情境增強信息融合(以領域知識推進真實系統性能)

作者：(意)Lauro Snidaro//(西)Jes?s Garc?a//(美)James Llinas//Erik Blasch|責編:張正梅|譯者:熊偉//王鵬//袁富宇//史璞
出版社：電子工業
ISBN：9787121393013

出版日期：2020/09/01
裝幀：平裝
頁數：532

人民幣：RMB 209 元售價：元

內容大鋼

本書詳細介紹了情境增強信息融合的基礎推理、理論和方法，包括融合過程設計和實現中的情境影響，書中彙集了該領域頂尖專家的最新研究成果。全書分六個部分：基本原理、用於融合的情境概念、情境融合的系統觀念、情境的數學特徵、硬∕軟融合中的情境以及情境方法在融合中的應用。本書強調高級別信息融合和低級別信息融合之間的平衡問題，以描述在苛刻條件下的性能改進；強調組合不同領域的先進技術，以克服單一視角、傳統計算和傳統上應用於特定領域數據和信息融合程序的局限性。最後，介紹了所選擇的需要注入情景知識的有代表性的應用領域，例如，視覺系統，港口監視、機器人和環境智能等。

作者介紹

(意)Lauro Snidaro//(西)Jes?s Garc?a//(美)James Llinas//Erik Blasch|責編:張正梅|譯者:熊偉//王鵬//袁富宇//史璞

第一部分  基本原理
  第1章  情境和融合：定義、術語
    1.1  信息融合導論
    1.1.1  數據（信息）融合的定義
    1.1.2  信息融合「級別」
    1.1.3  關於IF體系結構中數據和信息的備註
    1.1.4  進一步的參考資料
    1.2  融合中的情境
    1.3  對信息融合和情境的展望
    1.3.1  不同於焦點前提的情境前提
    1.3.2  信息融合過程的含義
    1.3.3  集成情境至信息融合過程
    1.4  結論
    致謝
    致參考文獻
第二部分  用於融合的情境概念
  第2章  信息融合的「情境」形式化
    2.1  引言
    2.2  何為情境？
    2.3  情境和知識
    2.4  情境形式化
    2.5  情境和信息質量
    2.6  情境和自然語言理解
    2.7  結論
    致參考文獻
  第3章  情境：一個不確定源
    3.1  信息融合過程中的不確定性
    3.2  關於情境信息中不確定性的文獻研究
    3.3  情境的分類
    3.4  本體論的作用和概率本體論
    3.5  情境信息質量
    3.5.1  不確定性變換
    3.5.2  相互矛盾的、可疑的和不一致的信息
    3.6  用例討論
    3.6.1  港口防護威脅評估
    3.6.2  情境因素和情境信息類別
    3.6.3  關注的事件
    3.6.4  情境的不確定性維數
    3.7  結論
    致參考文獻
  第4章  信息融合中的情境跟蹤方法
    4.1  引言
    4.2  情境跟蹤方法的背景
    4.3  情境跟蹤
    4.4  情境跟蹤的機器分析
    4.5  情境跟蹤中的感測器、目標和環境
    4.5.1  特徵跟蹤和辨識（目標）
    4.5.2  廣域運動圖像（感測器）
    4.5.3  態勢和場景（環境）
    4.6  受道路約束的跟蹤和辨識示例

    4.6.1  道路網路（環境）
    4.6.2  目標測量模型（感測器）
    4.6.3  十字路口的目標模型（目標）
    4.6.4  情境跟蹤示例——結果
    4.7  討論
    4.8  結論
    致謝
    致參考文獻
  第5章  威脅評估系統的情境假設
    5.1  引言
    5.2  威脅的定義
    5.2.1  威脅評估
    5.2.2  威脅評估的獨特系統要求
    5.3  決策支持系統的假設
    5.4  基於情境的威脅實例
    5.4.1  貝葉斯與證據推理的關聯
    5.4.2  比例衝突重新分配
    5.5  從情境出發實現威脅估計
    5.6  討論
    5.7  結論
    致謝
    致參考文獻
  第6章  面向決策支持的情境感知知識融合
    6.1  引言
    6.2  知識融合：當前發展情況
    6.3  面嚮應急管理的情境感知決策支持系統
    6.3.1  決策支持模型
    6.3.2  概念框架
    6.3.3  火災響應
    6.3.4  CADSS中的知識融合
    6.4  結論
    致謝
    致參考文獻
第三部分  情境融合的系統觀念
  第7章  情境信息的系統級使用
    7.1  內容範圍和組織
    7.2  信息利用中的情境
    7.2.1  「誰的情境」（Context-Of：C-O）與「為誰的情境」（Context-For：C-F）
    7.2.2  問題變數與情境變數
    7.3  數據融合中的情境
    7.4  情境利用中的質量控制
    7.5  自適應情境利用
    7.5.1  信息利用中的自適應性價值
    7.5.2  推理問題與方法的分類
    7.6  自適應組合建模
    7.7  機會適應性
    7.8  在預測建模中使用情境
    7.9  結論
    致參考文獻
  第8章  信息融合中情境利用的體系結構

    8.1  引言
    8.2  情境知識與可獲得資源的類型
    8.3  與體系結構相關的工作
    8.4  中間件方法
    8.4.1  IF文獻中的中間件
    8.4.2  中間件方法:從IF到CI的查詢服務
    8.4.3  中間件函數及其在IF過程的使用要求
    8.5  基於情境輸入的多級別自適應體系結構
    8.6  結論
    致謝
    致參考文獻
  第9章  用於交換與驗證情境數據和信息的中間件
    9.1  情境在動態融合系統中的相關性
    9.2  在開放式系統集系統設計中的交互計算過程
    9.3  信息融合體系結構中的相互依賴關係
    9.3.1  分析與決策的觀點
    9.3.2  網路的觀點
    9.3.3  對信息交換（中間件）的影響
    9.4  利用中間件將數據至決策（D2D）概念應用於融合
    9.5  中間件
    9.6  主動中間件——ProWare
    9.6.1  態勢參數概念
    9.6.2  基於訂閱的信息交換
    9.6.3  數據中介
    9.7  數據驗證
    9.7.1  數據質量方面
    9.7.2  數據驗證操作
    9.8  總結
    致參考文獻
  第10章  基於建模用戶行為的情境感知主動決策支持
    10.1  引言
    10.2  概念性的操作示例
    10.3  APTO系統
    10.3.1  長期目標
    10.3.2  技術方法
    10.4  OZONE App的情境容器
    10.5  情境感知記憶管理器
    10.5.1  快照記憶
    10.5.2  情節記憶
    10.6  情境轉換模型和轉換識別
    10.7  情境轉換感知階段和可視化
    10.8  事件管理器
    10.8.1  事件檢測
    10.8.2  規範性事件識別
    10.9  活動管理器
    10.9.1  動作檢測
    10.9.2  規範性動作集
    10.9.3  Suadeo推薦引擎
    10.10  工作流程管理器
    10.10.1  特定領域的工作流程

    10.10.2  採取的動作
    10.11  HABIT：認證決策框架
    10.11.1  相關工作
    10.11.2  方法學
    10.11.3  總結討論
    10.12  網路安全的情境意識動機
    10.13  CEDARS：綜合探索性數據分析推薦系統
    10.13.1  介紹和相關工作
    10.13.2  系統架構
    10.13.3  用例
    10.13.4  討論和未來工作
    10.14  A-TASC：監督控制中的自適應任務分配
    10.14.1  A-TASC動機
    10.14.2  A-TASC預測模型
    10.14.3  方法論
    10.14.4  未來的工作
    10.15  結論
    致謝
    致參考文獻
第四部分  情境的數學特徵
  第11章  基於情境分析的目標跟蹤融合過程監控
    11.1  引言
    11.2  情境信息定義
    11.3  情境空間
    11.3.1  情境變數
    11.3.2  感測器概率或感測器有效性子集
    11.3.3  感測器組的相容有效性概率
    11.3.4  感測器組的排斥有效性概率
    11.4  考慮情境的估計
    11.4.1  靜態估計
    11.4.2  動態估計
    11.5  模擬
    11.5.1  模擬條件
    11.5.2  結果
    11.5.3  備註
    11.6  結論
    致參考文獻
  第12章  用於目標跟蹤的情境開發
    12.1  引言
    12.2  貝葉斯目標跟蹤
    12.2.1  系統方程
    12.2.2  貝葉斯預測和濾波器更新
    12.2.3  線性高斯系統
    12.2.4  非線性系統
    12.3  情境增強目標跟蹤
    12.3.1  引言
    12.3.2  約束貝葉斯濾波
    12.4  約束目標跟蹤演算法及其應用
    12.4.1  通用濾波器
    12.4.2  海上交通監控跟蹤濾波器

    12.4.3  用於地面目標跟蹤的跟蹤濾波器
    12.5  數值結果
    12.5.1  航路輔助跟蹤
    12.5.2  GMTI雷達改進地面目標跟蹤
    12.6  結論
    致參考文獻
  第13章  情境跟蹤地面應用：演算法和設計實例
    13.1  引言
    13.2  空中和地面跟蹤比較
    13.3  可通行性和地形特徵
    13.4  目標行為
    13.5  量測信息源
    13.6  通用目標跟蹤演算法
    13.7  單目標跟蹤
    13.7.1  多模型演算法
    13.7.2  其他演算法
    13.8  多目標跟蹤
    13.8.1  常見問題和跟蹤方法
    13.8.2  多模型演算法
    13.8.3  對稱測量方程濾波器
    13.9  地面跟蹤應用
    13.9.1  通行能力
    13.9.2  試驗結果
    13.10  海事跟蹤應用
    13.11  結論及未來工作
    致謝
    致參考文獻
  第14章  文本分析的情境相關性和軟信息融合增強
    14.1  引言
    14.2  命題圖
    14.3  與全局圖合併
    14.4  情境理論
    14.5  使用擴散激活查找相關信息
    14.5.1  一般擴散激活和命題圖
    14.6  評估擴散激活
    14.6.1  方法
    14.6.2  評估結果
    14.6.3  討論
    14.7  結論
    致謝
    致參考文獻
  第15章  多感測器組的情境學習和信息表示演算法
    15.1  引言
    15.2  情境學習
    15.2.1  情境的數學形式化
    15.2.2  學習情境感知的測量模型
    15.2.3  現場決策自適應中的情境感知
    15.3  多模態信號的語義信息表示
    15.3.1  概率有限狀態自動機的結構
    15.3.2  希爾伯特空間構建

    15.3.3  交叉機擴展
    15.3.4  PFSA特徵提取：構造D-Markov機
    15.4  實驗和結果
    15.4.1  實驗場景和數據收集
    15.4.2  數據預處理和特徵提取
    15.4.3  性能評估
    15.5  結論
    致謝
    致參考文獻
第五部分  硬/軟融合中的情境
  第16章  動態及多層次融合的情境
    16.1  引言
    16.1.1  多感測器多線索融合
    16.1.2  情境信息中的異質性
    16.2  情境作為多層次融合的約束要素
    16.3  情境和JDL第四層次
    16.3.1  體系結構
    16.3.2  濾波步驟
    16.4  情境感知系統的設計指導
    16.4.1  情境篩選
    16.4.2  情境切換
    16.5  討論
    16.5.1  先驗知識、情境和適應性
    16.5.2  情境異質性和信息融合層級
    16.5.3  中間件
    16.6  結論
    致參考文獻
  第17章  硬軟信息的多級別情報融合
    17.1  引言
    17.2  背景
    17.3  前期工作
    17.4  多級別融合
    17.4.1  一個示例場景
    17.4.2  「多級別」不是「硬+軟」融合
    17.5  多級別融合中的情境使用
    17.6  BML使能的融合
    17.6.1  行動中的BML
    17.6.2  表示BML中的不確定性
    17.6.3  BML表徵用於不確定性管理
    17.6.4  多源BML信息的協調
    17.7  結論
    致謝
    致參考文獻
  第18章  基於情境的物理和人為數據級別5信息融合
    18.1  引言
    18.2  視頻和文本分析
    18.2.1  基於物理的感測——視頻跟蹤
    18.2.2  基於人的感測——文本處理
    18.3  人體數據融合的物理條件
    18.3.1  基於效果的標籤方法

    18.3.2  基於查詢的分析
    18.3.3  視頻和文本的分析描述
    18.3.4  情境作為視頻和文本的相關方法
    18.4  L1跟蹤框架
    18.4.1  粒子濾波器
    18.4.2  稀疏表示
    18.4.3  處理遮擋和雜訊的改進方法
    18.4.4  最小誤差界
    18.5  物理和人為信息融合的例子
    18.5.1  來自SYNCOIN的文本
    18.5.2  視頻分析
    18.5.3  空間上的視頻—文本關聯
    18.5.4  時間上的視頻—文本關聯
    18.5.5  空間和時間上的視頻—文本圖形關聯
    18.6  討論
    18.7  結論
    致謝
    致參考文獻
  第19章  基於查詢視頻流的情境理解
    19.1  引言
    19.1.1  情境數據
    19.1.2  情境特徵
    19.1.3  情境場景
    19.2  用於情境索引的多媒體數據表示
    19.2.1  多媒體索引和檢索
    19.2.2  基於內容的圖像檢索
    19.3  支持情境分析的資料庫系統
    19.4  用於情境分析的LVC-DMBS
    19.4.1  LVC-DMBS數據模型
    19.4.2  LVC-DMBS查詢語言
    19.4.3  情境評估
    19.5  討論
    19.6  結論
    致謝
    致參考文獻
第六部分  情境方法在融合中的應用
  第20章  公共安全多感測器系統中情境的作用
    20.1  引言
    20.2  安保——方法與初步措施
    20.3  保險、法律情境與信息融合
    20.4  公共安全與保障的概念和細節
    20.5  公共安全系統的情境驅動設計
    20.6  危險品定位的問題
    20.7  HAMLeT——實驗實例討論
    20.8  情境集成——設計所應遵守的法律
    20.9  情境集成——適當的感測器模型
    20.10  情境集成——人流量信息
    20.10.1  規則模式集成
    20.10.2  非規則模式檢測
    20.11  輔助系統與自主計算

    20.12  結論
    致參考文獻
  第21章  基於情境的廣域運動圖像目標跟蹤實體關聯
    21.1  前沿
    21.1.1  空間情境
    21.1.2  時間情境
    21.2  實體估計的背景
    21.3  多車輛跟蹤
    21.3.1  框架概述
    21.3.2  時間情境
    21.3.3  多目標關聯
    21.3.4  多幀關聯
    21.4  實現
    21.4.1  配准
    21.4.2  生成候選
    21.4.3  候選的分類
    21.5  實驗
    21.5.1  時間情境
    21.5.2  一致性空間情境
    21.6  結論
    致謝
    致參考文獻
  第22章  地面目標跟蹤應用軍事和民用領域的設計實例
    22.1  引言
    22.2  相關應用：地面信息的表示和地面目標跟蹤技術
    22.3  地面目標跟蹤
    22.3.1  速度場生成
    22.3.2  求解線性傳遞方程的計算方法
    22.3.3  數值例
    22.4  機場地面示例
    22.4.1  機場布局表示
    22.4.2  數據融合解決方案
    22.4.3  結論
    22.5  結論
    致謝
    致參考文獻
  第23章  電腦視覺系統中基於情境的態勢識別
    23.1  引言
    23.2  情境管理的知識模型
    23.3  基於視覺行為識別中的情境
    23.3.1  低層融合中的情境
    23.3.2  高層融合中的情境
    23.4  基於情境的行動識別示例
    23.4.1  視頻註釋
    23.4.2  用情境推理提高跟蹤器的準確性
    23.4.3  環境智能中的場景解釋
    23.5  結論
    致謝
    致參考文獻
  第24章  情境信息增強數據融合在道路安全中的應用

    24.1  引言
    24.2  智能交通系統中的數據融合
    24.3  總體描述
    24.3.1  激光掃描儀行人檢測
    24.3.2  基於光學感測器的障礙物檢測與分類
    24.4  融合系統
    24.4.1  估計濾波器
    24.4.2  JPDA數據關聯
    24.4.3  航跡管理
    24.5  用於基於危險估計的行人檢測的環境CI
    24.5.1  基於探測區域的危險估計
    24.5.2  行人檢測與危險估計
    24.6  實驗與對比
    24.6.1  實驗
    24.6.2  演算法對比
    24.7  結論
    致謝
    致參考文獻
  第25章  機器人與信息融合中的情境
    25.1  引言
    25.2  機器人中的情境
    25.2.1  情境信息
    25.2.2  情境表示
    25.2.3  討論
    25.3  信息融合應用的情境感知框架
    25.3.1  框架設計
    25.3.2  框架方案
    25.4  基於情境的信息融合體系結構實例
    25.4.1  應用場景：智能車輛上的自適應巡航控制系統
    25.4.2  問題定義
    25.4.3  情境的分類法
    25.4.4  情境信息融合
    25.4.5  遵循JDL觀點的信息融合管道
    25.5  結論
    致謝
    致參考文獻

同類熱銷排行榜

最近瀏覽的商品

情境增強信息融合(以領域知識推進真實系統性能)