信息融合关键技术及其应用PDF电子书下载

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