本書聚焦綜合信息系統(tǒng)智能化的關鍵和難點,摒棄傳統(tǒng)的處理模式,充分利用數(shù)據(jù)的不確定性信息,就區(qū)間、序列、直覺模糊、猶豫模糊、語義等不同類型數(shù)據(jù)的相似度量、粒層轉化、識別決策等開展了較為系統(tǒng)、深入的研究,構建異類數(shù)據(jù)間統(tǒng)一的粒層轉換框架,解決不同類型數(shù)據(jù)間的相似度量、跨層關聯(lián)與融合問題。全書共分15章,第1章介紹問題的來源和研究思路;第2章介紹相關數(shù)學知識;第3~5章介紹利用數(shù)據(jù)的不確定性,基于異類數(shù)據(jù)之間的相關度量,進行雷達、ESM等異步航跡的直接抗差關聯(lián);第6~10章討論了直覺模糊、猶豫模糊、語義等類型數(shù)據(jù)的相似度量;第11~14章討論了特征層、決策層上的粒層統(tǒng)一、粒層轉換、關聯(lián)與融合問題;第15章為回顧與展望。本書基礎理論與實際應用、一般模型與特殊情況、實例與算例并重,按照從具體到抽象、先部分后整體、先單數(shù)據(jù)粒后多源數(shù)據(jù)粒的思路,由淺入深,層層遞進。本書可為多源信息融合、智能推理決策等相關領域的科技工作者、工程技術人員提供參考。
關欣,教授、博士生導師,黨的十九大代表,全國三八紅旗手標兵,中國科協(xié)十大代表,享受國務院政府特殊津貼,泰山學者特聘專家。曾獲國家科技進步二等獎1項,省部級科技進步一等獎2項、二等獎2項,中國科協(xié)求是杰出青年獎,中國航空學會馮如航空科技精英獎,最美巾幗奮斗者稱號。
目 錄
第1章 緒 論 1
1.1 問題的來源 1
1.2 面臨的挑戰(zhàn) 2
1.3 相關研究情況 4
1.4 本書的概貌 7
第2章 相關的數(shù)學基礎 11
2.1 引言 11
2.2 度量空間與常用距離 11
2.2.1 度量空間 11
2.2.2 常用距離 12
2.3 灰色系統(tǒng) 13
2.3.1 區(qū)間灰數(shù)與灰關聯(lián)分析 13
2.3.2 灰靶理論 20
2.4 模糊數(shù)學 21
2.4.1 模糊集及運算 22
2.4.2 三角模糊數(shù)和區(qū)間數(shù) 23
2.4.3 二型模糊集 24
2.4.4 區(qū)間值模糊集 24
2.4.5 直覺模糊集 25
2.4.6 猶豫模糊集 29
2.5 語義計算 33
2.5.1 語義表示基本方法 33
2.5.2 二元語義模型 34
2.5.3 猶豫模糊語義標簽集 35
2.5.4 概率語義標簽集 35
2.5.5 連續(xù)語義標簽集 35
2.6 云模型 36
2.6.1 定義及特征 36
2.6.2 正態(tài)云 37
2.6.3 云變換 37
2.7 本章小結 38
第3章 異步雷達航跡的直接關聯(lián) 39
3.1 引言 39
3.2 異步雷達航跡關聯(lián)的傳統(tǒng)處理方式 39
3.2.1 問題描述 39
3.2.2 時域配準 40
3.3 異步雷達航跡的區(qū)間化描述 43
3.3.1 點跡—區(qū)間描述 43
3.3.2 區(qū)間—區(qū)間描述 44
3.3.3 區(qū)實混合序列描述 45
3.3.4 搜索式區(qū)間灰數(shù)描述 46
3.4 異步雷達航跡的相似度量 47
3.4.1 區(qū)間灰數(shù)的灰關聯(lián)度 47
3.4.2 加權滑窗序列的折線相似度 50
3.4.3 序列離散度 54
3.5 異步雷達航跡直接關聯(lián)模型 55
3.5.1 基于區(qū)間灰數(shù)灰關聯(lián)度的異步航跡關聯(lián) 55
3.5.2 基于加權滑窗序列折線相似度的異步航跡關聯(lián) 57
3.5.3 基于序列離散度的異步航跡關聯(lián) 58
3.6 復雜情況異步雷達航跡的直接關聯(lián) 59
3.6.1 航跡的分叉與合并 59
3.6.2 區(qū)間序列的分段劃分 60
3.7 算法仿真與性能分析 61
3.7.1 仿真環(huán)境設置 61
3.7.2 算法性能比較 62
3.7.3 航跡分叉合并情況的可辨性分析 64
3.8 本章小結 66
第4章 異步雷達航跡的抗差關聯(lián) 67
4.1 引言 67
4.2 系統(tǒng)誤差對雷達航跡關聯(lián)的影響 67
4.2.1 問題描述 67
4.2.2 對系統(tǒng)誤差的處理 68
4.3 系統(tǒng)誤差的區(qū)間描述 69
4.3.1 區(qū)間描述原理 69
4.3.2 矩形投影法 70
4.3.3 圓覆蓋法 72
4.3.4 微分法 73
4.3.5 區(qū)間描述的精度分析 75
4.4 系統(tǒng)誤差下雷達航跡的相似度量 77
4.4.1 區(qū)間灰數(shù)的灰關聯(lián)度 77
4.4.2 區(qū)域集合相似度 78
4.4.3 區(qū)間序列離散度 80
4.5 同步雷達航跡的抗差關聯(lián) 82
4.5.1 基于區(qū)間灰數(shù)的航跡抗差關聯(lián) 82
4.5.2 基于區(qū)域集合相似度的航跡抗差關聯(lián) 85
4.5.3 基于區(qū)間序列離散度的航跡抗差關聯(lián) 86
4.6 異步雷達航跡的抗差關聯(lián) 87
4.6.1 串行處理方式 87
4.6.2 直接處理方式 89
4.7 算法仿真與性能分析 89
4.7.1 仿真環(huán)境設置 89
4.7.2 算法性能比較 90
4.8 本章小結 93
第5章 雷達與ESM航跡的關聯(lián) 95
5.1 引言 95
5.2 異地配置的雷達與ESM異步航跡關聯(lián) 96
5.2.1 異步航跡交叉定位的區(qū)間化處理 96
5.2.2 不等長航跡序列的等長區(qū)間變換 97
5.2.3 基于區(qū)間離散度的異地配置的雷達與ESM異步航跡關聯(lián) 99
5.3 修正極坐標系下雷達與ESM航跡的對準關聯(lián) 101
5.3.1 雷達與ESM濾波方程 101
5.3.2 構造關聯(lián)統(tǒng)計量 102
5.4 系統(tǒng)誤差對同地配置雷達與ESM航跡關聯(lián)的影響 103
5.4.1 系統(tǒng)誤差對關聯(lián)統(tǒng)計量的影響 103
5.4.2 對非中心參數(shù)和正確關聯(lián)概率的影響 104
5.5 同地配置的雷達與ESM航跡對準關聯(lián) 108
5.6 同地配置的雷達與ESM航跡抗差關聯(lián) 109
5.6.1 系統(tǒng)誤差下雷達與ESM航跡的區(qū)間描述 110
5.6.2 基于區(qū)間重合度的雷達與ESM航跡抗差關聯(lián) 111
5.7 異地配置的雷達與ESM航跡抗差關聯(lián) 113
5.7.1 系統(tǒng)誤差下雷達與ESM航跡的相似度量 113
5.7.2 基于目標拓撲信息的雷達與ESM航跡抗差關聯(lián) 114
5.7.3 基于區(qū)間離散度的雷達與ESM航跡抗差關聯(lián) 117
5.8 算法仿真與性能分析 118
5.8.1 仿真環(huán)境設置 119
5.8.2 算法性能比較 119
5.9 本章小結 125
第6章 區(qū)間數(shù)據(jù)的關聯(lián) 126
6.1 引言 126
6.2 基于區(qū)間證據(jù)的區(qū)間數(shù)據(jù)關聯(lián) 126
6.2.1 問題描述 126
6.2.2 基于區(qū)間相似度的BPA生成 127
6.2.3 關聯(lián)流程 129
6.2.4 仿真實驗 131
6.3 基于直覺模糊集的區(qū)間數(shù)據(jù)關聯(lián) 133
6.3.1 問題描述 133
6.3.2 云模型數(shù)字特征的估計 133
6.3.3 確定度向隸屬度與非隸屬度的轉化 135
6.3.4 動態(tài)權重 136
6.3.5 基于去模糊距離測度的TOPSIS方法 137
6.3.6 關聯(lián)流程 139
6.3.7 仿真實驗 140
6.4 本章小結 145
第7章 直覺模糊數(shù)據(jù)的關聯(lián) 146
7.1 引言 146
7.2 直覺模糊數(shù)的幾何表示 147
7.2.1 二維幾何表示 147
7.2.2 三維幾何表示 151
7.3 去模糊化距離測度 153
7.3.1 現(xiàn)有距離違背直覺性分析 153
7.3.2 提取直覺模糊特征 154
7.3.3 去模糊化距離 157
7.4 基于去模糊化距離的關聯(lián) 162
7.4.1 目標識別問題 162
7.4.2 多屬性決策問題 163
7.5 仿真分析 164
7.5.1 數(shù)值算例 164
7.5.2 目標識別算例 167
7.5.3 多屬性決策算例 169
7.6 本章小結 170
第8章 猶豫模糊型數(shù)據(jù)關聯(lián)中的加權綜合相關系數(shù)法 171
8.1 引言 171
8.2 現(xiàn)有猶豫模糊集相關系數(shù)的局限性 172
8.3 猶豫模糊集的加權綜合相關系數(shù) 174
8.3.1 猶豫模糊集及猶豫模糊數(shù)的一些基本定義 174
8.3.2 猶豫模糊集的三種基本相關系數(shù) 175
8.3.3 加權綜合相關系數(shù) 178
8.4 基于猶豫模糊加權綜合相關系數(shù)的數(shù)據(jù)關聯(lián) 181
8.4.1 經(jīng)典TOPSIS方法 181
8.4.2 猶豫模糊環(huán)境下TOPSIS方法的局限性 182
8.4.3 基于猶豫模糊加權綜合相關系數(shù)的改進型TOPSIS方法 183
8.5 仿真分析 187
8.5.1 數(shù)值仿真 188
8.5.2 目標識別算例 188
8.5.3 目標分類算例 189
8.5.4 多屬性決策算例 193
8.4 本章小結 196
第9章 猶豫模糊數(shù)據(jù)關聯(lián)中的特征距離測度法 198
9.1 引言 198
9.2 新的猶豫模糊比較法則 199
9.2.1 現(xiàn)有比較法則的局限性 199
9.2.2 新的比較法則 200
9.3 猶豫模糊集特征距離 202
9.3.1 猶豫模糊數(shù)的均值距離 202
9.3.2 猶豫模糊數(shù)的特征距離 206
9.3.3 猶豫模糊集的特征距離 208
9.3.4 與現(xiàn)有距離方法的對比 211
9.4 基于猶豫模糊特征距離測度的數(shù)據(jù)關聯(lián) 213
9.4.1 經(jīng)典TODIM方法 213
9.4.2 基于猶豫模糊特征距離的改進型TODIM方法 214
9.5 仿真分析 216
9.5.1 與現(xiàn)有距離度量的比對 216
9.5.2 目標識別算例 217
9.5.3 威脅等級估計算例 220
9.6 本章小結 223
第10章 語義數(shù)據(jù)的關聯(lián) 225
10.1 引言 225
10.2 連續(xù)概率猶豫模糊語義標簽 226
10.3 連續(xù)概率猶豫模糊語義標簽的距離測度 227
10.3.1 基于標簽效能值的CPHFLTS距離測度 228
10.3.2 基于概率標簽組合的CPHFLTS距離測度 230
10.4 基于語義標簽距離測度的數(shù)據(jù)關聯(lián) 232
10.5 仿真分析 235
10.5.1 多屬性決策算例 235
10.5.2 與TOPSIS方法對比分析 238
10.6 本章小結 240
第11章 異類數(shù)據(jù)的粒層轉化 241
11.1 引言 241
11.2 異類數(shù)據(jù)的粒結構劃分 242
11.3 異類數(shù)據(jù)的粒層轉化 244
11.3.1 特征層的粒層統(tǒng)一 245
11.3.2 決策層的粒層統(tǒng)一 249
11.4 粒層并行的數(shù)據(jù)關聯(lián) 251
11.4.1 決策層異類數(shù)據(jù)的粒層并行粒度計算 252
11.4.2 粒層并行的數(shù)據(jù)關聯(lián)流程 252
11.5 粒層轉化的數(shù)據(jù)關聯(lián) 253
11.5.1 問題描述 253
11.5.2 粒層轉化的數(shù)據(jù)關聯(lián)流程 254
11.6 本章小結 255
第12章 序列數(shù)據(jù)和區(qū)間數(shù)據(jù)的關聯(lián) 257
12.1 引言 257
12.2 短時序列數(shù)據(jù)與區(qū)間數(shù)據(jù)的關聯(lián) 257
12.2.1 短時序列與區(qū)間數(shù)的距離 258
12.2.2 基于灰關聯(lián)的短時序列—區(qū)間異類數(shù)據(jù)關聯(lián) 260
12.3 基于云變換的累積量測序列與區(qū)間數(shù)據(jù)的關聯(lián) 261
12.3.1 序列?區(qū)間異類數(shù)據(jù)同型轉化 261
12.3.2 序列?區(qū)間異類數(shù)據(jù)的關聯(lián) 266
12.4 仿真分析 272
12.4.1 短時序列?區(qū)間異類數(shù)據(jù)關聯(lián)仿真 272
12.4.2 累積量測序列?區(qū)間異類數(shù)據(jù)關聯(lián)仿真 273
12.5 本章小結 282
第13章 多源異類數(shù)據(jù)的關聯(lián) 283
13.1 引言 283
13.2 基于靶心距的異類數(shù)據(jù)關聯(lián) 284
13.2.1 問題描述 284
13.2.2 新的灰靶決策方法 285
13.3.3 仿真分析 294
13.3 基于信任區(qū)間交互式多屬性的異類數(shù)據(jù)關聯(lián) 298
13.3.1 問題描述 298
13.3.2 信任區(qū)間的構建定理 300
13.3.3 決策模型的確立 301
13.3.4 信任區(qū)間交互式多屬性決策 303
13.3.5 仿真實驗 307
13.4 本章小結 310
第14章 決策層數(shù)據(jù)的融合 312
14.1 引言 312
14.2 信度函數(shù)理論 313
14.2.1 信度函數(shù)模型 313
14.2.2 Dempster組合規(guī)則 314
14.2.3 現(xiàn)有改進的組合規(guī)則 315
14.3 互補信度集成 316
14.3.1 互補信度的概念 317
14.3.2 基于互補信度的集成規(guī)則 317
14.3.3 考慮信度權重的集成規(guī)則 319
14.3.4 修正的信度集成規(guī)則 320
14.4 信度區(qū)間集成 321
14.4.1 信度函數(shù)的信度區(qū)間表示 322
14.4.2 信度區(qū)間集成規(guī)則 323
14.4.3 修正的信度區(qū)間集成規(guī)則 325
14.4.4 基于信度區(qū)間集成規(guī)則的決策 327
14.5 仿真分析 328
14.5.1 信度區(qū)間集成規(guī)則的算例驗證 328
14.5.2 信度集成規(guī)則的目標識別 330
14.5.3 基于概率轉換的對比分析 334
14.6 本章小結 335
第15章 回顧與展望 336
15.1 研究回顧 336
15.2 方向展望 337
參考文獻 338