信息融合关键技术及其应用PDF|Epub|txt|kindle电子书版本网盘下载

信息融合关键技术及其应用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

1　绪论1

1.1　信息融合概述1

1.1.1 定义1

1.1.2　信息融合意义与优势1

1.2　信息融合结构与级别2

1.2.1 信息融合功能模型2

1.2.2　信息融合级别2

1.2.3　信息融合过程4

1.3　信息融合基本概念4

1.3.1 信息融合基本原理4

1.3.2　信息融合种类4

1.4　信息融合主要研究方法5

1.4.1 加权平均5

1.4.2　卡尔曼滤波5

1.4.3　贝叶斯估计5

1.4.4　统计决策理论5

1.4.5 Dempster-Shafer证据推理法6

1.4.6　模糊逻辑法6

1.4.7 产生式规则法6

1.4.8　神经网络方法6

1.5　信息融合应用6

1.5.1 军事应用6

1.5.2 民事应用7

1.6　信息融合技术发展与未来8

1.6.1 信息融合发展史8

1.6.2　信息融合存在的问题9

1.6.3 信息融合未来发展9

2　信息融合估计理论10

2.1　数理统计理论10

2.1.1 概述10

2.1.2　基本概念10

2.2　基于参数估计理论与算法10

2.2.1 点估计10

2.2.2　贝叶斯估计11

2.2.3 区间估计11

2.3　基于参数估计信息融合12

3　动态系统的滤波理论与算法15

3.1　标准卡尔曼滤波15

3.1.1 卡尔曼滤波基本概念15

3.1.2 卡尔曼滤波的基本步骤16

3.1.3 基本卡尔曼滤波简单实例17

3.1.4 卡尔曼信息滤波器17

3.2　扩展卡尔曼滤波算法18

3.3　卡尔曼滤波器的基本特性19

3.4　贝叶斯滤波20

4　信息融合中的分析方法22

4.1　判别分析22

4.1.1 概念22

4.1.2　距离判别法22

4.1.3 Fisher判别法31

4.1.4　贝叶斯判别法40

4.2　聚类分析46

4.2.1 基本思想46

4.2.2 距离46

4.2.3 相似系数48

4.2.4 系统聚类方法49

4.3　主成分分析50

4.3.1 主成分分析的基本思想50

4.3.2 主成分分析的数学模型及几何解释50

4.3.3 主成分的推导及性质51

5　信息融合中的智能算法（一）53

5.1　基于粗糙集理论的信息融合算法53

5.1.1 基于完全简化规则集的信息融合算法53

5.1.2 基于粗糙集理论的机器人物体识别系统54

5.1.3 基于不完备信息的多传感器信息融合56

5.1.4　结论分析58

5.2　基于模糊理论的信息融合算法58

5.3　基于D-S证据理论的信息融合算法61

5.3.1 D-S证据理论基础61

5.3.2 D-S证据理论的推广改进62

5.3.3 D-S证据理论应用举例64

6　信息融合中的智能算法（二）66

6.1　基于微粒群的信息融合算法66

6.1.1 算法模型66

6.1.2 算法实现步骤及程序结构流程66

6.1.3　参数的选择67

6.2　基于非线性S函数调参策略的改进的微粒群算法68

6.2.1 算法介绍68

6.2.2 算法流程69

6.2.3 算法仿真69

6.3　嵌入隔离小生境技术的混沌微粒群算法71

6.3.1 隔离小生境技术71

6.3.2　混沌搜索策略72

6.3.3　嵌入隔离小生境技术微粒群算法描述72

6.3.4　仿真实验及分析73

6.4　基于微粒群模糊密度自适应赋值的多分类器融合算法78

6.4.1 基于模糊积分的多分类器融合78

6.4.2 基于粒子群算法的模糊测度自适应赋值79

6.5　基于支持向量机的信息融合算法79

6.5.1 最优分类面79

6.5.2　核函数81

6.6　支持向量机多类分类器构造方法81

6.6.1 完全多类支持向量机81

6.6.2　组合多类支持向量机82

7　神经网络方法的信息融合84

7.1　基于神经网络方法的信息融合84

7.1.1 神经网络概述84

7.1.2　BP神经网络85

7.1.3　BP算法的改进87

7.2　量子小波神经网络88

7.2.1 量子神经网络概述88

7.2.2　量子小波神经网络模型88

7.2.3 量子小波神经网络学习算法90

7.2.4　量子小波神经网络结构参数讨论92

7.2.5 量子小波神经网络算法的程序实现93

7.3　神经网络信息融合目标识别系统的分类性能研究93

7.4　神经网络信息融合的故障诊断专家系统96

7.4.1 基于神经网络的故障诊断专家系统96

7.4.2 神经网络的知识获取97

7.4.3 神经网络的推理97

7.4.4 神经网络知识库的建立98

7.5　神经网络信息融合方法98

7.5.1 神经网络信息融合诊断过程98

7.5.2　神经网络信息融合诊断步骤99

7.5.3 单网络信息融合99

7.5.4　双网络信息融合101

7.5.5 基于量子神经网络的手写体数字识别系统104

8　图像融合107

8.1　图像融合概述107

8.1.1 图像融合的一般概述107

8.1.2 图像配准107

8.1.3 图像融合层次及模型108

8.1.4 图像融合的热点及发展趋势108

8.2　面向遥感应用的图像融合109

8.2.1 遥感图像融合的过程109

8.2.2 图像融合的基本原理和方法110

8.3　基于小波变换的图像降噪信息融合算法111

8.3.1 算法的理论基础111

8.3.2　算法描述112

8.3.3　结果与结论113

9　基于信息融合的面部表情识别115

9.1　表情图像预处理115

9.1.1 直方图均衡化115

9.1.2 图像的归一化116

9.1.3　光照补偿117

9.2　人脸表情特征提取方法117

9.2.1 FB-PCA和FB-2DPCA特征提取方法117

9.2.2　特征差值矩阵方法120

9.2.3 信息融合面部表情识别建模120

9.3　人脸表情多分类器组合与阈值调整121

9.3.1 多级分类器识别121

9.3.2 表情识别中阈值自适应调整机制123

9.4　基于支持向量机信息融合的人脸表情识别126

9.4.1 融合模型建立126

9.4.2　融合原理128

9.4.3　融合测试129

10　总结与展望130

参考文献132