第1章 绪论
1.1 DSm理论的产生和发展
1.1.1 多传感器信息融合系统中的冲突问题
1.1.2 DSm理论的产生
1.1.3 DSm理论的发展
1.2 目标融合识别
1.2.1 目标融合识别概述
1.2.2 目标融合识别层次
1.2.3 常用的目标融合识别方法
1.3 DSm理论在目标融合识别应用的关键问题
1.3.1 目标融合识别需解决的关键问题
1.3.2 DSm理论在目标融合识别应用的适用性
参考文献
第2章 DSm理论基础及信息流程
2.1 DSm理论的模型基础
2.2 DSm理论的结构基础
2.2.1 超幂集
2.2.2 信度函数
2.2.3 焦元基数
2.3 DSm理论的规则基础
2.3.1 经典DSm组合规则
2.3.2 混合DSm组合规则
2.3.3 PCR系列组合规则
2.4 DSm理论信息流程分析
2.5 DSm理论信息流程基本结构
2.5.1 DSm理论信息流程的信息准备部分
2.5.2 DSm理论信息流程的信息表示部分
2.5.3 DSm理论信息流程的信息处理部分
2.5.4 目标融合识别应用仿真分析
参考文献
第3章 DSm理论基本信度分配获取方法
3.1 SVM
3.1.1 线性SVM
3.1.2 非线性SVM
3.1.3 多类SVM
3.1.4 SVM的特点
3.2 基于SVM的基本信度分配获取方法
3.2.1 SVM的后验概率模型
3.2.2 后验概率向多类的扩展
3.2.3 方法步骤
3.3 仿真分析
3.3.1 基于多类SVM与证据理论相结合的融合结构和方法步骤
3.3.2 SVM模型选择
3.3.3 性能对比实验
3.3.4 目标融合识别应用仿真分析
参考文献
第4章 DSm理论组合规则
4.1 基于信度优势的比例冲突再分配组合规则
4.1.1 规则描述
4.1.2 目标融合识别应用仿真分析
4.2 交互自适应组合规则
4.2.1 传统证据间冲突判定方法
4.2.2 基于超幂集下角度相似度的判定方法
4.2.3 交互自适应组合规则描述
4.2.4 目标融合识别应用仿真分析
4.3 基于可信度的广义修正组合规则
4.3.1 基于DSm理论的可信度确定
4.3.2 基于DSm理论的动态问题
4.3.3 基于DSm理论的动态组合规则
4.3.4 目标融合识别应用仿真分析
参考文献
第5章 DSm理论计算复杂度优化
5.1 DSm理论计算复杂度优化方法
5.1.1 非编码计算复杂度优化方法
5.1.2 编码计算复杂度优化方法
5.2 基于改进能量函数的DSm理论计算复杂度优化方法
5.2.1 基于改进能量函数的焦元控制规则
5.2.2 基于改进能量函数的DSm理论近似计算方法
5.2.3 目标融合识别应用仿真分析
5.3 基于焦元控制与修正编码的DSm理论计算复杂度优化方法
5.3.1 DSm理论计算复杂度度量体系研究
5.3.2 计算编码的修正研究
5.3.3 基于焦元控制与修正编码的计算复杂度优化方法
5.3.4 目标融合识别应用仿真分析
参考文献
第6章 DSm理论组合规则评价
6.1 DSm理论组合规则评价指标体系
6.1.1 DSm理论组合规则评价指标体系构建
6.1.2 DSm理论组合规则评价指标分析
6.2 DSm理论组合规则评价及在目标融合识别中应用的建议
6.2.1 DSm理论组合规则定量分析
6.2.2 DSm理论组合规则综合评价
6.2.3 DSm理论组合规则在目标融合识别中应用的建议
参考文献

目标融合识别是信息融合重要的研究领域之一，也是军事决策指挥的重要依据。由于信息不确定性、高冲突性等，给目标融合识别带来较大的挑战。基于Dezert－Smarandaehe理论（DSm理论）的特点，本书理论联系实际，从DSm理论的视角介绍如何有效融合处理各类传感器不确定、不完全、不可靠的信息；如何构建信息流程；如何解决应用计算复杂度；如何构建评价指标体系等问题。