第1章 绪论 1
1.1 研究背景 1
1.2 相关领域的国内外研究进展与现状 3
1.2.1 分布式系统测量方法 3
1.2.2 目标定位方法 4
1.2.3 水平集演化方法 6
1.2.4 数据集分类方法 7
1.2.5 信息融合理论 8
1.3 主要工作和特色 12
1.3.1 研究内容 12
1.3.2 本书特色 13
1.4 章节安排 14
第2章 基于多相双曲线水平集演化的图像分割方法 17
2.1 引言 17
2.2 水平集方法预备知识 17
2.2.1 水平集方法原理 18
2.2.2 多相水平集理论 20
2.2.3 基于区域的水平集方法 21
2.2.4 多项水平集方法的能量函数 23
2.3 多相双曲线方法 24
2.3.1 区域控制能量项 25
2.3.2 能量拟合函数 25
2.3.3 水平集曲线演化 29
2.3.4 算法的执行过程 32
2.4 方法实施和实验探讨 32
2.4.1 实验结果 32
2.4.2 结果分析 35
2.5 本章小结 37
第3章 基于邻居搜索和内核模糊C-均值的鲁棒性数据集分类方法 38
3.1 引言 38
3.2 聚类算法的理论基础 38
3.2.1 聚类分析 39
3.2.2 内核模糊C-均值算法 40
3.3 鲁棒的数据分类方法 42
3.3.1 邻居搜索遍历数据集 42
3.3.2 初始化隶属度矩阵和聚类原型 44
3.3.3 优化隶属度矩阵和聚类原型 45
3.3.4 鲁棒性能估计 47
3.3.5 算法执行步骤 49
3.4 实验验证 49
3.4.1 实验一：MEMS加速度计数据集 50
3.4.2 实验二：复杂图像数据集 53
3.5 本章小结 57
第4章 不确定网络化系统的分布式加权融合估计 58
4.1 引言 58
4.2 最优估计理论和问题描述 59
4.2.1 卡尔曼滤波理论 59
4.2.2 分布式网络化系统融合架构 60
4.2.3 传输时延和交叉相关噪声 61
4.3 分布式鲁棒卡尔曼类型的滤波 62
4.3.1 重组新息序列 62
4.3.2 分布式融合估计 65
4.4 数值验证 72
4.5 本章小节 77
第5章 随机不确定系统的建模与滤波 78
5.1 引言 78
5.2 问题阐述 79
5.2.1 系统描述 79
5.2.2 基于序列重排的建模 79
5.2.3 噪声的相关性 82
5.3 鲁棒有限时域滤波 82
5.3.1 基于ZOH的滤波 83
5.3.2 基于逻辑ZOH的滤波 88
5.4 仿真结果 92
5.5 本章小结 96
第6章 面向空间定位的不确定系统的建模与估计 97
6.1 引言 97
6.2 基于线性CCD的空间定位方法 97
6.2.1 空间定位原理 98
6.2.2 3D光电传感定位系统工作流程 99
6.2.3 空间定位效果仿真 100
6.3 问题描述和分析 105
6.3.1 基于信号选择方案的系统模型 106
6.3.2 交叉相关性噪声 107
6.4 基于逻辑ZOH的估计器 107
6.4.1 子系统的增广状态向量 108
6.4.2 估计协方差的上界 110
6.4.3 随机延迟的线性补偿 111
6.4.4 分布式加权融合估计 112
6.5 数值仿真 114
6.6 本章小结 120
第7章 总结与展望 121
7.1 总结 121
7.2 未来展望 123
附录A 命题3.1～命题3.3的证明 124
附录B 定理4.2的证明 129
附录C 定理5.2的证明 131
参考文献 136