劉準钆、潘泉、Jean Dezert、周曠、焦連猛著
的《不確定數據信任分類與融合》面向高層(決策層)
信息融合，深入繫統地介紹作者在不確定數據信任分
類與多源信息融合推理方面的重要研究進展。首先，
介紹一種全新的基於證據推理框架的信任分類模型，
其主要處理不確定信息建模分析問題。面向不同情況
，本書講述如不確定數據信任C均值/中值聚類算法、
關繫數據多中心信任聚類算法、信任K近鄰分類器、
快速信任分類器以及不完整數據信任分類器等多種方
法，將多個信任分類器通過融合推理能夠得到更全面
可靠的信息，提高判斷決策的準確性。因此，本書還
介紹信源可靠度不同情況下的自適應加權折扣融合方
法，解決高衝突信息融合問題。並且，介紹面向多源
多時相信息融合發展動態證據推理，解決目標識別與
變化檢測一體化問題。
本書內容力求繫統性和實用性，覆蓋作者在該領
域最新的研究進展，可以為從事信息融合、機器學習
及模式識別等領域的科技工作者提供參考借鋻。

前言
第1章 緒論
1.1 戰略預警中的信息融合
1.2 證據推理簡介
1.3 不確定數據分類
1.3.1 不確定數據無監督聚類
1.3.2 不確定數據有監督分類
1.3.3 不完整數據分類
1.4 多源不確定數據融合
1.4.1 證據融合規則
1.4.2 證據修正法
第2章 不確定數據信任C均值聚類算法
2.1 引言
2.2 證據C均值算法簡述及分析
2.3 信任C均值聚類算法
2.3.1 BCM。的基本原理
2.3.2 BCM。的目標函數
2.3.3 *小化目標函數。1 BCM
2.4 關繫信任C均值聚類算法
2.5 信任劃分的近似
2.6 實驗分析
2.6.1 珍珠數據
2.6.2 人工合成數據示例
2.6.3 真實數據
2.6.4 遙感圖像分類
2.7 本章小結
第3章 關繫數據信任c中值聚類算法
3.1 引言
3.2 信任C中值聚類
3.2.1 目標函數
3.2.2 目標函數優化
3.2.3 模型參數
3.3 基於MECM的網絡社區發現
3.3.1 信任模塊函數
3.3.2 基於：MECM的社區檢測算法
3.4 實驗分析
3.4.1 重疊數據集
3.4.2 高斯數據集
3.4.3 人工合成網絡數據集
3.4.4 真實網絡數據集
3.5 本章小結
第4章 關繫數據多中心信任聚類算法
4.1 引言
4.2 多中心模糊聚類簡介
4.3 多中心信任聚類算法
4.3.1 基於單中心的信任聚類
4.3.2 基於樣本加權的多中心信任聚類
4.4 實驗分析
4.4.1 重疊數據集
4.4.2 X12 數據集
4.4.3 X11 數據集
4.4.4 空手道俱樂部
4.4.5 UCI數據集
4.5 本章小結
第5章 不確定數據廣義信任K近鄰分類器
5.1 引言
5.2 證據K近鄰算法簡介及分析
5.3 廣義信任K近鄰分類器
5.3.1 構造基本信任指派
5.3.2 融合基本信任指派
5.3.3 參數的優化
5.3.4 BK.NN的分類表達能力分析
5.4 ：實驗分析
5.4.1 人工合成數據示例
5.4.2 真實數據
5.4.3 目標識別數字算例
5.5 本章小結
第6章 基於類中心的不確定數據廣義信任分類器
6.1 引言
6.2 基於類中心的廣義信任分類方法
6.2.1 子分類結果計算
6.2.2 多分類結果融合
6.2.3 參數調整規則
6.3 實驗分析
6.3.1 人工合成數據示例
6.3.2 仿真分析
6.3.3 真實數據
6.4 本章小結
第7章 不確定數據快速廣義信任分類方法
7.1 引言
7.2 快速廣義信任分類規則
7.2.1 估計各類中心向量
7.2.2 計算基本信任指派
7.3 仿真實驗分析
7.3.1 實驗1：兩類問題仿真數據
7.3.2 實驗2：四類問題仿真數據
7.3.3 實驗3：大數據量樣本仿真實驗
7.3.4 實驗4：真實數據集
7.4 本章小結
第8章 不確定數據信任規則分類方法
8.1 引言
8.2 信任規則分類繫統
8.2.1 信任規則結構
8.2.2 基於數據驅動的信任規則庫構建
8.2.3 信任推理方法
8.3 實驗分析
8.3.1 實驗設置
8.3.2 分類正確率評估
8.3.3 分類魯棒性評估
8.3.4 時間復雜度分析
8.4 本章小結
第9章 不確定訓練數據與專家知識復合信任規則分類方法
9.1 引言
9.2 復合信任規則分類繫統
9.2.1 基於知識驅動的信任規則庫構建
9.2.2 復合信任規則庫構建
9.3 基於不確定訓練數據與專家知識的多源目標識別
9.3.1 問題描述
9.3.2 目標識別復合信任規則庫構建
9.3.3 對比分析
9.3.4 參數分析
9.4 本章小結
**0章 不完整數據廣義信任分類器
10.1 引言
10.2 不完整數據廣義信任分類算法
10.2.1 缺失屬性值的估計
10.2.2 帶有估計值的樣本分類
10.2.3 C個折扣分類結果的融合
10.3 仿真實驗
10.3.1 人工合成數據示例
10.3.2 仿真分析
10.3.3 真實數據
10.4 本章小結
**1章 多源信息自適應折扣融合
11.1 引言
11.2 證據距離
11.2.1 Jousselme距離和Bhattacharyya距離
11.2.2 基於概率框架的證據距離
11.3 證據間的內在衝突
11.4 新的證據不一致性量測
11.5 多源證據折扣因子的確定
11.6 多傳感器目標識別數字算例
11.7 基於ISR，仿真實驗平臺的多源信息目標識別
11.7.1 基於HLA的ISR仿真實驗平臺構架及聯邦設計
11.7.2 多源決策層信息融合模型
11.7.3 多源信息融合目標識別仿真
11.8 本章小結
**2章 動態證據推理
12.1 引言
12.2 動態證據推理
12.2.1 狀態轉移空間
12.2.2 動態證據推理融合規則
12.2.3 先驗信息下的條件推理
12.2.4 動態證據推理的決策支持
12.3 變化檢測數字算例
12.4 基於動態證據推理的遙感圖像變化檢測
12.4.1 簡化的信任C均值聚類算法
12.4.2 兩幅異質遙感圖像(ERS&SPOT)融合
12.4.3 三幅序列遙感圖像的融合
12.5 本章小結
參考文獻