●第1章 緒 論1
1.1 問題的來源1
1.2 面臨的挑戰2
1.3 相關研究情況4
1.4 本書的概貌7
第2章 相關的數學基礎11
2.1 引言11
2.2 度量空間與常用距離11
2.2.1 度量空間11
2.2.2 常用距離12
2.3 灰色繫統13
2.3.1 區間灰數與灰關聯分析13
2.3.2 灰靶理論20
2.4 模糊數學21
2.4.1 模糊集及運算22
2.4.2 三角模糊數和區間數23
2.4.3 二型模糊集24
2.4.4 區間值模糊集24
2.4.5 直覺模糊集25
2.4.6 猶豫模糊集29
2.5 語義計算33
2.5.1 語義表示基本方法33
2.5.2語義模型34
2.5.3 猶豫模糊語義標簽集35
2.5.4 概率語義標簽集35
2.5.5 連續語義標簽集35
2.6 雲模型36
2.6.1 定義及特征36
2.6.2 正態雲37
2.6.3 雲變換37
2.7 本章小結38
第3章 異步雷達航跡的直接關聯39
3.1 引言39
3.2 異步雷達航跡關聯的傳統處理方式39
3.2.1 問題描述39
3.2.2 時域配準40
3.3 異步雷達航跡的區間化描述43
3.3.1 點跡―區間描述43
3.3.2 區間―區間描述44
3.3.3 區實混合序列描述45
3.3.4 搜索式區間灰數描述46
3.4 異步雷達航跡的相似度量47
3.4.1 區間灰數的灰關聯度47
3.4.2 加權滑窗序列的折線相似度50
3.4.3 序列離散度54
3.5 異步雷達航跡直接關聯模型55
3.5.1 基於區間灰數灰關聯度的異步航跡關聯55
3.5.2 基於加權滑窗序列折線相似度的異步航跡關聯57
3.5.3 基於序列離散度的異步航跡關聯58
3.6 復雜情況異步雷達航跡的直接關聯59
3.6.1 航跡的分叉與合並59
3.6.2 區間序列的分段劃分60
3.7 算法仿真與性能分析61
3.7.1 仿真環境設置61
3.7.2 算法性能比較62
3.7.3 航跡分叉合並情況的可辨性分析64
3.8 本章小結66
第4章 異步雷達航跡的抗差關聯67
4.1 引言67
4.2 繫統誤差對雷達航跡關聯的影響67
4.2.1 問題描述67
4.2.2 對繫統誤差的處理68
4.3 繫統誤差的區間描述69
4.3.1 區間描述原理69
4.3.2 矩形投影法70
4.3.3 圓覆蓋法72
4.3.4 微分法73
4.3.5 區間描述的精度分析75
4.4 繫統誤差下雷達航跡的相似度量77
4.4.1 區間灰數的灰關聯度77
4.4.2 區域集合相似度78
4.4.3 區間序列離散度80
4.5 同步雷達航跡的抗差關聯82
4.5.1 基於區間灰數的航跡抗差關聯82
4.5.2 基於區域集合相似度的航跡抗差關聯85
4.5.3 基於區間序列離散度的航跡抗差關聯86
4.6 異步雷達航跡的抗差關聯87
4.6.1 串行處理方式87
4.6.2 直接處理方式89
4.7 算法仿真與性能分析89
4.7.1 仿真環境設置89
4.7.2 算法性能比較90
4.8 本章小結93
第5章 雷達與ESM航跡的關聯95
5.1 引言95
5.2 異地配置的雷達與ESM異步航跡關聯96
5.2.1 異步航跡交叉定位的區間化處理96
5.2.2 不等長航跡序列的等長區間變換97
5.2.3 基於區間離散度的異地配置的雷達與ESM異步航跡關聯99
5.3 修正極坐標繫下雷達與ESM航跡的對準關聯101
5.3.1 雷達與ESM濾波方程101
5.3.2 構造關聯統計量102
5.4 繫統誤差對同地配置雷達與ESM航跡關聯的影響103
5.4.1 繫統誤差對關聯統計量的影響103
5.4.2 對非中心參數和正確關聯概率的影響104
5.5 同地配置的雷達與ESM航跡對準關聯108
5.6 同地配置的雷達與ESM航跡抗差關聯109
5.6.1 繫統誤差下雷達與ESM航跡的區間描述110
5.6.2 基於區間重合度的雷達與ESM航跡抗差關聯111
5.7 異地配置的雷達與ESM航跡抗差關聯113
5.7.1 繫統誤差下雷達與ESM航跡的相似度量113
5.7.2 基於目標拓撲信息的雷達與ESM航跡抗差關聯114
5.7.3 基於區間離散度的雷達與ESM航跡抗差關聯117
5.8 算法仿真與性能分析118
5.8.1 仿真環境設置119
5.8.2 算法性能比較119
5.9 本章小結125
第6章 區間數據的關聯126
6.1 引言126
6.2 基於區間證據的區間數據關聯126
6.2.1 問題描述126
6.2.2 基於區間相似度的BPA生成127
6.2.3 關聯流程129
6.2.4 仿真實驗131
6.3 基於直覺模糊集的區間數據關聯133
6.3.1 問題描述133
6.3.2 雲模型數字特征的估計133
6.3.3 確定度向隸屬度與非隸屬度的轉化135
6.3.4 動態權重136
6.3.5 基於去模糊距離測度的TOPSIS方法137
6.3.6 關聯流程139
6.3.7 仿真實驗140
6.4 本章小結145
第7章 直覺模糊數據的關聯146
7.1 引言146
7.2 直覺模糊數的幾何表示147
7.2.1 二維幾何表示147
7.2.2 三維幾何表示151
7.3 去模糊化距離測度153
7.3.1 現有距離違背直覺性分析153
7.3.2 提取直覺模糊特征154
7.3.3 去模糊化距離157
7.4 基於去模糊化距離的關聯162
7.4.1 目標識別問題162
7.4.2 多屬性決策問題163
7.5 仿真分析164
7.5.1 數值算例164
7.5.2 目標識別算例167
7.5.3 多屬性決策算例169
7.6 本章小結170
第8章 猶豫模糊型數據關聯中的加權綜合相關繫數法171
8.1 引言171
8.2 現有猶豫模糊集相關繫數的局限性172
8.3 猶豫模糊集的加權綜合相關繫數174
8.3.1 猶豫模糊集及猶豫模糊數的一些基本定義174
8.3.2 猶豫模糊集的三種基本相關繫數175
8.3.3 加權綜合相關繫數178
8.4 基於猶豫模糊加權綜合相關繫數的數據關聯181
8.4.1 經典TOPSIS方法181
8.4.2 猶豫模糊環境下TOPSIS方法的局限性182
8.4.3 基於猶豫模糊加權綜合相關繫數的改進型TOPSIS方法183
8.5 仿真分析187
8.5.1 數值仿真188
8.5.2 目標識別算例188
8.5.3 目標分類算例189
8.5.4 多屬性決策算例193
8.4 本章小結196
第9章 猶豫模糊數據關聯中的特征距離測度法198
9.1 引言198
9.2 新的猶豫模糊比較法則199
9.2.1 現有比較法則的局限性199
9.2.2 新的比較法則200
9.3 猶豫模糊集特征距離202
9.3.1 猶豫模糊數的均值距離202
9.3.2 猶豫模糊數的特征距離206
9.3.3 猶豫模糊集的特征距離208
9.3.4 與現有距離方法的對比211
9.4 基於猶豫模糊特征距離測度的數據關聯213
9.4.1 經典TODIM方法213
9.4.2 基於猶豫模糊特征距離的改進型TODIM方法214
9.5 仿真分析216
9.5.1 與現有距離度量的比對216
9.5.2 目標識別算例217
9.5.3 威脅等級估計算例220
9.6 本章小結223
第10章 語義數據的關聯225
10.1 引言225
10.2 連續概率猶豫模糊語義標簽226
10.3 連續概率猶豫模糊語義標簽的距離測度227
10.3.1 基於標簽效能值的CPHFLTS距離測度228
10.3.2 基於概率標簽組合的CPHFLTS距離測度230
10.4 基於語義標簽距離測度的數據關聯232
10.5 仿真分析235
10.5.1 多屬性決策算例235
10.5.2 與TOPSIS方法對比分析238
10.6 本章小結240
第11章 異類數據的粒層轉化241
11.1 引言241
11.2 異類數據的粒結構劃分242
11.3 異類數據的粒層轉化244
11.3.1 特征層的粒層統一245
11.3.2 決策層的粒層統一249
11.4 粒層並行的數據關聯251
11.4.1 決策層異類數據的粒層並行粒度計算252
11.4.2 粒層並行的數據關聯流程252
11.5 粒層轉化的數據關聯253
11.5.1 問題描述253
11.5.2 粒層轉化的數據關聯流程254
11.6 本章小結255
第12章 序列數據和區間數據的關聯257
12.1 引言257
12.2 短時序列數據與區間數據的關聯257
12.2.1 短時序列與區間數的距離258
12.2.2 基於灰關聯的短時序列―區間異類數據關聯260
12.3 基於雲變換的累積量測序列與區間數據的關聯261
12.3.1 序列?區間異類數據同型轉化261
12.3.2 序列?區間異類數據的關聯266
12.4 仿真分析272
12.4.1 短時序列?區間異類數據關聯仿真272
12.4.2 累積量測序列?區間異類數據關聯仿真273
12.5 本章小結282
第13章 多源異類數據的關聯283
13.1 引言283
13.2 基於靶心距的異類數據關聯284
13.2.1 問題描述284
13.2.2 新的灰靶決策方法285
13.3.3 仿真分析294
13.3 基於信任區間交互式多屬性的異類數據關聯298
13.3.1 問題描述298
13.3.2 信任區間的構建定理300
13.3.3 決策模型的確立301
13.3.4 信任區間交互式多屬性決策303
13.3.5 仿真實驗307
13.4 本章小結310
第14章 決策層數據的融合312
14.1 引言312
14.2 信度函數理論313
14.2.1 信度函數模型313
14.2.2 Dempster組合規則314
14.2.3 現有改進的組合規則315
14.3 互補信度集成316
14.3.1 互補信度的概念317
14.3.2 基於互補信度的集成規則317
14.3.3 考慮信度權重的集成規則319
14.3.4 修正的信度集成規則320
14.4 信度區間集成321
14.4.1 信度函數的信度區間表示322
14.4.2 信度區間集成規則323
14.4.3 修正的信度區間集成規則325
14.4.4 基於信度區間集成規則的決策327
14.5 仿真分析328
14.5.1 信度區間集成規則的算例驗證328
14.5.2 信度集成規則的目標識別330
14.5.3 基於概率轉換的對比分析334
14.6 本章小結335
第15章 回顧與展望336
15.1 研究回顧336
15.2 方向展望337
參考文獻338
本書聚焦綜合信息繫統智能化的關鍵和難點，摒棄傳統的處理模式，充分利用數據的不確定性信息，就區間、序列、直覺模糊、猶豫模糊、語義等不同類型數據的相似度量、粒層轉化、識別決策等開展了較為繫統、深入的研究，構建異類數據間統一的粒層轉換框架，解決不同類型數據間的相似度量、跨層關聯與融合問題。全書共分15章，第1章介紹問題的來源和研究思路；第2章介紹相關數學知識；第3～5章介紹利用數據的不確定性，基於異類數據之間的相關度量，進行雷達、ESM等異步航跡的直接抗差關聯；第6～10章討論了直覺模糊、猶豫模糊、語義等類型數據的相似度量；第11～14章討論了特征層、決策層上的粒層統一、粒層轉換、關聯與融合問題；第15章為回顧與展望。本書基礎理論與實際應用、一般模型與特殊情況、實例與算例並重，按照從具體到抽像、先部分後整體、先單數據粒後多源數據粒的思路，由淺入深，層層遞進。本書可為多源信息融合、智能推理決策等相等
