《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。

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