不确定数据信任分类与融合PDF电子书下载

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