不確定信息處理理論、方法及其應用

第1章 緒論
1.1 國內(nèi)外研究現(xiàn)狀分析與綜述
1.1.1 模糊系統(tǒng)
1.1.2 模糊自動機發(fā)展及現(xiàn)狀研究
1.1.3 粗糙集發(fā)展及現(xiàn)狀研究
1.1.4 證據(jù)理論發(fā)展及現(xiàn)狀分析
1.1.5 概率理論發(fā)展及現(xiàn)狀分析
1.1.6 粗糙集與模糊集、證據(jù)理論、概率論的比較
1.2 不確定性信息處理的基礎知識
1.2.1 模糊數(shù)學的有關概念
1.2.2 模糊自動機
1.2.3 粗糙集的有關概念
1.2.4 D—S證據(jù)理論的有關概念
1.2.5 概率理論
1.3 主要內(nèi)容
第2章 模糊信號處理的模糊自動機
2.1 模糊有限態(tài)自動機
2.1.1 FFA的定義
2.1.2 通過處理模糊邏輯對FFA的一種獲取
2.2 模糊無限態(tài)自動機的性質(zhì)
2.2.1 引論
2.2.2 基本定義
2.2.3 獲取FIA的反饋神經(jīng)網(wǎng)絡結構
2.2.4 FIA的獲取
2.2.5 FIA的等價性
2.2.6 FIA的收斂性與穩(wěn)定性
2.2.7 仿真
2.3 模糊自動機與處理的模糊信號之間的關系
2.3.1 預備知識
2.3.2 模糊自動機與處理的模糊語言之間的關系
2.4 模糊自動機問的關系
2.5 FA對圖像處理的目標識別
2.5.1 問題描述.
2.5.2 FA對圖像預處理
2.5.3 目標圖像特征提取
2.5.4 匹配與識別
第3章 FA的化簡
3.1 用自組織特征映射(SOFM)抽取FA概述
3.2 狀態(tài)模糊性的FA轉變成狀態(tài)沒有模糊性的FA
3.2.1 FA狀態(tài)的模糊性及其模糊性的解決
3.2.2 FA轉變成沒有狀態(tài)模糊性的FA實例
3.3 FA的化簡
第4章 FA狀態(tài)融合
4.1 引論
4.2 關于FA狀態(tài)融合的神經(jīng)網(wǎng)絡
4.3 使用貝葉斯理論的FA狀態(tài)融合
4.3.1 FA狀態(tài)融合的系統(tǒng)模型
4.3.2 通過使用神經(jīng)網(wǎng)絡的融合算法基本步驟
4.3.3 仿真實現(xiàn)及仿真結果分析
4.4 使用模糊綜合函數(shù)的FA狀態(tài)融合
4.4.1 融合算法基本步驟
4.4.2 實例
4.4.3 仿真結果分析
第5章 模糊不完備信號處理的代數(shù)理論
5.1 引論
5.2 模糊粗糙集代數(shù)系統(tǒng)
5.2.1 FRS的概念
5.2.2 FRS的代數(shù)系統(tǒng)
5.2.3 分解定理
5.3 FRS的新運算理論
5.3.1 引言
5.3.2 FRS的新運算理論
5.3.3 FRS在識別和控制中的相關理論
5.4 FRS在圖像識別中的應用
第6章 基于模糊與統(tǒng)計理論的不確定信息處理算法
6.1 引論
6.2 對航跡識別算法的改進
6.2.1 基于統(tǒng)計法的航跡識別
6.2.2 模糊法的航跡識別
6.2.3 識別效果的度量
6.2.4 仿真和識別算法性能分析
6.2.5 模糊融合算法及仿真
6.2.6 模糊法與統(tǒng)計法的綜合比較
6.3 FRS與概率統(tǒng)計在應用中的比較
6.3.1 引論
6.3.2 FRS和PS的描述性比較
6.3.3 PS和FR控制算法的模型
6.3.4 對兩個控制算法的仿真和性能分析
第7章 基于圖像語義識別的不確定推理方法
7.1 引論
7.2 粗糙集理論的基本知識
7.3 語義推理方法
7.3.1 基本知識描述
7.3.2 語義推理.
7.4 語義推理方法在圖像語義識別中的應用
7.5 語義推理方法在衛(wèi)星故障診斷中的應用
7.6 語義推理方法與其他不確定性推理方法的比較
7.6.1 語義推理方法的優(yōu)缺點
7.6.2 語義推理方法與其他不確定性推理方法的比較
第8章 基于拓撲知識的不完全信息處理理論
8.1 引論
8.2 拓撲粗空間
8.2.1 開集與閉集
8.2.2 拓撲粗空間
8.2.3 同胚.
8.3 在RS上的拓撲性質(zhì)
8.4 等價類和開集、劃分和有限開覆蓋之間的關系
8.5 拓撲粗空間及其性質(zhì)的應用
8.5.1 拓撲粗空問的應用
8.5.2 拓撲性質(zhì)的應用.
8.6 基于粗拓撲性質(zhì)的星座選擇
8.6.1 引論
8.6.2 粗拓撲性質(zhì)的應用
8.6.3 星座選擇
8.6.4 仿真和討論
第9章 FA應用簡介
9.1 FA應用簡介
9.2 有待于進一步研究的問題
參考文獻