相關商品
商品簡介
目次
商品簡介
《多源信息融合(第2版)》包括多源信息融合的基本概念以及多源信息融合理論賴以發展的基礎理論，如統計推斷與估計理論基礎、智能計算與識別理論基礎等；還包括目標跟蹤理論、檢測融合、估計融合、數據關聯、異步信息融合和異類信息融合；也包括圖像融合特別是遙感圖像融合，智能交通中的信息融合，以及態勢評估與威脅估計等內容。
本專著的特點是理論體系完整，材料取舍適當，適合從事多源信息融合理論研究和工程應用的專業技術人員參考，也可作為大學本科高年級學生、研究生特別是博士研究生的參考讀物。
本專著的特點是理論體系完整，材料取舍適當，適合從事多源信息融合理論研究和工程應用的專業技術人員參考，也可作為大學本科高年級學生、研究生特別是博士研究生的參考讀物。
目次
第1章 緒論
1.1 多源信息融合的一般概念與定義
1.1.1 定義
1.1.2 多源信息融合的優勢
1.1.3 應用領域
1.2 信息融合系統的模型和結構
1.2.1 功能模型
1.2.2 信息融合的級別
1.2.3 通用處理結構
1.3 多源信息融合主要技術和方法
1.4 信息融合要解決的幾個關鍵問題
1.5 發展起源、現狀與未來
參考文獻
第2章 統計推斷與估計理論基礎
2.1 點估計理論基礎
2.1.1 一般概念
2.1.2 Bayes點估計理論
2.1.3 BLUE估計
2.1.4 WLS估計
2.1.5 ML估計
2.1.6 PC估計
2.1.7 RLS估計與LMS估計
2.2 期望極大化(EM)方法
2.2.1 概述
2.2.2 EM算法描述
2.2.3 混合Gauss參數估計的EM算法實例
2.3 線性動態系統的濾波理論與算法
2.3.1 離散時間線性系統狀態估計問題的一般描述
2.3.2 基本Ka1man濾波器
2.3.3 信息濾波器
2.3.4 噪聲相關的Kalman濾波器
2.4 非線性動態系統的濾波理論與算法
2.4.1 擴展Kalman濾波器(EKF)
2.4.2 UKF濾波
2.4.3 Bayes濾波
2.5 基於隨機抽樣的過程估計理論與算法
2.5.1 傳統Bayes估計面臨的挑戰與解決的新思路
2.5.2 MonteCarlo仿真的隨機抽樣
2.5.3 Markov Chain Monte Carlo抽樣
2.5.4 粒子濾波的一般方法
2.6 混合系統狀態估計理論
2.6.1 一般描述
2.6.2 多模型方法簡述
2.6.3 定結構多模型估計
2.6.4 交互式多模型算法
2.6.5 變結構多模型(VSMM)算法概述
2.7 小結
參考文獻
第3章 智能計算與識別理論基礎
3.1 概述
3.1.1 模式識別的一般概念
3.1.2 智能學習與統計模式識別
3.2 粗糙集理論基礎
3.2.1 信息系統的一般概念
3.2.2 決策系統的不可分辨性
3.2.3 集合近似
3.2.4 屬性約簡
3.2.5 粗糙隸屬度
3.2.6 廣義粗集
3.3 證據理論基礎
3.3.1 概述
3.3.2 mass函數、信度函數與似真度函數
3.3.3 Dempster-Shafer合成公式
3.3.4 證據推理
3.3.5 證據理論中的不確定度指標
3.3.6 證據理論存在的主要問題與發展
3.4 隨機集理論基礎
3.4.1 一般概念
3.4.2 概率模型
3.4.3 隨機集的mass函數模型
3.4.4 隨機集與模糊集的轉換
3.5 隨機有限集概略
3.5.1 概述
3.5.2 隨機有限集的概念
3.5.3 隨機有限集的統計
3.5.4 隨機有限集的Bayes濾波
3.6 統計學習理論與支持向量機基礎
3.6.1 統計學習理論的一般概念
3.6.2 學習機的VC維與風險界
3.6.3 線性支持向量機
3.6.4 非線性支持向量機
3.6.5 用于孤立點發現的One-class SVM算法
3.6.6 最小二乘支持向量機
3.6.7 模糊支持向量機
3.6.8 小波支持向量機
3.6.9 核主成分分析
3.7.Bayes網絡基礎
3.7.1 Bayes網絡的一般概念
3.7.2 獨立性假設
3.7.3 一致性概率
3.7.4 ：Bayes網絡推斷
3.8 小結
參考文獻
第4章 目標跟蹤
4.1 基本概念與原理
4.2 跟蹤門
4.2.1 濾波殘差
4.2.2 矩形跟蹤門
4.2.3 橢球跟蹤門
4.2.4 其他跟蹤門
4.3 目標運動模型
4.3.1 機動目標跟蹤的數學模型
4.3.2 非機動目標動態模型
4.3.3 坐標不耦合的目標機動模型
4.3.4 二維水平運動模型
4.3.5 三維模型
4.4 量測模型
4.4.1 傳感器坐標模型
4.4.2 在各種坐標系中的跟蹤
4.4.3 混合坐標系的線性化模型
4.4.4 笛卡兒坐標系下的模型
4.5 雷達量測轉換
4.5.1 二維去偏量測轉換
4.5.2 三維去偏量測轉換
4.5.3 無偏量測轉換
4.5.4 修正的無偏量測轉換
4.6 基於雷達量測和BLUE準則的目標跟蹤
4.6.1 基於BLUE準則的二維量測轉換
4.6.2 基於BLUE準則的三維量測轉換
4.7 帶Doppler量測的雷達目標跟蹤
4.7.1 極坐標系中帶Doppler量測的雷達目標跟蹤
4.7.2 球坐標系中帶Doppler量測的雷達目標跟蹤
4.8 時間與空間配準
4.8.1 問題描述
4.8.2 時間配準算法
4.8.3 常用坐標系
4.8.4 坐標轉換
4.8.5 空間配準算法概述
4.8.6 二維空間配準算法
4.8.7 精確極大似然空間配準算法
4.8.8 基於地心坐標系的空間配準算法
4.9 基於隨機有限集的多目標跟蹤概述
4.9.1 RFS目標運動和量測模型
4.9.2 概率假設密度(PHD)濾波器
4.9.3 基數概率假設密度(CPHD)濾波器
4.9.4 Gaussian-Mixture PHD(GM-PHD)濾波器
4.1 0小結
參考文獻
第5章 檢測融合
5.1 概論
5.2 並行結構融合系統的最優分布式檢測融合算法
5.2.1 系統描述
5.2.2 最優分布式檢測的必要條件
……
第6章 估計融合
第7章 數據關聯
第8章 異步融合
第9章 圖像融合
第10章 異類融合
第11章 智能交通與信息融合
第12章 態勢評估和威脅估計
參考文獻
1.1 多源信息融合的一般概念與定義
1.1.1 定義
1.1.2 多源信息融合的優勢
1.1.3 應用領域
1.2 信息融合系統的模型和結構
1.2.1 功能模型
1.2.2 信息融合的級別
1.2.3 通用處理結構
1.3 多源信息融合主要技術和方法
1.4 信息融合要解決的幾個關鍵問題
1.5 發展起源、現狀與未來
參考文獻
第2章 統計推斷與估計理論基礎
2.1 點估計理論基礎
2.1.1 一般概念
2.1.2 Bayes點估計理論
2.1.3 BLUE估計
2.1.4 WLS估計
2.1.5 ML估計
2.1.6 PC估計
2.1.7 RLS估計與LMS估計
2.2 期望極大化(EM)方法
2.2.1 概述
2.2.2 EM算法描述
2.2.3 混合Gauss參數估計的EM算法實例
2.3 線性動態系統的濾波理論與算法
2.3.1 離散時間線性系統狀態估計問題的一般描述
2.3.2 基本Ka1man濾波器
2.3.3 信息濾波器
2.3.4 噪聲相關的Kalman濾波器
2.4 非線性動態系統的濾波理論與算法
2.4.1 擴展Kalman濾波器(EKF)
2.4.2 UKF濾波
2.4.3 Bayes濾波
2.5 基於隨機抽樣的過程估計理論與算法
2.5.1 傳統Bayes估計面臨的挑戰與解決的新思路
2.5.2 MonteCarlo仿真的隨機抽樣
2.5.3 Markov Chain Monte Carlo抽樣
2.5.4 粒子濾波的一般方法
2.6 混合系統狀態估計理論
2.6.1 一般描述
2.6.2 多模型方法簡述
2.6.3 定結構多模型估計
2.6.4 交互式多模型算法
2.6.5 變結構多模型(VSMM)算法概述
2.7 小結
參考文獻
第3章 智能計算與識別理論基礎
3.1 概述
3.1.1 模式識別的一般概念
3.1.2 智能學習與統計模式識別
3.2 粗糙集理論基礎
3.2.1 信息系統的一般概念
3.2.2 決策系統的不可分辨性
3.2.3 集合近似
3.2.4 屬性約簡
3.2.5 粗糙隸屬度
3.2.6 廣義粗集
3.3 證據理論基礎
3.3.1 概述
3.3.2 mass函數、信度函數與似真度函數
3.3.3 Dempster-Shafer合成公式
3.3.4 證據推理
3.3.5 證據理論中的不確定度指標
3.3.6 證據理論存在的主要問題與發展
3.4 隨機集理論基礎
3.4.1 一般概念
3.4.2 概率模型
3.4.3 隨機集的mass函數模型
3.4.4 隨機集與模糊集的轉換
3.5 隨機有限集概略
3.5.1 概述
3.5.2 隨機有限集的概念
3.5.3 隨機有限集的統計
3.5.4 隨機有限集的Bayes濾波
3.6 統計學習理論與支持向量機基礎
3.6.1 統計學習理論的一般概念
3.6.2 學習機的VC維與風險界
3.6.3 線性支持向量機
3.6.4 非線性支持向量機
3.6.5 用于孤立點發現的One-class SVM算法
3.6.6 最小二乘支持向量機
3.6.7 模糊支持向量機
3.6.8 小波支持向量機
3.6.9 核主成分分析
3.7.Bayes網絡基礎
3.7.1 Bayes網絡的一般概念
3.7.2 獨立性假設
3.7.3 一致性概率
3.7.4 ：Bayes網絡推斷
3.8 小結
參考文獻
第4章 目標跟蹤
4.1 基本概念與原理
4.2 跟蹤門
4.2.1 濾波殘差
4.2.2 矩形跟蹤門
4.2.3 橢球跟蹤門
4.2.4 其他跟蹤門
4.3 目標運動模型
4.3.1 機動目標跟蹤的數學模型
4.3.2 非機動目標動態模型
4.3.3 坐標不耦合的目標機動模型
4.3.4 二維水平運動模型
4.3.5 三維模型
4.4 量測模型
4.4.1 傳感器坐標模型
4.4.2 在各種坐標系中的跟蹤
4.4.3 混合坐標系的線性化模型
4.4.4 笛卡兒坐標系下的模型
4.5 雷達量測轉換
4.5.1 二維去偏量測轉換
4.5.2 三維去偏量測轉換
4.5.3 無偏量測轉換
4.5.4 修正的無偏量測轉換
4.6 基於雷達量測和BLUE準則的目標跟蹤
4.6.1 基於BLUE準則的二維量測轉換
4.6.2 基於BLUE準則的三維量測轉換
4.7 帶Doppler量測的雷達目標跟蹤
4.7.1 極坐標系中帶Doppler量測的雷達目標跟蹤
4.7.2 球坐標系中帶Doppler量測的雷達目標跟蹤
4.8 時間與空間配準
4.8.1 問題描述
4.8.2 時間配準算法
4.8.3 常用坐標系
4.8.4 坐標轉換
4.8.5 空間配準算法概述
4.8.6 二維空間配準算法
4.8.7 精確極大似然空間配準算法
4.8.8 基於地心坐標系的空間配準算法
4.9 基於隨機有限集的多目標跟蹤概述
4.9.1 RFS目標運動和量測模型
4.9.2 概率假設密度(PHD)濾波器
4.9.3 基數概率假設密度(CPHD)濾波器
4.9.4 Gaussian-Mixture PHD(GM-PHD)濾波器
4.1 0小結
參考文獻
第5章 檢測融合
5.1 概論
5.2 並行結構融合系統的最優分布式檢測融合算法
5.2.1 系統描述
5.2.2 最優分布式檢測的必要條件
……
第6章 估計融合
第7章 數據關聯
第8章 異步融合
第9章 圖像融合
第10章 異類融合
第11章 智能交通與信息融合
第12章 態勢評估和威脅估計
參考文獻
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。