包邮可转移信度模型

**章 关于更新操作1．1 用于信度函数的调节规则1．2 案例：投票意图研究1．3 调节1．4 比例引起的信度1．5 结论第二章 可转移信度模型2．1 引言2．2 转移信度模型2．3 源自信度函数的决策概率2．4 Jones先生谋杀案2．5 P肖兵站岗2．6 翻译器2．7 不可靠的传感器2．8 基本信度分配的本源2．9 在表示层处理证据2．10 结论第三章 一种加权信度的规范分解3．1 引言3．2 规范分解3．3 两个信度函数的合成3．4 分解运算3．5 隐陛信度结构3．6 进一步扩展3．7 我们的规范分解与Shafer方法的比较3．8 原始信度函数情况3．9 结论第四章 可转移信度模型公理体系的证明4．1 引言4．2 可信度函数4．3 可信度函数集合的凸性4．4 粗化和精炼4．5 信度修正4．6 可信度函数和信度函数4．7 结论第五章 信度函数的应用5．1 引言5．2 可确定性与信度函数5．3 可转移信度模型分类5．4 概率论证系统信息查询5．5 部分重叠框架下的感应器5．6 分析矛盾和源数目5．7 结论第六章 表示量化信度的可转移信度模型6．1 引言6．2 信度域6．3 转移信度模型6．4 决策制定和荷兰赌问题6．5 广义贝叶斯定理6．6 使用信度函数的理由6．7 “信度”的意义6．8 结论第七章 矩阵计算在信度函数中的应用7．1 引言7．2 默比乌斯变换7．3 快速默比乌斯变换7．4 决策变换7．5 交互指数L7．6 基本信度分配间的转化7．7 特殊化和一般化7．8 修正7．9 Dempster的调节准则7．10 组合中的合取／析取规则7．11 规范表示7．12 a一连接7．13 结论第八章 用信度函数表示不确定性下的决策8．1 引言8．2 信度函数的数学背景8．3 关于概率理论的数学知识8．4 信度函数相关的多种解释8．5 可转移信度模型框架中的决策8．6 在上下边界概率中的决策8．7 结论第九章 基于用可转移信度模型表述的Dempster-shafer模型的目标识别9．1 引言9．2 用于识别的可转移信度模型9．3 广义贝叶斯定理9．4 一个数据融合的简单例子9．5 一个比较可转移信度模型方法和概率方法的令人为难的例子9．6 计算效率：与贝叶斯模型的比较9．7 嵌套传感器：每层多个传感器9．8 嵌套传感器：每层单个传感器9．9 框架部分重叠上的传感器9．10 总结