不确定数据信任分类与融合2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

不确定数据信任分类与融合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

第1章 绪论1

1.1 战略预警中的信息融合1

1.2 证据推理简介3

1.3 不确定数据分类5

1.3.1 不确定数据无监督聚类5

1.3.2 不确定数据有监督分类10

1.3.3 不完整数据分类14

1.4 多源不确定数据融合16

1.4.1 证据融合规则17

1.4.2 证据修正法20

第2章 不确定数据信任C均值聚类算法23

2.1 引言23

2.2 证据C均值算法简述及分析25

2.3 信任C均值聚类算法27

2.3.1 BCM的基本原理27

2.3.2 BCM的目标函数28

2.3.3 最小化目标函数JBCM30

2.4 关系信任C均值聚类算法33

2.5 信任划分的近似35

2.6 实验分析36

2.6.1 珍珠数据36

2.6.2 人工合成数据示例37

2.6.3 真实数据42

2.6.4 遥感图像分类43

2.7 本章小结45

第3章 关系数据信任C中值聚类算法46

3.1 引言46

3.2 信任C中值聚类46

3.2.1 目标函数46

3.2.2 目标函数优化48

3.2.3 模型参数50

3.3 基于MECM的网络社区发现51

3.3.1 信任模块函数51

3.3.2 基于MECM的社区检测算法52

3.4 实验分析52

3.4.1 重叠数据集55

3.4.2 高斯数据集59

3.4.3 人工合成网络数据集62

3.4.4 真实网络数据集64

3.5 本章小结67

第4章 关系数据多中心信任聚类算法69

4.1 引言69

4.2 多中心模糊聚类简介70

4.3 多中心信任聚类算法71

4.3.1 基于单中心的信任聚类71

4.3.2 基于样本加权的多中心信任聚类73

4.4 实验分析76

4.4.1 重叠数据集76

4.4.2 X12数据集79

4.4.3 X11数据集80

4.4.4 空手道俱乐部82

4.4.5 UCI数据集84

4.5 本章小结86

第5章 不确定数据广义信任K近邻分类器88

5.1 引言88

5.2 证据K近邻算法简介及分析90

5.3 广义信任K近邻分类器91

5.3.1 构造基本信任指派91

5.3.2 融合基本信任指派94

5.3.3 参数的优化97

5.3.4 BK-NN的分类表达能力分析98

5.4 实验分析99

5.4.1 人工合成数据示例99

5.4.2 真实数据103

5.4.3 目标识别数字算例105

5.5 本章小结106

第6章 基于类中心的不确定数据广义信任分类器108

6.1 引言108

6.2 基于类中心的广义信任分类方法109

6.2.1 子分类结果计算109

6.2.2 多分类结果融合110

6.2.3 参数调整规则114

6.3 实验分析116

6.3.1 人工合成数据示例117

6.3.2 仿真分析119

6.3.3 真实数据120

6.4 本章小结121

第7章 不确定数据快速广义信任分类方法122

7.1 引言122

7.2 快速广义信任分类规则122

7.2.1 估计各类中心向量122

7.2.2 计算基本信任指派126

7.3 仿真实验分析128

7.3.1 实验1：两类问题仿真数据128

7.3.2 实验2：四类问题仿真数据129

7.3.3 实验3：大数据量样本仿真实验130

7.3.4 实验4：真实数据集131

7.4 本章小结132

第8章 不确定数据信任规则分类方法134

8.1 引言134

8.2 信任规则分类系统135

8.2.1 信任规则结构136

8.2.2 基于数据驱动的信任规则库构建137

8.2.3 信任推理方法140

8.3 实验分析142

8.3.1 实验设置142

8.3.2 分类正确率评估144

8.3.3 分类鲁棒性评估147

8.3.4 时间复杂度分析151

8.4 本章小结155

第9章 不确定训练数据与专家知识复合信任规则分类方法156

9.1 引言156

9.2 复合信任规则分类系统157

9.2.1 基于知识驱动的信任规则库构建157

9.2.2 复合信任规则库构建160

9.3 基于不确定训练数据与专家知识的多源目标识别163

9.3.1 问题描述163

9.3.2 目标识别复合信任规则库构建163

9.3.3 对比分析167

9.3.4 参数分析169

9.4 本章小结170

第10章 不完整数据广义信任分类器171

10.1 引言171

10.2 不完整数据广义信任分类算法172

10.2.1 缺失属性值的估计173

10.2.2 带有估计值的样本分类174

10.2.3 c个折扣分类结果的融合175

10.3 仿真实验180

10.3.1 人工合成数据示例180

10.3.2 仿真分析183

10.3.3 真实数据184

10.4 本章小结185

第11章 多源信息自适应折扣融合186

11.1 引言186

11.2 证据距离187

11.2.1 Jousselme距离和Bhattacharyya距离187

11.2.2 基于概率框架的证据距离188

11.3 证据间的内在冲突191

11.4 新的证据不一致性量测193

11.5 多源证据折扣因子的确定195

11.6 多传感器目标识别数字算例197

11.7 基于ISR仿真实验平台的多源信息目标识别201

11.7.1 基于HLA的ISR仿真实验平台构架及联邦设计201

11.7.2 多源决策层信息融合模型204

11.7.3 多源信息融合目标识别仿真204

11.8 本章小结209

第12章 动态证据推理211

12.1 引言211

12.2 动态证据推理212

12.2.1 状态转移空间212

12.2.2 动态证据推理融合规则215

12.2.3 先验信息下的条件推理219

12.2.4 动态证据推理的决策支持220

12.3 变化检测数字算例221

12.4 基于动态证据推理的遥感图像变化检测226

12.4.1 简化的信任C均值聚类算法227

12.4.2 两幅异质遥感图像（ERS＆SPOT）融合230

12.4.3 三幅序列遥感图像的融合233

12.5 本章小结237

参考文献238