| 第1章 绪论 1.1 研究背景及问题描述 1.2 证据理论：基本概念及相关计算 1.2.1 证据袁征 1.2.2 证据融合 1.2.3 广义贝叶斯定理 1.2.4 证据决策 1.2.5 模糊证据理论 1.2.6 证据理论的矩阵计算 1.3 证据理论发展现状及存在的问题 1.3.1 证据（信度函数）的解释 1.3.2 证据的构建 1.3.3 证据融合悖论和独立性假设 1.3.4 证据融合计算复杂度的简化 1.3.5 证据理论存在的问题和发展趋势 1.4 主要研究内容及安排 1.5 主要贡献 第2章 拓展权函数 2.1 证据正则分解 2.1.1 与权函数 2.1.2 并权函数 2.1.3 基于权函数的证据融合法则 2.2 权函数拓展研究 2.3 拓展权函数的应用 2.3.1 基于拓展权函数的信度函数间的转换 2.3.2 基于拓展权函数的改进型融合法则 2.4 本章小节 第3章 证据融合独立性假设及广义范数融合法则 3.1 引言 3.2 广义范数的定义及证明 3.3 基于广义范数的证据融合法则研究 3.3.1 广义T范数与法则 3.3.2 广义U范数与法则 3.3.3 广义T范数并法则和广义U范数并法则 3.3.4 广义范数融合法则的讨论 3.3.5 广义范数融合法则的简化 3.3.6 广义范数融合法则应用示例及分析 3.4 模糊证据融合法则研究 3.4.1 经典模糊证据融合法则分析 3.4.2 模糊证据的离散化策略研究 3.4.3 基于广义T范数与法则及离散化策略的模糊证据融合 3.5 本章小结 第4章 证据k-NN分类算法及其在模式识别中的应用 4.1 引言 4.2 经典证据k-NN分类器 4.3 经典证据k-NN分类器存在的局限性分析 4.4 三种变体证据k-NN分类器 4.4.1 基于自适应度量空间及参数优化的证据k-NN分类器 4.4.2 基于广义T范数与法则的证据k-NN分类器 4.4.3 鲁棒自适应证据k-NN分类器 4.4.4 实验分析 4.5 本章小结 第5章 证据邻域粗糙集模型及其在属性约简中的应用 5.1 引言 5.2 邻域粗糙集模型及属性约简 5.3 基于邻域证据决策误差率的属性约简算法研究 5.4 证据邻域粗糙集模型及属性约简算法研究 5.5 实验分析 5.5.1 属性约简算法敏感性分析及分类精度验证 5.5.2 证据邻域决策系统的属性约简模拟分析 5.6 本章小结 第6章 证据回归多模型建模方法及其在过程预测中的应用 6.1 引言 …… 第7章 基于证据回归多模型的钢球磨煤机料位认知建模 第8章 基于证据回归多模型的汽轮机排汽焓认知建模 第9章 证据回归多模型简化及其用于热工过程有样本参量的监测 第10章 区间证据理论及其在决策中的应用 参考文献 |
内容加载中，请稍后...
商品评论（0条）