新書推薦：
《
詹姆斯·伍德系列：不负责任的自我：论笑与小说（“美国图书评论奖”入围作品 当代重要文学批评家詹姆斯·伍德对“文学中的笑与喜剧”的精湛研究）
》
售價：HK$
87.4
《
武当内家散手
》
售價：HK$
50.4
《
诛吕：“诸吕之乱”的真相与吕太后时期的权力结构
》
售價：HK$
99.7
《
炙野（全2册）
》
售價：HK$
78.2
《
女人的胜利
》
售價：HK$
55.9
《
数据有道：数据分析+图论与网络+微课+Python编程（鸢尾花数学大系：从加减乘除到机器学习）
》
售價：HK$
266.6
《
500万次倾听：陪伤心的人聊聊
》
售價：HK$
53.8
《
英国商业500年（见证大国崛起与企业兴衰，启迪未来商业智慧。）
》
售價：HK$
80.6
|
| 內容簡介： |
|
本书是关于多源不确定信息推理技术理论及应用的一部专著，是作者对国内外近十余年来该领域研究进展和自身研究成果的总结。本书由7章组成，包括概述、多源不确定信息推理技术的数学基础、基于多源不确定信息推理的雷达融合识别、DSmT-DS多源不确定信息推理方法、基于证据聚类和凸函数分析的DSmT多源不确定信息推理方法、基于条件证据网络的多源不确定信息推理方法、多源不确定信息推理技术展望。本书可供从事信息融合、推理决策、模式识别、人工智能、信息处理、指挥控制等专业的科技人员阅读和参考，也可作为上述专业的本科生或研究生教材。同时还可为从事雷达、光学传感器、导航、智慧交通、自动驾驶、传感器网络等领域的科技工作者提供指导。
|
| 關於作者： |
|
郭强，男，山东烟台人，1986年出生，信息与通信工程专业博士，烟台大学计算机与控制工程学院讲师。主要研究方向为多源不确定信息推理、对海目标探测与智能识别技术，发表SCI及EI期刊收录论文10余篇，获批发明专利3项，出版学术专著1部，作为课题组长主持山东省自然科学基金1项、装备部项目2项，参与完成国家自然科学基金重点项目1项、山东省重点研发计划项目2项，曾获军队科技进步一等奖1次、山东省科技进步一等奖1次、中国自动化学会科技进步奖二等奖1次、军队科技进步三等奖2次，荣立三等功1次。
|
| 目錄：
|
|
第1章 概述11.1 引言21.2 多源不确定信息推理技术的研究意义21.3 多源不确定信息推理技术的研究现状31.3.1 D-S证据理论31.3.2 DSmT61.3.3 证据网络91.4 多源不确定信息推理技术面临的挑战101.5 本章小结11第2章 多源不确定信息推理技术的数学基础132.1 引言142.2 识别框架142.3 幂集152.4 超幂集162.5 基本概率赋值172.6 证据及证据建模182.7 证据推理规则192.7.1 Dempster组合规则192.7.2 DSmT框架下的PCR5规则202.7.3 DSmT框架下的PCR6规则212.8 凸函数232.9 泰勒公式242.10 条件证据网络模型和推理规则252.11 本章小结26?第3章 基于多源不确定信息推理的雷达融合识别273.1 引言283.2 雷达辐射源特征参数的统计特性283.3 DSm Cloud方法的各个步骤293.3.1 基于云模型与DSm模型的雷达辐射源特征参数隶属度建模293.3.2 基于隶属度的证据建模323.3.3 基于DSmT的不确定信息推理343.4 仿真实验353.4.1 单传感器的融合识别仿真实验设计363.4.2 本章相关代码363.4.3 单传感器的融合识别仿真实验结果对比393.4.4 多传感器的融合识别仿真实验设计433.4.5 多传感器的融合识别仿真实验结果对比433.4.6 仿真实验结果分析463.5 本章小结47第4章 DSmT-DS多源不确定信息推理方法494.1 引言504.2 DSmT框架下的PCR5规则的计算复杂度分析504.2.1 仅单子焦元存在的情况504.2.2 交多子焦元存在的情况504.3 降低DSmT+PCR5规则的计算复杂度的方法524.4 仅单子焦元存在情况下的DSmT-DS多源不确定信息推理方法534.4.1 算法步骤534.4.2 DSmT-DS推理结果与DSmT+PCR5及Dempster规则推理结果的关系554.4.3 本节所研究方法与其他方法的计算复杂度对比分析574.4.4 仿真实验设计584.4.5 仿真实验核心代码594.4.6 仿真实验结果对比分析604.5 交多子焦元存在情况下的DSmT-DS多源不确定信息推理方法644.5.1 算法步骤644.5.2 计算复杂度分析674.5.3 Shafer模型情况下的仿真实验结果对比分析684.5.4 混合DSm模型情况下的仿真实验结果对比分析724.6 本章小结75第5章 基于证据聚类和凸函数分析的DSmT多源不确定信息推理方法775.1 引言785.2 二源情况下基于证据聚类和凸函数分析的DSmT近似推理方法785.2.1 数学分析推理过程785.2.2 二源情况的DSmT证据聚类方法835.2.3 算法步骤描述845.2.4 计算复杂度分析865.2.5 仿真实验对比分析及核心代码875.3 多源情况下基于证据聚类和凸函数分析的DSmT近似推理方法1005.3.1 PCR6规则的数学变换1005.3.2 数学分析推理过程1015.3.3 多源情况的DSmT证据聚类方法及近似推理公式1035.3.4 算法步骤描述1075.3.5 计算复杂度分析1085.3.6 仿真实验对比分析1095.4 本章小结129第6章 基于条件证据网络的多源不确定信息推理方法1316.1 引言1326.2 基于贝叶斯网络的多源信息推理方法的局限1326.3 基于条件证据网络的多源信息推理方法的优势1336.4 基于条件证据网络的态势评估模型1346.5 基于条件证据网络的多源不确定信息推理方法的步骤1376.6 本章小结139第7章 多源不确定信息推理技术展望141参考文献143
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
