未读消息消息

购物车

我的订单

个人中心

店铺

我的订单收藏

拍卖

拍卖交易我的竞拍收藏

我的好友资金账户

卖家中心

客服 |

帮助中心 9:00-20:30 在线留言

客服电话

010-89648155

服务时间

客服咨询 8:00-21:00

纠纷处理 9:00-21:00

图书审核 9:00-18:00

监督与建议

请选择

手机孔网

多源信息融合（第3版）（电子信息与电气工程技术丛书）

作者: 韩崇昭著 , 朱洪艳著 , 段战胜著

出版社: 清华大学出版社

出版时间: 2022-01

版次: 1

ISBN: 9787302579830

定价: 159.00

装帧: 平装

开本: 16开

纸张: 胶版纸

页数: 636页

分类: 计算机与互联网

3 张插图图片

13人买过

本专著介绍了多源信息融合的基本概念以及多源信息融合理论赖以发展的基础理论，如统计推断与估计理论基础、智能计算与识别理论基础等；还介绍了目标跟踪理论、检测融合、估计融合、数据关联、异步信息融合和异类信息融合；也介绍了图像融合特别是遥感图像融合，智能交通中的信息融合，以及态势评估与威胁估计等内容。此外，本专著对大数据时代信息融合新的发展做了修订和补充。
本专著的特点是理论体系完整，材料取舍适当，适合从事多源信息融合理论研究和工程应用的专业技术人员参考，也可作为大学本科高年级学生、研究生特别是博士研究生的参考读物。韩崇昭，陕西省乾县人，1943年生。1968年毕业于西安交通大学后入某兵工厂工作十年，于1981年进入中国科学院研究生院学习，获我国首批颁发的硕士学位后返回西安交通大学工作至今。1990年破格晋升为教授，1993年被国务院学位办批准为博士生导师，2013年以二级教授身份退休。曾赴英国伦敦城市大学和奥地利维也纳技术大学进行合作研究，四次以访问教授身份赴美国新奥尔良大学从事信息融合的合作研究。曾任中国自动化学会理事，《自动化学报》编委，陕西省人民政府参事，总装备部“导航、定位与测控技术专业组”专家等。长期从事多传感信息融合及决策理论与决策支持系统等方向的研究，曾获得国家基金及973项目的资助；曾担任某国防973项目的首席科学家。在国内外重要期刊或会议发表论文400多篇（2017年获得国际信息融合学会颁发的论文贡献证书），出版著作7部，获省部级以上科研成果奖7项、优秀教材奖1项；2011年，以“基于异构信息融合的非线性动态系统估计技术及应用”成果获奖人的身份获得国家科技进步二等奖。曾获得“杨嘉墀科技一等奖”。2013年，被评为“科学中国人（2013）年度人物”。第1章绪论
1．1 多源信息融合的一般概念与定义
1．1．1 定义
1．1．2 多源信息融合的优势
1．1．3 应用领域
1．2 信息融合系统的模型和结构
1．2．1 功能模型
1．2．2 信息融合的级别
1．2．3 通用处理结构
1．3 多源信息融合主要技术和方法
1．4 信息融合要解决的几个关键问题
1．5 发展起源、现状与未来
1．5．1 信息融合发展的起源与现状
1．5．2 信息融合的未来发展
1．5．3 大数据时代对信息融合的挑战
1．6 小结
参考文献

第2章统计推断与估计理论基础
2．1 点估计理论基础
2．1．1 一般概念
2．1．2 Bayes点估计理论
2．1．3 BLUE估计
2．1．4 WLS估计
2．1．5 ML估计
2．1．6 PC估计
2．1．7 RLS估计与LMS估计
2．2 期望极大化（EM）方法
2．2．1 概述
2．2．2 EM算法描述
2．2．3 混合Gauss参数估计的EM算法实例
2．3 线性动态系统的滤波理论与算法
2．3．1 离散时间线性系统状态估计问题的一般描述
2．3．2 基本Kalman滤波器
2．3．3 信息滤波器
2．3．4 噪声相关的Kalman滤波器
2．4 非线性动态系统的滤波理论与算法
2．4．1 扩展Kalman滤波器（EKF）
2．4．2 UKF滤波
2．4．3 Bayes滤波
2．5 基于随机抽样的过程估计理论与算法
2．5．1 传统Bayes估计面临的挑战与解决的新思路
2．5．2 Monte Carlo仿真的随机抽样
2．5．3 Markov Chain Monte Carlo抽样
2．5．4 粒子滤波的一般方法
2．6 混合系统状态估计理论
2．6．1 一般描述
2．6．2 多模型方法简述
2．6．3 定结构多模型估计
2．6．4 交互式多模型算法
2．6．5 变结构多模型（VSMM）算法概述
2．7 小结
参考文献

第3章智能计算与识别理论基础
3．1 概述
3．1．1 模式识别的一般概念
3．1．2 智能学习与统计模式识别
3．2 粗糙集理论基础
3．2．1 信息系统的一般概念
3．2．2 决策系统的不可分辨性
3．2．3 集合近似
3．2．4 属性约简
3．2．5 粗糙隶属度
3．2．6 广义粗集
3．3 证据理论基础
3．3．1 概述
3．3．2 mass函数、信度函数与似真度函数
3．3．3 Dempster公式
3．3．4 证据推理
3．3．5 证据理论中的不确定度指标
3．3．6 证据理论存在的主要问题与发展
3．3．7 关于证据函数不确定性的研讨
3．4 随机集理论基础
3．4．1 一般概念
3．4．2 概率模型
3．4．3 随机集的mass函数模型
3．4．4 随机集与模糊集的转换
3．5 随机有限集概略
3．5．1 概述
3．5．2 随机有限集的概念
3．5．3 随机有限集的统计
3．5．4 典型RFS（随机有限集）分布函数
3．5．5 标签RFS
3．5．6 随机有限集的Bayes滤波
3．6 统计学习理论与支持向量机基础
3．6．1 统计学习理论的一般概念
3．6．2 学习机的VC维与风险界
3．6．3 线性支持向量机
3．6．4 非线性支持向量机
3．6．5 用于孤立点发现的One-class SVM算法
3．6．6 小二乘支持向量机
3．6．7 模糊支持向量机
3．6．8 小波支持向量机
3．6．9 核主成分分析
3．7 Bayes网络基础
3．7．1 Bayes网络的一般概念
3．7．2 独立性假设
3．7．3 一致性概率
3．7．4 Bayes网络推断
3．8 大数据时代的云计算
3．8．1 云计算的概念
3．8．2 云计算的快速发展
3．8．3 云计算对多源信息融合技术实现的影响
3．9 小结
参考文献
……
第4章目标跟踪
第5章检测融合
第6章估计融合
第7章数据关联
第8章异步融合
第9章图像融合
第10章异类融合
第11章智能交通与智能车辆的信息融合
第12章态势评估和威胁估计
内容简介:
本专著介绍了多源信息融合的基本概念以及多源信息融合理论赖以发展的基础理论，如统计推断与估计理论基础、智能计算与识别理论基础等；还介绍了目标跟踪理论、检测融合、估计融合、数据关联、异步信息融合和异类信息融合；也介绍了图像融合特别是遥感图像融合，智能交通中的信息融合，以及态势评估与威胁估计等内容。此外，本专著对大数据时代信息融合新的发展做了修订和补充。
本专著的特点是理论体系完整，材料取舍适当，适合从事多源信息融合理论研究和工程应用的专业技术人员参考，也可作为大学本科高年级学生、研究生特别是博士研究生的参考读物。
作者简介:
韩崇昭，陕西省乾县人，1943年生。1968年毕业于西安交通大学后入某兵工厂工作十年，于1981年进入中国科学院研究生院学习，获我国首批颁发的硕士学位后返回西安交通大学工作至今。1990年破格晋升为教授，1993年被国务院学位办批准为博士生导师，2013年以二级教授身份退休。曾赴英国伦敦城市大学和奥地利维也纳技术大学进行合作研究，四次以访问教授身份赴美国新奥尔良大学从事信息融合的合作研究。曾任中国自动化学会理事，《自动化学报》编委，陕西省人民政府参事，总装备部“导航、定位与测控技术专业组”专家等。长期从事多传感信息融合及决策理论与决策支持系统等方向的研究，曾获得国家基金及973项目的资助；曾担任某国防973项目的首席科学家。在国内外重要期刊或会议发表论文400多篇（2017年获得国际信息融合学会颁发的论文贡献证书），出版著作7部，获省部级以上科研成果奖7项、优秀教材奖1项；2011年，以“基于异构信息融合的非线性动态系统估计技术及应用”成果获奖人的身份获得国家科技进步二等奖。曾获得“杨嘉墀科技一等奖”。2013年，被评为“科学中国人（2013）年度人物”。
目录:
第1章绪论
1．1 多源信息融合的一般概念与定义
1．1．1 定义
1．1．2 多源信息融合的优势
1．1．3 应用领域
1．2 信息融合系统的模型和结构
1．2．1 功能模型
1．2．2 信息融合的级别
1．2．3 通用处理结构
1．3 多源信息融合主要技术和方法
1．4 信息融合要解决的几个关键问题
1．5 发展起源、现状与未来
1．5．1 信息融合发展的起源与现状
1．5．2 信息融合的未来发展
1．5．3 大数据时代对信息融合的挑战
1．6 小结
参考文献

第2章统计推断与估计理论基础
2．1 点估计理论基础
2．1．1 一般概念
2．1．2 Bayes点估计理论
2．1．3 BLUE估计
2．1．4 WLS估计
2．1．5 ML估计
2．1．6 PC估计
2．1．7 RLS估计与LMS估计
2．2 期望极大化（EM）方法
2．2．1 概述
2．2．2 EM算法描述
2．2．3 混合Gauss参数估计的EM算法实例
2．3 线性动态系统的滤波理论与算法
2．3．1 离散时间线性系统状态估计问题的一般描述
2．3．2 基本Kalman滤波器
2．3．3 信息滤波器
2．3．4 噪声相关的Kalman滤波器
2．4 非线性动态系统的滤波理论与算法
2．4．1 扩展Kalman滤波器（EKF）
2．4．2 UKF滤波
2．4．3 Bayes滤波
2．5 基于随机抽样的过程估计理论与算法
2．5．1 传统Bayes估计面临的挑战与解决的新思路
2．5．2 Monte Carlo仿真的随机抽样
2．5．3 Markov Chain Monte Carlo抽样
2．5．4 粒子滤波的一般方法
2．6 混合系统状态估计理论
2．6．1 一般描述
2．6．2 多模型方法简述
2．6．3 定结构多模型估计
2．6．4 交互式多模型算法
2．6．5 变结构多模型（VSMM）算法概述
2．7 小结
参考文献

第3章智能计算与识别理论基础
3．1 概述
3．1．1 模式识别的一般概念
3．1．2 智能学习与统计模式识别
3．2 粗糙集理论基础
3．2．1 信息系统的一般概念
3．2．2 决策系统的不可分辨性
3．2．3 集合近似
3．2．4 属性约简
3．2．5 粗糙隶属度
3．2．6 广义粗集
3．3 证据理论基础
3．3．1 概述
3．3．2 mass函数、信度函数与似真度函数
3．3．3 Dempster公式
3．3．4 证据推理
3．3．5 证据理论中的不确定度指标
3．3．6 证据理论存在的主要问题与发展
3．3．7 关于证据函数不确定性的研讨
3．4 随机集理论基础
3．4．1 一般概念
3．4．2 概率模型
3．4．3 随机集的mass函数模型
3．4．4 随机集与模糊集的转换
3．5 随机有限集概略
3．5．1 概述
3．5．2 随机有限集的概念
3．5．3 随机有限集的统计
3．5．4 典型RFS（随机有限集）分布函数
3．5．5 标签RFS
3．5．6 随机有限集的Bayes滤波
3．6 统计学习理论与支持向量机基础
3．6．1 统计学习理论的一般概念
3．6．2 学习机的VC维与风险界
3．6．3 线性支持向量机
3．6．4 非线性支持向量机
3．6．5 用于孤立点发现的One-class SVM算法
3．6．6 小二乘支持向量机
3．6．7 模糊支持向量机
3．6．8 小波支持向量机
3．6．9 核主成分分析
3．7 Bayes网络基础
3．7．1 Bayes网络的一般概念
3．7．2 独立性假设
3．7．3 一致性概率
3．7．4 Bayes网络推断
3．8 大数据时代的云计算
3．8．1 云计算的概念
3．8．2 云计算的快速发展
3．8．3 云计算对多源信息融合技术实现的影响
3．9 小结
参考文献
……
第4章目标跟踪
第5章检测融合
第6章估计融合
第7章数据关联
第8章异步融合
第9章图像融合
第10章异类融合
第11章智能交通与智能车辆的信息融合
第12章态势评估和威胁估计

查看详情

多源信息融合（第3版）（电子信息与电气工程技术丛书）

内容简介:

作者简介:

目录: