总体框架70

6.3.1 整合数据到融合过程70

6.3.2 普遍问题：Cij值的建模72

6.3.3 采用随机学习的建模测量73

6.3.4 采用模糊学习的建模测量76

6.3.5 可信度函数模型的概述78

6.4 可能性：一种类似的方法81

6.5 应用于分类的教学范例83

第7章 分类：信源多样性的决策利用88

7.1 决策：选择最可能的假想88

7.2 决策：确定最可能的假想集89

7.3 决策运算的性能：一些实际的例子91

7.4 信源多样性的利用：二元比较的整合93

7.5 信源多样性的利用：基于不同但交叠集的分类95

7.6 属性多样性的利用：机载图像数据融合的应用示例100

第8章 空间维度：数据联合103

8.1 数据联合：多传感器数据融合不可避免的多样性问题103

8.2 数据联合的普遍方法构建105

8.3 方法实施的简例108

第9章 时间维度：跟踪111

9.1 跟踪：开发多传感器数据融合的优点111

9.2 贝叶斯滤波器的表示114

9.2.1 统计门控114

9.2.2 更新115

9.2.3 预测115

9.3 信号判别过程116

9.3.1 每个分解单元级别的融合116

9.3.2 确认门控级别的融合117

9.3.3 辨别方法实际实施的概述119

9.4 基础MSF的扩展120

9.4.1 数据联合120

9.4.2 多目标的联合跟踪120

9.4.3 多模型滤波121

9.5 应用实例122

9.5.1 提取能力122

9.5.2 陌生特征的处理123

9.5.3 空间模糊观察的跟踪125

结论127

参考文献130