本书面向高层(决策层)信息融合，深入系统地介绍作者在不确定数据信任分类与多源信息融合推理方面的重要研究进展。首先，介绍一种全新的基于证据推理框架的信任分类模型，其主要处理不确定信息建模分析问题。面向不同情况，本书讲述如不确定数据信任C均值/中值聚类算法、关系数据多中心信任聚类算法、信任K近邻分类器、快速信任分类器以及不完整数据信任分类器等多种方法，将多个信任分类器通过融合推理能够得到更全面可靠的信息，提高判断决策的准确性。因此，本书还介绍信源可靠度不同情况下的自适应加权折扣融合方法，解决高冲突信息融合问题。并且，介绍面向多源多时相信息融合发展动态证据推理，解决目标识别与变化检测一体化问题。
样章试读
目录
- 目录
前言
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 JBCM 30
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
京公网安备 11010102004214号