不确定性理论与多传感器数据融合/国际信息工程先进技术译丛

《不确定性理论与多传感器数据融合》作者阿兰•阿皮诺（Alain Appriou）是来自法国的知名专家，《不确定性理论与多传感器数据融合》讨论了目前业界热点的物联网（传感器网）技术，以及大数据的融合问题，并将物联网和大数据两个热点技术完美结合！

《不确定性理论与多传感器数据融合》紧紧围绕不确定性理论与多传感器数据融合发展过程中的热点问题，运用不确定性理论对多传感器数据融合处理的不同阶段，由浅入深地对数据建模、不同信息片段的可靠性评估、从不同视角选择信息分析和传播的框架、组合不同来源或与观察到的情况有关的决策等方面内容进行了全面深入的探讨。《不确定性理论与多传感器数据融合》共分为9章，涉及多传感器数据融合、引用形式体系、集合管理与信息传播、信息可靠性管理、信源组合、数据建模、分类（信源多样性的决策利用）、空间维度（数据联合）、时间维度（跟踪）等。《不确定性理论与多传感器数据融合》材料丰富，体系结构完整，内容新颖翔实，知识系统全面，行文通俗易懂，兼备知识性、系统性、可读性、实用性和指导性。《不确定性理论与多传感器数据融合》可作为从事网络通信、云计算、人工智能、大数据方向的应用与研发设计人员、技术经理和相关管理人员的参考书，也可作为高等院校信息通信与计算机等相关专业的高年级本科生及研究生的参考书。

Alain Appriou是法国航空航天实验室ONERA的研发总监。他是法国电力电子科学协会(Scientific Society for Electricity and EIectronics，SEE)的名誉会员，并获得过Ampere奖章。目前，他是ONERA的总体所副所长、SEE负责技术小组的副会长。他曾负责研究有关信号、图像和信息的处理、复杂系统开发、计算方法、雷达技术、导航及制导等领域，现在负责协调航空航天研究。他个人主要的科学贡献一方面在于传感器系统的数据融合和信号处理，另一方面是不确定性理论的理论发展。

目录


译者序

前言

引言

第1章多传感器数据融合

11面临的挑战

12存在的问题

121数据诠释与建模

122可靠性处理

123知识传播

124模糊数据匹配

125信源组合

126决策

13解决方案

131有用理论的综述

132流程架构

14多传感器数据融合定位

141问题的特殊性

142多传感器数据融合的应用

第2章引用形式体系

21概率

22模糊集

23可能性理论

24可信度函数理论

241基本函数

242一些特别有用的情况

243调节/失调

244细化/粗化

第3章集合管理与信息传播

31模糊集：不精确性的传播

32概率和可能性：针对不确定性的同样方法

33可信度函数：传播的总体视图

331一个通用运算：扩展

332具有最小特异性的质量分布函数的阐述

333扩展运算的直接利用

34应用实例：随时间推移的知识更新

第4章信息可靠性管理

41能度视图

42可信度函数的剔除

43可靠性综合处理

44信源的有效性域管理

45多光谱图像像素融合的应用

46评估问题的构想

第5章信源组合

51概率：即用的解决方案，贝叶斯推理

52模糊集：公理理解

53可能性理论：基本原理的简易途径

54可信度函数理论：传统方法

55组合的一般方法：任何集合和逻辑

56冲突管理

57回到Zadeh悖论

第6章数据建模

61信号特性

62概率：即刻考虑

63可信度函数：一个开放式的总体框架

631整合数据到融合过程

632普遍问题：Cij值的建模

633采用随机学习的建模测量

634采用模糊学习的建模测量

635可信度函数模型的概述

64可能性：一种类似的方法

65应用于分类的教学范例

第7章分类：信源多样性的决策利用

71决策：选择最可能的假想

72决策：确定最可能的假想集

73决策运算的性能：一些实际的例子

74信源多样性的利用：二元比较的整合

75信源多样性的利用：基于不同但交叠集的分类

76属性多样性的利用：机载图像数据融合的应用示例

第8章空间维度：数据联合

81数据联合：多传感器数据融合不可避免的多样性问题

82数据联合的普遍方法构建

83方法实施的简例

第9章时间维度：跟踪

91跟踪：开发多传感器数据融合的优点

92贝叶斯滤波器的表示

921统计门控

922更新

923预测

93信号判别过程

931每个分解单元级别的融合

932确认门控级别的融合

933辨别方法实际实施的概述

94基础MSF的扩展

941数据联合

942多目标的联合跟踪

943多模型滤波

95应用实例

951提取能力

952陌生特征的处理

953空间模糊观察的跟踪

结论

参考文献

前言

随着社会的发展和科学技术的进步，人们所面对的世界日益复杂，信息收集和保存的数量日益增加，信息利用和处理的复杂度不断增长，人们常常不仅要面对大数量、多维数、种类繁多的信息，而且常被要求对这些信息做出快速、及时的反应。不确定性现象是客观事物的本质属性。作为信息融合系统的关键技术之一，多传感器数据融合技术越来越受到人们的关注，与此相关的理论和技术在学术界引起研究热潮。近年来，国内外出现了大量的关于不确定性理论和多传感器数据融合技术的研究文献，也取得了一系列重要研究成果。但是在国内学术界和教育界关于不确定性理论与多传感器数据融合相结合研究成果的介绍还比较少见。为了进一步系统开展这方面的研究和人才培养，急需出版相关领域的图书。
本书共分为9章：第1章介绍多传感器数据融合，清楚地定义了“多传感器数据融合” 课题与其内在需求的不同方面，第2章介绍引用形式体系，介绍了相关的基本原理和不同理论并进行了比较分析；随后的各章节依次讨论了各特定功能的细节以构建一套完整操作的渐进结构：第3章为集合管理与信息传播，第4章为信息可靠性管理，第5章为信源组合，第6章为数据建模，第7章为分类（信源多样性的决策利用），第8章为空间维度（数据联合），第9章为时间维度（跟踪）。在第3~9章的每章节中，研究了从每个理论框架中得出的解决方案，无论是从具有竞争力的视角或是基于不同解决方案的组合，研究的功能涉及处理的不同阶段：数据建模、不同信息片段的可靠性评估、从不同视角选择信息分析和传播的框架、组合不同来源或与观察到的情况有关的决策。诸如模糊数据匹配或车辆跟踪的一般问题的完整的处理技术的部署，也在这些章节中进行了讨论。最后，根据不确定性理论对多传感器数据融合的贡献得出结论。
当前，随着人工智能技术、传感器技术、大数据技术、云计算技术领域的蓬勃发展和突飞猛进，不确定性理论和信息融合技术研究日益深入，多传感器数据融合技术的应用领域将愈加广泛。当然，作为一个与时俱进的新型学科发展方向，此领域中仍然存在着尚待探索的课题。随着研究的不断深入，一方面很多悬而未决的问题将迎刃而解，另一方面新的问题也会不断涌现。本书的适用对象为从事或关心网络通信、云计算、人工智能、大数据研究的研究开发工作人员、企事业单位工作人员、社会公众以及高等院校通信类、计算机类专业师生。