本书讲述了多粒度信息融合的基本概念以及多粒度融合理论赖以发展的基础理论，如Dempster-Shafe证据r理论、Dezert-Smarandache 理论、粗糙集、模糊集等；介绍了同/异鉴别框架下的多粒度融合、犹豫模糊信度下的多粒度融合和多粒度折扣信息融合。本书给出了典型算例详尽的融合流程，以及多粒度融合的典型应用，如多粒度人体行为动作识别等内容，全书理论体系完整，应用案例取舍适当。
李新德，博士，东南大学教授，博士生导师，俄罗斯自然科学院外籍院士，科学中国人封面人物，中国人工智能学会智能机器人专委会副主任委员，中国人工智能学会智能产品与产业工作委员会副主任委员等。主要研究方向：机器视觉、机器感知、智能机器人、人机交互、无人系统等。2012年1月至2013年1月作为国家公派访问学者在美国佐治亚理工大学访问交流一年。2016年1月到9月在新加坡国立大学ECE系作Research Fellow。2010年入选东南大学优秀青年教师培养计划。2012年入选江苏省青蓝工程人才培养计划。2013入选江苏省高校优秀创新团队。2014年入选江苏省六大高峰人才培养计划。2016年入选IEEE Senior member。2017年入选东南大学国家杰青培育计划。2019年入选广东省珠江人才创新团队。2020年担任江苏省重点研发计划重点项目首席科学家。承担包括863重点、国家自然科学基金重大研究计划项目、面上项目、十三五预研重点项目、JKW163重点项目、JKW重大专项等国家级项目10+项、省部级项目8项，其它项目20+项。在IEEE汇刊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）等国内外核心期刊和会议发表SCI、EI收录的论文100余篇，2篇Book Chapter，2部著作，授权国家发明专利18项，软件著作权5个。获国际科学贡献奖、中国自动化学会科技进步一等奖、省自然科学三等奖、人工智能学会最佳青年科技成果奖、 十二五航空基金优秀成果奖等各一项，并指导学生获得2019年首届贝式杯目标检测与识别挑战赛特等奖等。
第1章 绪论1
1.1 经典信息融合概述1
1.1.1 信息融合的概念1
1.1.2 发展现状2
1.1.3 问题与挑战26
1.2 多粒度信息融合概述28
1.2.1 背景与意义28
1.2.2 发展现状29
1.2.3 问题与挑战36
1.3 本书知识体系37
1.4 本章小结37
参考文献37
第2章 基础理论40
2.1 Dempster-Shafer证据理论40
2.1.1 基本概念40
2.1.2 Dempster组合规则42
2.1.3 优缺点43
2.2 Dezert-Smarandache理论44
2.2.1 基本概念44
2.2.2 自由及混合模型47
2.2.3 融合推理规则48
2.2.4 优缺点53
2.3 粗糙集理论54
2.3.1 基本概念54
2.3.2 经典粗糙集模型55
2.3.3 决策规则58
2.3.4 优缺点60
2.4 模糊集理论60
2.4.1 基本概念60
2.4.2 经典模糊逻辑62
2.4.3 犹豫模糊推理63
2.4.4 优缺点64
2.5 本章小结65
参考文献65
第3章 同鉴别框架下多粒度信息融合方法68
3.1 引言68
3.2 单子焦元融合策略69
3.2.1 单子焦元分组69
3.2.2 融合规则71
3.2.3 算例分析74
3.3 复合焦元融合策略76
3.3.1 合取焦元解耦规则77
3.3.2 析取焦元解耦规则78
3.3.3 混合焦元解耦规则80
3.3.4 融合规则80
3.3.5 时间复杂度分析80
3.3.6 算例分析82
3.4 本章小结83
参考文献84
第4章 异鉴别框架下多粒度信息融合方法85
4.1 引言85
4.2 基于等价关系的融合方法86
4.2.1 等价粒空间构建86
4.2.2 信度分配规则及融合规则89
4.2.3 算例分析90
4.3 基于层次关系的融合方法93
4.3.1 层次粒空间表征94
4.3.2 粒层信度转换95
4.3.3 层次粒空间融合规则98
4.3.4 算例分析100
4.4 本章小结101
参考文献102
第5章 犹豫模糊信度融合方法104
5.1 引言104
5.2 单值犹豫模糊信度融合方法104
5.2.1 基本概念104
5.2.2 单值犹豫信度运算规则106
5.2.3 单值犹豫信度融合110
5.2.4 算例分析110
5.3 区间犹豫模糊信度融合方法112
5.3.1 基本概念112
5.3.2 区间犹豫信度运算规则114
5.3.3 区间犹豫信度融合116
5.3.4 算例分析117
5.4 本章小结120
参考文献120
第6章 多粒度信息折扣融合方法122
6.1 引言122
6.2 证据可靠性度量122
6.2.1 多粒度证据源内部焦元信息的度量指标123
6.2.2 多粒度证据源之间的度量指标124
6.3 折扣融合方法125
6.3.1 评分矩阵构建125
6.3.2 证据支持度计算126
6.3.3 评估指标权重计算128
6.4 仿真分析132
6.4.1 高冲突证据融合132
6.4.2 不精确证据融合137
6.4.3 蒙特卡罗实验140
6.5 本章小结143
参考文献144
第7章 多粒度信息融合应用研究146
7.1 引言146
7.2 同鉴别框架下基于多粒度信息融合的行为识别148
7.2.1 多粒度行为分层建模148
7.2.2 基于ELM和信度函数理论的多粒度行为建模150
7.2.3 行为决策151
7.2.4 实验分析与讨论154
7.3 异鉴别框架下基于多粒度信息融合的行为识别162
7.3.1 数据预处理与多层次划分163
7.3.2 改进swin-transformer分类器167
7.3.3 双速采样的双流网络分类器173
7.3.4 支持向量机模型177
7.3.5 行为决策178
7.3.6 实验分析与讨论181
7.4 基于犹豫模糊信度融合的行为识别185
7.4.1 犹豫模糊信度构建185
7.4.2 行为决策186
7.4.3 实验分析与讨论186
7.5 基于多粒度信息折扣融合的行为识别189
7.5.1 证据可靠性评估190
7.5.2 折扣融合模型190
7.5.3 行为决策191
7.5.4 实验分析与讨论193
7.6 本章小结198
参考文献
书单推荐
