序言
前言
章 绪论 1
1.1 信息的不确定 1
1.2 可能与可能理论 3
1.3 可能理论与概率论的比较 4
1.4 可能理论的发展过程 7
1.5 可能理论的应用 10
参考文献 12
第2章 可能理论的基本概念 17
2.1 可能分布 17
2.1.1 一元可能分布 17
2.1.2 可能分布和隶属函数的关系 18
2.1.3 可能分布的表示方法 19
2.1.4 多元可能分布 20
2.2 可能测度、必然测度及可信测度 21
2.2.1 可能测度及其质 21
2.2.2 必然测度及其质 22
2.. 可能测度和必然测度的关系 24
2.2.4 可信测度及其质 26
. 可能截集 27
..1 可能截集及其质 27
..2 分解定理 28
.. 扩张原理 31
2.4 可能分布的数字特征 32
2.4.1 可能区间数及其运算质 33
2.4.2 矩 35
2.4.3 不确定熵 37
2.4.4 质心 38
2.5 本章小结 38
参考文献 39
第3章 可能分布的构造 41
3.1 概率分布到可能分布的转化 41
3.1.1 离散条件下的转化方法 42
3.1.2 连续条件下的转化方法 43
3.1.3 转化规律及其明 45
3.2 基于模糊数学的可能分布构造 47
3.2.1 模糊统计法 48
3.2.2 二元对比排序法 50
3.. 集值统计法 55
3.2.4 模糊函数构造法 57
3.3 利用线回归构造可能分布 59
3.3.1 线回归模型 59
3.3.2 回归效果的显著检验 61
3.3.3 构造步骤 63
3.4 基于可能均值的可能分布构造 67
3.4.1 构造步骤 68
3.4.2 可能分布的函数类型 69
3.5 基于小样本数据的可能分布 69
3.5.1 小样本数据 69
3.5.2 构造原理及方法 71
3.6 本章小结 75
参考文献 75
第4章 可能分布的相似测度 77
4.1 相似测度 77
4.1.1 距离测度 77
4.1.2 贴近度 79
4.1.3 包含度 81
4.2 线可能分布的相似测度 81
4.2.1 质心法 81
4.2.2 线可能分布的相似测度计算方法 84
4.3 非线可能分布的相似测度 87
4.3.1 非线可能分布的相似测度及其质 7
4.3.2 相似测度计算方法的比较 89
4.4 本章小结 91
参考文献 91
第5章 可能分布的合成 93
5.1 可能分布合成的基本概念 93
5.2 可能分布间的基本运算 94
5.3 可能分布合成的形式 96
5.4 可能分布合成方法的分类 97
5.5 基于多算子的可能分布合成法 97
5.6 基于对数回归加权的非线可能分布合成法 100
5.6.1 对数回归加权合成方法 100
5.6.2 实例分析 101
5.7 基于确定度的可能分布合成法 106
5.7.1 特征参数与检测能间的关系 106
5.7.2 可能分布确定度计算 107
5.7.3 实例分析 109
5.8 本章小结 111
参考文献 112
第6章 可能集值映 113
6.1 集值映 113
6.2 模糊备域及其基本质 114
6.3 可能落影 115
6.3.1 可能落影的定义及其质 115
6.3.2 联合可能落影 116
6.4 可能集值映及其运算 117
6.4.1 可能集值映 117
6.4.2 可能集值映之间的运算 117
6.5 集值鞅与完备格 120
6.5.1 集值鞅 120
6.5.2 完备格 121
6.6 本章小结 1
参考文献 1
第7章 基于可能理论的决策方法 124
7.1 故障树分析法 124
7.1.1 故障树分析法的特点 124
7.1.2 故障树分析的流程 124
7.1.3 实例分析 131
7.2 基于可能分布据体合成的有序可靠度决策方法 133
7.2.1 据理论 133
7.2.2 可能mass函数 134
7.. 评估准则 137
7.2.4 有序可靠度权重分配 138
7.2.5 实例分析 140
7.3 基于可能理论的扩展TOPSIS决策方法 143
7.3.1 TOPSIS方法 143
7.3.2 扩展TOPSIS方法 145
7.3.3 实例分析 148
7.4 本章小结 150
参考文献 150
第8章 可能理论在尾矿坝风险评估中的应用 153
8.1 监测指标信息的可能表征 153
8.1.1 库水位、干滩长度及坝体位移的可能分布 154
8.1.2 浸润线的可能分布 159
8.2 风险模态信息的可能表征 170
8.3 监测指标与风险模态之间的可能集值映 174
8.3.1 监测指标集和风险模态集的构建 174
8.3.2 监测指标集与风险模态集之间映关系的建立 174
8.4 基于可能分布似测度的信息融合风险评估模型 179
8.4.1 可能分布间相似测度的计算 179
8.4.2 可能据体的生成 181
8.4.3 风险评估模型的建立 183
8.4.4 实例分析 183
8.5 本章小结 185
参考文献 186
第9章 可能理论在LAR数据车辆区域提取中的应用 189
9.1 LAR数据车辆区域特征提取方法 189
9.1.1 基于可能理论的方法流程 189
9.1.2 车辆区域特征分析 191
9.2 预识别区域提取 193
9.2.1 高度阈值分类 193
9.2.2 面积阈值分类 194
9.3 可能分布构造与合成方法的选择 194
9.3.1 可能分布的构造 194
9.3.2 可能分布的合成 195
9.4 长宽比和区域强度比的可能表征 196
9.4.1 长宽比的可能分布构造 196
9.4.2 区域强度比的可能分布构造 197
9.4.3 两种分布的合成 199
9.5 实例分析 200
9.6 本章小结 203
参考文献 203
0章 可能理论在地面目标识别中的应用 205
10.1 目标信息的运算 205
10.1.1 数值型信息的运算 206
10.1.2 枚举型信息的运算 206
10.2 可能航迹关联方法 207
10.2.1 目标运动模型 207
10.2.2 航迹粗关联 209
10.. 关联特征与权向量的确定 210
10.2.4 传感器量测值可能分布的构造 211
10.2.5 可能航迹关联 213
10.2.6 实例分析 214
10.3 可能目标识别方法 218
10.3.1 目标特征的可能表示 218
10.3.2 基于可能运算的目标识别 219
10.3.3 实例分析 220
10.4 本章小结 222
参考文献 222
1章 可能理论在红外图像融合中的应用 2
11.1 差异特征类集与融合算法集 2
11.1.1 差异特征类集构建 2
11.1.2 融合算法集构建 226
11.2 差异特征对融合算法的融合有效度分布 227
11.2.1 融合有效度分布的构造 227
11.2.2 融合有效度分布的合成 228
11.3 差异特征类集与融合算法集之间的可能集值映 0
11.4 图像融合模型 1
11.4.1 融合原理 1
11.4.2 融合结果及评价 1
11.5 本章小结
参考文献
彩图
非常抱歉，您前期未参加预订活动，
无法支付尾款哦！
