本書是關(guān)于多源不確定信息推理技術(shù)理論及應(yīng)用的一部專著，是作者對國內(nèi)外近十余年來該領(lǐng)域研究進展和自身研究成果的總結(jié)。本書由7章組成，包括概述、多源不確定信息推理技術(shù)的數(shù)學(xué)基礎(chǔ)、基于多源不確定信息推理的雷達融合識別、DSmT-DS多源不確定信息推理方法、基于證據(jù)聚類和凸函數(shù)分析的DSmT多源不確定信息推理方法、基于條件證據(jù)網(wǎng)絡(luò)的多源不確定信息推理方法、多源不確定信息推理技術(shù)展望。本書可供從事信息融合、推理決策、模式識別、人工智能、信息處理、指揮控制等專業(yè)的科技人員閱讀和參考，也可作為上述專業(yè)的本科生或研究生教材。同時還可為從事雷達、光學(xué)傳感器、導(dǎo)航、智慧交通、自動駕駛、傳感器網(wǎng)絡(luò)等領(lǐng)域的科技工作者提供指導(dǎo)。
郭強，男，山東煙臺人，1986年出生，信息與通信工程專業(yè)博士，煙臺大學(xué)計算機與控制工程學(xué)院講師。主要研究方向為多源不確定信息推理、對海目標探測與智能識別技術(shù)，發(fā)表SCI及EI期刊收錄論文10余篇，獲批發(fā)明專利3項，出版學(xué)術(shù)專著1部，作為課題組長主持山東省自然科學(xué)基金1項、裝備部項目2項，參與完成國家自然科學(xué)基金重點項目1項、山東省重點研發(fā)計劃項目2項，曾獲軍隊科技進步一等獎1次、山東省科技進步一等獎1次、中國自動化學(xué)會科技進步獎二等獎1次、軍隊科技進步三等獎2次，榮立三等功1次。
第1章 概述 1
1.1 引言 2
1.2 多源不確定信息推理技術(shù)的研究意義 2
1.3 多源不確定信息推理技術(shù)的研究現(xiàn)狀 3
1.3.1 D-S證據(jù)理論 3
1.3.2 DSmT 6
1.3.3 證據(jù)網(wǎng)絡(luò) 9
1.4 多源不確定信息推理技術(shù)面臨的挑戰(zhàn) 10
1.5 本章小結(jié) 11
第2章 多源不確定信息推理技術(shù)的數(shù)學(xué)基礎(chǔ) 13
2.1 引言 14
2.2 識別框架 14
2.3 冪集 15
2.4 超冪集 16
2.5 基本概率賦值 17
2.6 證據(jù)及證據(jù)建模 18
2.7 證據(jù)推理規(guī)則 19
2.7.1 Dempster組合規(guī)則 19
2.7.2 DSmT框架下的PCR5規(guī)則 20
2.7.3 DSmT框架下的PCR6規(guī)則 21
2.8 凸函數(shù) 23
2.9 泰勒公式 24
2.10 條件證據(jù)網(wǎng)絡(luò)模型和推理規(guī)則 25
2.11 本章小結(jié) 26
?
第3章 基于多源不確定信息推理的雷達融合識別 27
3.1 引言 28
3.2 雷達輻射源特征參數(shù)的統(tǒng)計特性 28
3.3 DSm Cloud方法的各個步驟 29
3.3.1 基于云模型與DSm模型的雷達輻射源特征參數(shù)
隸屬度建模 29
3.3.2 基于隸屬度的證據(jù)建模 32
3.3.3 基于DSmT的不確定信息推理 34
3.4 仿真實驗 35
3.4.1 單傳感器的融合識別仿真實驗設(shè)計 36
3.4.2 本章相關(guān)代碼 36
3.4.3 單傳感器的融合識別仿真實驗結(jié)果對比 39
3.4.4 多傳感器的融合識別仿真實驗設(shè)計 43
3.4.5 多傳感器的融合識別仿真實驗結(jié)果對比 43
3.4.6 仿真實驗結(jié)果分析 46
3.5 本章小結(jié) 47
第4章 DSmT-DS多源不確定信息推理方法 49
4.1 引言 50
4.2 DSmT框架下的PCR5規(guī)則的計算復(fù)雜度分析 50
4.2.1 僅單子焦元存在的情況 50
4.2.2 交多子焦元存在的情況 50
4.3 降低DSmT+PCR5規(guī)則的計算復(fù)雜度的方法 52
4.4 僅單子焦元存在情況下的DSmT-DS多源不確定信息推理方法 53
4.4.1 算法步驟 53
4.4.2 DSmT-DS推理結(jié)果與DSmT+PCR5及Dempster規(guī)則
推理結(jié)果的關(guān)系 55
4.4.3 本節(jié)所研究方法與其他方法的計算復(fù)雜度對比分析 57
4.4.4 仿真實驗設(shè)計 58
4.4.5 仿真實驗核心代碼 59
4.4.6 仿真實驗結(jié)果對比分析 60
4.5 交多子焦元存在情況下的DSmT-DS多源不確定信息推理方法 64
4.5.1 算法步驟 64
4.5.2 計算復(fù)雜度分析 67
4.5.3 Shafer模型情況下的仿真實驗結(jié)果對比分析 68
4.5.4 混合DSm模型情況下的仿真實驗結(jié)果對比分析 72
4.6 本章小結(jié) 75
第5章 基于證據(jù)聚類和凸函數(shù)分析的DSmT多源不確定信息
推理方法 77
5.1 引言 78
5.2 二源情況下基于證據(jù)聚類和凸函數(shù)分析的DSmT近似推理方法 78
5.2.1 數(shù)學(xué)分析推理過程 78
5.2.2 二源情況的DSmT證據(jù)聚類方法 83
5.2.3 算法步驟描述 84
5.2.4 計算復(fù)雜度分析 86
5.2.5 仿真實驗對比分析及核心代碼 87
5.3 多源情況下基于證據(jù)聚類和凸函數(shù)分析的DSmT近似
推理方法 100
5.3.1 PCR6規(guī)則的數(shù)學(xué)變換 100
5.3.2 數(shù)學(xué)分析推理過程 101
5.3.3 多源情況的DSmT證據(jù)聚類方法及近似推理公式 103
5.3.4 算法步驟描述 107
5.3.5 計算復(fù)雜度分析 108
5.3.6 仿真實驗對比分析 109
5.4 本章小結(jié) 129
第6章 基于條件證據(jù)網(wǎng)絡(luò)的多源不確定信息推理方法 131
6.1 引言 132
6.2 基于貝葉斯網(wǎng)絡(luò)的多源信息推理方法的局限 132
6.3 基于條件證據(jù)網(wǎng)絡(luò)的多源信息推理方法的優(yōu)勢 133
6.4 基于條件證據(jù)網(wǎng)絡(luò)的態(tài)勢評估模型 134
6.5 基于條件證據(jù)網(wǎng)絡(luò)的多源不確定信息推理方法的步驟 137
6.6 本章小結(jié) 139
第7章 多源不確定信息推理技術(shù)展望 141
參考文獻 143
書單推薦
