本書講述了多粒度信息融合的基本概念以及多粒度融合理論賴以發(fā)展的基礎(chǔ)理論，如Dempster-Shafe證據(jù)r理論、Dezert-Smarandache 理論、粗糙集、模糊集等；介紹了同/異鑒別框架下的多粒度融合、猶豫模糊信度下的多粒度融合和多粒度折扣信息融合。本書給出了典型算例詳盡的融合流程，以及多粒度融合的典型應(yīng)用，如多粒度人體行為動作識別等內(nèi)容，全書理論體系完整，應(yīng)用案例取舍適當(dāng)。
李新德，博士，東南大學(xué)教授，博士生導(dǎo)師，俄羅斯自然科學(xué)院外籍院士，科學(xué)中國人封面人物，中國人工智能學(xué)會智能機器人專委會副主任委員，中國人工智能學(xué)會智能產(chǎn)品與產(chǎn)業(yè)工作委員會副主任委員等。主要研究方向：機器視覺、機器感知、智能機器人、人機交互、無人系統(tǒng)等。2012年1月至2013年1月作為國家公派訪問學(xué)者在美國佐治亞理工大學(xué)訪問交流一年。2016年1月到9月在新加坡國立大學(xué)ECE系作Research Fellow。2010年入選東南大學(xué)優(yōu)秀青年教師培養(yǎng)計劃。2012年入選江蘇省青藍工程人才培養(yǎng)計劃。2013入選江蘇省高校優(yōu)秀創(chuàng)新團隊。2014年入選江蘇省六大高峰人才培養(yǎng)計劃。2016年入選IEEE Senior member。2017年入選東南大學(xué)國家杰青培育計劃。2019年入選廣東省珠江人才創(chuàng)新團隊。2020年擔(dān)任江蘇省重點研發(fā)計劃重點項目首席科學(xué)家。承擔(dān)包括863重點、國家自然科學(xué)基金重大研究計劃項目、面上項目、十三五預(yù)研重點項目、JKW163重點項目、JKW重大專項等國家級項目10+項、省部級項目8項，其它項目20+項。在IEEE匯刊IEEE Transactions on Industrial Electronics（TIE）、IEEE Trans. On Industrial Informatics（TII）, IEEE Trans. On Fuzzy System（TFS）、IEEE Transactions on Mechatronics.（TM） 、IEEE Transactions on Cognitive and Developmental Systems（TCDS）、IEEE Transactions on Instrumentation and Measurement（TIM）等國內(nèi)外核心期刊和會議發(fā)表SCI、EI收錄的論文100余篇，2篇Book Chapter，2部著作，授權(quán)國家發(fā)明專利18項，軟件著作權(quán)5個。獲國際科學(xué)貢獻獎、中國自動化學(xué)會科技進步一等獎、省自然科學(xué)三等獎、人工智能學(xué)會最佳青年科技成果獎、 十二五航空基金優(yōu)秀成果獎等各一項，并指導(dǎo)學(xué)生獲得2019年首屆貝式杯目標(biāo)檢測與識別挑戰(zhàn)賽特等獎等。
第1章 緒論1
1.1 經(jīng)典信息融合概述1
1.1.1 信息融合的概念1
1.1.2 發(fā)展現(xiàn)狀2
1.1.3 問題與挑戰(zhàn)26
1.2 多粒度信息融合概述28
1.2.1 背景與意義28
1.2.2 發(fā)展現(xiàn)狀29
1.2.3 問題與挑戰(zhàn)36
1.3 本書知識體系37
1.4 本章小結(jié)37
參考文獻37
第2章 基礎(chǔ)理論40
2.1 Dempster-Shafer證據(jù)理論40
2.1.1 基本概念40
2.1.2 Dempster組合規(guī)則42
2.1.3 優(yōu)缺點43
2.2 Dezert-Smarandache理論44
2.2.1 基本概念44
2.2.2 自由及混合模型47
2.2.3 融合推理規(guī)則48
2.2.4 優(yōu)缺點53
2.3 粗糙集理論54
2.3.1 基本概念54
2.3.2 經(jīng)典粗糙集模型55
2.3.3 決策規(guī)則58
2.3.4 優(yōu)缺點60
2.4 模糊集理論60
2.4.1 基本概念60
2.4.2 經(jīng)典模糊邏輯62
2.4.3 猶豫模糊推理63
2.4.4 優(yōu)缺點64
2.5 本章小結(jié)65
參考文獻65
第3章 同鑒別框架下多粒度信息融合方法68
3.1 引言68
3.2 單子焦元融合策略69
3.2.1 單子焦元分組69
3.2.2 融合規(guī)則71
3.2.3 算例分析74
3.3 復(fù)合焦元融合策略76
3.3.1 合取焦元解耦規(guī)則77
3.3.2 析取焦元解耦規(guī)則78
3.3.3 混合焦元解耦規(guī)則80
3.3.4 融合規(guī)則80
3.3.5 時間復(fù)雜度分析80
3.3.6 算例分析82
3.4 本章小結(jié)83
參考文獻84
第4章 異鑒別框架下多粒度信息融合方法85
4.1 引言85
4.2 基于等價關(guān)系的融合方法86
4.2.1 等價�？臻g構(gòu)建86
4.2.2 信度分配規(guī)則及融合規(guī)則89
4.2.3 算例分析90
4.3 基于層次關(guān)系的融合方法93
4.3.1 層次粒空間表征94
4.3.2 粒層信度轉(zhuǎn)換95
4.3.3 層次�？臻g融合規(guī)則98
4.3.4 算例分析100
4.4 本章小結(jié)101
參考文獻102
第5章 猶豫模糊信度融合方法104
5.1 引言104
5.2 單值猶豫模糊信度融合方法104
5.2.1 基本概念104
5.2.2 單值猶豫信度運算規(guī)則106
5.2.3 單值猶豫信度融合110
5.2.4 算例分析110
5.3 區(qū)間猶豫模糊信度融合方法112
5.3.1 基本概念112
5.3.2 區(qū)間猶豫信度運算規(guī)則114
5.3.3 區(qū)間猶豫信度融合116
5.3.4 算例分析117
5.4 本章小結(jié)120
參考文獻120
第6章 多粒度信息折扣融合方法122
6.1 引言122
6.2 證據(jù)可靠性度量122
6.2.1 多粒度證據(jù)源內(nèi)部焦元信息的度量指標(biāo)123
6.2.2 多粒度證據(jù)源之間的度量指標(biāo)124
6.3 折扣融合方法125
6.3.1 評分矩陣構(gòu)建125
6.3.2 證據(jù)支持度計算126
6.3.3 評估指標(biāo)權(quán)重計算128
6.4 仿真分析132
6.4.1 高沖突證據(jù)融合132
6.4.2 不精確證據(jù)融合137
6.4.3 蒙特卡羅實驗140
6.5 本章小結(jié)143
參考文獻144
第7章 多粒度信息融合應(yīng)用研究146
7.1 引言146
7.2 同鑒別框架下基于多粒度信息融合的行為識別148
7.2.1 多粒度行為分層建模148
7.2.2 基于ELM和信度函數(shù)理論的多粒度行為建模150
7.2.3 行為決策151
7.2.4 實驗分析與討論154
7.3 異鑒別框架下基于多粒度信息融合的行為識別162
7.3.1 數(shù)據(jù)預(yù)處理與多層次劃分163
7.3.2 改進swin-transformer分類器167
7.3.3 雙速采樣的雙流網(wǎng)絡(luò)分類器173
7.3.4 支持向量機模型177
7.3.5 行為決策178
7.3.6 實驗分析與討論181
7.4 基于猶豫模糊信度融合的行為識別185
7.4.1 猶豫模糊信度構(gòu)建185
7.4.2 行為決策186
7.4.3 實驗分析與討論186
7.5 基于多粒度信息折扣融合的行為識別189
7.5.1 證據(jù)可靠性評估190
7.5.2 折扣融合模型190
7.5.3 行為決策191
7.5.4 實驗分析與討論193
7.6 本章小結(jié)198
參考文獻
書單推薦
