異類數據關聯與融合

目 錄
第1章 緒 論\t1
1．1 問題的來源\t1
1．2 面臨的挑戰(zhàn)\t2
1．3 相關研究情況\t4
1．4 本書的概貌\t7
第2章 相關的數學基礎\t11
2．1 引言\t11
2．2 度量空間與常用距離\t11
2．2．1 度量空間\t11
2．2．2 常用距離\t12
2．3 灰色系統(tǒng)\t13
2．3．1 區(qū)間灰數與灰關聯分析\t13
2．3．2 灰靶理論\t20
2．4 模糊數學\t21
2．4．1 模糊集及運算\t22
2．4．2 三角模糊數和區(qū)間數\t23
2．4．3 二型模糊集\t24
2．4．4 區(qū)間值模糊集\t24
2．4．5 直覺模糊集\t25
2．4．6 猶豫模糊集\t29
2．5 語義計算\t33
2．5．1 語義表示基本方法\t33
2．5．2 二元語義模型\t34
2．5．3 猶豫模糊語義標簽集\t35
2．5．4 概率語義標簽集\t35
2．5．5 連續(xù)語義標簽集\t35
2．6 云模型\t36
2．6．1 定義及特征\t36
2．6．2 正態(tài)云\t37
2．6．3 云變換\t37
2．7 本章小結\t38
第3章 異步雷達航跡的直接關聯\t39
3．1 引言\t39
3．2 異步雷達航跡關聯的傳統(tǒng)處理方式\t39
3．2．1 問題描述\t39
3．2．2 時域配準\t40
3．3 異步雷達航跡的區(qū)間化描述\t43
3．3．1 點跡―區(qū)間描述\t43
3．3．2 區(qū)間―區(qū)間描述\t44
3．3．3 區(qū)實混合序列描述\t45
3．3．4 搜索式區(qū)間灰數描述\t46
3．4 異步雷達航跡的相似度量\t47
3．4．1 區(qū)間灰數的灰關聯度\t47
3．4．2 加權滑窗序列的折線相似度\t50
3．4．3 序列離散度\t54
3．5 異步雷達航跡直接關聯模型\t55
3．5．1 基于區(qū)間灰數灰關聯度的異步航跡關聯\t55
3．5．2 基于加權滑窗序列折線相似度的異步航跡關聯\t57
3．5．3 基于序列離散度的異步航跡關聯\t58
3．6 復雜情況異步雷達航跡的直接關聯\t59
3．6．1 航跡的分叉與合并\t59
3．6．2 區(qū)間序列的分段劃分\t60
3．7 算法仿真與性能分析\t61
3．7．1 仿真環(huán)境設置\t61
3．7．2 算法性能比較\t62
3．7．3 航跡分叉合并情況的可辨性分析\t64
3．8 本章小結\t66
第4章 異步雷達航跡的抗差關聯\t67
4．1 引言\t67
4．2 系統(tǒng)誤差對雷達航跡關聯的影響\t67
4．2．1 問題描述\t67
4．2．2 對系統(tǒng)誤差的處理\t68
4．3 系統(tǒng)誤差的區(qū)間描述\t69
4．3．1 區(qū)間描述原理\t69
4．3．2 矩形投影法\t70
4．3．3 圓覆蓋法\t72
4．3．4 微分法\t73
4．3．5 區(qū)間描述的精度分析\t75
4．4 系統(tǒng)誤差下雷達航跡的相似度量\t77
4．4．1 區(qū)間灰數的灰關聯度\t77
4．4．2 區(qū)域集合相似度\t78
4．4．3 區(qū)間序列離散度\t80
4．5 同步雷達航跡的抗差關聯\t82
4．5．1 基于區(qū)間灰數的航跡抗差關聯\t82
4．5．2 基于區(qū)域集合相似度的航跡抗差關聯\t85
4．5．3 基于區(qū)間序列離散度的航跡抗差關聯\t86
4．6 異步雷達航跡的抗差關聯\t87
4．6．1 串行處理方式\t87
4．6．2 直接處理方式\t89
4．7 算法仿真與性能分析\t89
4．7．1 仿真環(huán)境設置\t89
4．7．2 算法性能比較\t90
4．8 本章小結\t93
第5章 雷達與ESM航跡的關聯\t95
5．1 引言\t95
5．2 異地配置的雷達與ESM異步航跡關聯\t96
5．2．1 異步航跡交叉定位的區(qū)間化處理\t96
5．2．2 不等長航跡序列的等長區(qū)間變換\t97
5．2．3 基于區(qū)間離散度的異地配置的雷達與ESM異步航跡關聯\t99
5．3 修正極坐標系下雷達與ESM航跡的對準關聯\t101
5．3．1 雷達與ESM濾波方程\t101
5．3．2 構造關聯統(tǒng)計量\t102
5．4 系統(tǒng)誤差對同地配置雷達與ESM航跡關聯的影響\t103
5．4．1 系統(tǒng)誤差對關聯統(tǒng)計量的影響\t103
5．4．2 對非中心參數和正確關聯概率的影響\t104
5．5 同地配置的雷達與ESM航跡對準關聯\t108
5．6 同地配置的雷達與ESM航跡抗差關聯\t109
5．6．1 系統(tǒng)誤差下雷達與ESM航跡的區(qū)間描述\t110
5．6．2 基于區(qū)間重合度的雷達與ESM航跡抗差關聯\t111
5．7 異地配置的雷達與ESM航跡抗差關聯\t113
5．7．1 系統(tǒng)誤差下雷達與ESM航跡的相似度量\t113
5．7．2 基于目標拓撲信息的雷達與ESM航跡抗差關聯\t114
5．7．3 基于區(qū)間離散度的雷達與ESM航跡抗差關聯\t117
5．8 算法仿真與性能分析\t118
5．8．1 仿真環(huán)境設置\t119
5．8．2 算法性能比較\t119
5．9 本章小結\t125
第6章 區(qū)間數據的關聯\t126
6．1 引言\t126
6．2 基于區(qū)間證據的區(qū)間數據關聯\t126
6．2．1 問題描述\t126
6．2．2 基于區(qū)間相似度的BPA生成\t127
6．2．3 關聯流程\t129
6．2．4 仿真實驗\t131
6．3 基于直覺模糊集的區(qū)間數據關聯\t133
6．3．1 問題描述\t133
6．3．2 云模型數字特征的估計\t133
6．3．3 確定度向隸屬度與非隸屬度的轉化\t135
6．3．4 動態(tài)權重\t136
6．3．5 基于去模糊距離測度的TOPSIS方法\t137
6．3．6 關聯流程\t139
6．3．7 仿真實驗\t140
6．4 本章小結\t145
第7章 直覺模糊數據的關聯\t146
7．1 引言\t146
7．2 直覺模糊數的幾何表示\t147
7．2．1 二維幾何表示\t147
7．2．2 三維幾何表示\t151
7．3 去模糊化距離測度\t153
7．3．1 現有距離違背直覺性分析\t153
7．3．2 提取直覺模糊特征\t154
7．3．3 去模糊化距離\t157
7．4 基于去模糊化距離的關聯\t162
7．4．1 目標識別問題\t162
7．4．2 多屬性決策問題\t163
7．5 仿真分析\t164
7．5．1 數值算例\t164
7．5．2 目標識別算例\t167
7．5．3 多屬性決策算例\t169
7．6 本章小結\t170
第8章 猶豫模糊型數據關聯中的加權綜合相關系數法\t171
8．1 引言\t171
8．2 現有猶豫模糊集相關系數的局限性\t172
8．3 猶豫模糊集的加權綜合相關系數\t174
8．3．1 猶豫模糊集及猶豫模糊數的一些基本定義\t174
8．3．2 猶豫模糊集的三種基本相關系數\t175
8．3．3 加權綜合相關系數\t178
8．4 基于猶豫模糊加權綜合相關系數的數據關聯\t181
8．4．1 經典TOPSIS方法\t181
8．4．2 猶豫模糊環(huán)境下TOPSIS方法的局限性\t182
8．4．3 基于猶豫模糊加權綜合相關系數的改進型TOPSIS方法\t183
8．5 仿真分析\t187
8．5．1 數值仿真\t188
8．5．2 目標識別算例\t188
8．5．3 目標分類算例\t189
8．5．4 多屬性決策算例\t193
8．4 本章小結\t196
第9章 猶豫模糊數據關聯中的特征距離測度法\t198
9．1 引言\t198
9．2 新的猶豫模糊比較法則\t199
9．2．1 現有比較法則的局限性\t199
9．2．2 新的比較法則\t200
9．3 猶豫模糊集特征距離\t202
9．3．1 猶豫模糊數的均值距離\t202
9．3．2 猶豫模糊數的特征距離\t206
9．3．3 猶豫模糊集的特征距離\t208
9．3．4 與現有距離方法的對比\t211
9．4 基于猶豫模糊特征距離測度的數據關聯\t213
9．4．1 經典TODIM方法\t213
9．4．2 基于猶豫模糊特征距離的改進型TODIM方法\t214
9．5 仿真分析\t216
9．5．1 與現有距離度量的比對\t216
9．5．2 目標識別算例\t217
9．5．3 威脅等級估計算例\t220
9．6 本章小結\t223
第10章 語義數據的關聯\t225
10．1 引言\t225
10．2 連續(xù)概率猶豫模糊語義標簽\t226
10．3 連續(xù)概率猶豫模糊語義標簽的距離測度\t227
10．3．1 基于標簽效能值的CPHFLTS距離測度\t228
10．3．2 基于概率標簽組合的CPHFLTS距離測度\t230
10．4 基于語義標簽距離測度的數據關聯\t232
10．5 仿真分析\t235
10．5．1 多屬性決策算例\t235
10．5．2 與TOPSIS方法對比分析\t238
10．6 本章小結\t240
第11章 異類數據的粒層轉化\t241
11．1 引言\t241
11．2 異類數據的粒結構劃分\t242
11．3 異類數據的粒層轉化\t244
11．3．1 特征層的粒層統(tǒng)一\t245
11．3．2 決策層的粒層統(tǒng)一\t249
11．4 粒層并行的數據關聯\t251
11．4．1 決策層異類數據的粒層并行粒度計算\t252
11．4．2 粒層并行的數據關聯流程\t252
11．5 粒層轉化的數據關聯\t253
11．5．1 問題描述\t253
11．5．2 粒層轉化的數據關聯流程\t254
11．6 本章小結\t255
第12章 序列數據和區(qū)間數據的關聯\t257
12．1 引言\t257
12．2 短時序列數據與區(qū)間數據的關聯\t257
12．2．1 短時序列與區(qū)間數的距離\t258
12．2．2 基于灰關聯的短時序列―區(qū)間異類數據關聯\t260
12．3 基于云變換的累積量測序列與區(qū)間數據的關聯\t261
12．3．1 序列?區(qū)間異類數據同型轉化\t261
12．3．2 序列?區(qū)間異類數據的關聯\t266
12．4 仿真分析\t272
12．4．1 短時序列?區(qū)間異類數據關聯仿真\t272
12．4．2 累積量測序列?區(qū)間異類數據關聯仿真\t273
12．5 本章小結\t282
第13章 多源異類數據的關聯\t283
13．1 引言\t283
13．2 基于靶心距的異類數據關聯\t284
13．2．1 問題描述\t284
13．2．2 新的灰靶決策方法\t285
13．3．3 仿真分析\t294
13．3 基于信任區(qū)間交互式多屬性的異類數據關聯\t298
13．3．1 問題描述\t298
13．3．2 信任區(qū)間的構建定理\t300
13．3．3 決策模型的確立\t301
13．3．4 信任區(qū)間交互式多屬性決策\t303
13．3．5 仿真實驗\t307
13．4 本章小結\t310
第14章 決策層數據的融合\t312
14．1 引言\t312
14．2 信度函數理論\t313
14．2．1 信度函數模型\t313
14．2．2 Dempster組合規(guī)則\t314
14．2．3 現有改進的組合規(guī)則\t315
14．3 互補信度集成\t316
14．3．1 互補信度的概念\t317
14．3．2 基于互補信度的集成規(guī)則\t317
14．3．3 考慮信度權重的集成規(guī)則\t319
14．3．4 修正的信度集成規(guī)則\t320
14．4 信度區(qū)間集成\t321
14．4．1 信度函數的信度區(qū)間表示\t322
14．4．2 信度區(qū)間集成規(guī)則\t323
14．4．3 修正的信度區(qū)間集成規(guī)則\t325
14．4．4 基于信度區(qū)間集成規(guī)則的決策\t327
14．5 仿真分析\t328
14．5．1 信度區(qū)間集成規(guī)則的算例驗證\t328
14．5．2 信度集成規(guī)則的目標識別\t330
14．5．3 基于概率轉換的對比分析\t334
14．6 本章小結\t335
第15章 回顧與展望\t336
15．1 研究回顧\t336
15．2 方向展望\t337
參考文獻\t338