情境增强信息融合：以领域知识推进真实系统性能
| 作者 |
| （意大利）Lauro Snidaro（劳罗?斯纳罗）等 |
| 丛书名 |
| 出版社 |
| 电子工业出版社 |
| ISBN |
| 9787121393013 |
| 简要 |
| 简介 |
| 内容简介 本书详细介绍了情境增强信息融合的基础推理、理论和方法，包括融合过程设计和实现中的情境影响，书中汇集了该领域顶尖专家的最新研究成果。全书分六个部分：基本原理、用于融合的情境概念、情境融合的系统观念、情境的数学特征、硬/软融合中的情境以及情境方法在融合中的应用。本书强调高级别信息融合和低级别信息融合之间的平衡问题，以描述在苛刻条件下的性能改进；强调组合不同领域的先进技术，以克服单一视角、传统计算和传统上应用于特定领域数据和信息融合程序的局限性。最后，介绍了所选择的需要注入情景知识的有代表性的应用领域，例如，视觉系统，港口监视、机器人和环境智能等。 |
| 目录 |
| 第一部分 基本原理 第1章 情境和融合：定义、术语 2 1.1 信息融合导论 2 1.1.1 数据（信息）融合的定义 3 1.1.2 信息融合“级别” 3 1.1.3 关于IF体系结构中数据和信息的备注 5 1.1.4 进一步的参考资料 6 1.2 融合中的情境 6 1.3 对信息融合和情境的展望 7 1.3.1 不同于焦点前提的情境前提 9 1.3.2 信息融合过程的含义 9 1.3.3 集成情境至信息融合过程 9 1.4 结论 13 致谢 13 参考文献 13 第二部分 用于融合的情境概念 第2章 信息融合的“情境”形式化 22 2.1 引言 22 2.2 何为情境？ 24 2.3 情境和知识 25 2.4 情境形式化 25 2.5 情境和信息质量 27 2.6 情境和自然语言理解 30 2.7 结论 32 参考文献 33 ? 第3章 情境：一个不确定源 36 3.1 信息融合过程中的不确定性 36 3.2 关于情境信息中不确定性的文献研究 40 3.3 情境的分类 40 3.4 本体论的作用和概率本体论 42 3.5 情境信息质量 43 3.5.1 不确定性变换 44 3.5.2 相互矛盾的、可疑的和不一致的信息 45 3.6 用例讨论 46 3.6.1 港口防护威胁评估 46 3.6.2 情境因素和情境信息类别 46 3.6.3 关注的事件 48 3.6.4 情境的不确定性维数 48 3.7 结论 54 参考文献 54 第4章 信息融合中的情境跟踪方法 58 4.1 引言 58 4.2 情境跟踪方法的背景 60 4.3 情境跟踪 62 4.4 情境跟踪的机器分析 63 4.5 情境跟踪中的传感器、目标和环境 63 4.5.1 特征跟踪和辨识（目标） 64 4.5.2 广域运动图像（传感器） 64 4.5.3 态势和场景（环境） 65 4.6 受道路约束的跟踪和辨识示例 65 4.6.1 道路网络（环境） 65 4.6.2 目标测量模型（传感器） 67 4.6.3 十字路口的目标模型（目标） 67 4.6.4 情境跟踪示例——结果 68 4.7 讨论 69 4.8 结论 71 致谢 71 参考文献 71 第5章 威胁评估系统的情境假设 80 5.1 引言 80 5.2 威胁的定义 81 5.2.1 威胁评估 81 5.2.2 威胁评估的独特系统要求 82 5.3 决策支持系统的假设 83 5.4 基于情境的威胁实例 90 5.4.1 贝叶斯与证据推理的关联 91 5.4.2 比例冲突重新分配 91 5.5 从情境出发实现威胁估计 92 5.6 讨论 94 5.7 结论 94 致谢 95 参考文献 95 第6章 面向决策支持的情境感知知识融合 101 6.1 引言 101 6.2 知识融合：当前发展情况 102 6.3 面向应急管理的情境感知决策支持系统 103 6.3.1 决策支持模型 103 6.3.2 概念框架 104 6.3.3 火灾响应 107 6.3.4 CADSS中的知识融合 114 6.4 结论 116 致谢 116 参考文献 116 第三部分 情境融合的系统观念 第7章 情境信息的系统级使用 122 7.1 内容范围和组织 122 7.2 信息利用中的情境 123 7.2.1 “谁的情境”（Context-Of：C-O）与“为谁的情境” （Context-For：C-F） 124 7.2.2 问题变量与情境变量 125 7.3 数据融合中的情境 127 7.4 情境利用中的质量控制 130 7.5 自适应情境利用 132 7.5.1 信息利用中的自适应性价值 132 7.5.2 推理问题与方法的分类 133 7.6 自适应组合建模 134 7.7 机会适应性 135 7.8 在预测建模中使用情境 138 7.9 结论 139 参考文献 140 第8章 信息融合中情境利用的体系结构 142 8.1 引言 142 8.2 情境知识与可获得资源的类型 143 8.3 与体系结构相关的工作 145 8.4 中间件方法 146 8.4.1 IF文献中的中间件 146 8.4.2 中间件方法:从IF到CI的查询服务 147 8.4.3 中间件函数及其在IF过程的使用要求 149 8.5 基于情境输入的多级别自适应体系结构 151 8.6 结论 154 致谢 154 参考文献 154 第9章 用于交换与验证情境数据和信息的中间件 156 9.1 情境在动态融合系统中的相关性 157 9.2 在开放式系统集系统设计中的交互计算过程 157 9.3 信息融合体系结构中的相互依赖关系 159 9.3.1 分析与决策的观点 159 9.3.2 网络的观点 161 9.3.3 对信息交换（中间件）的影响 163 9.4 利用中间件将数据至决策（D2D）概念应用于融合 163 9.5 中间件 166 9.6 主动中间件——ProWare 166 9.6.1 态势参数概念 167 9.6.2 基于订阅的信息交换 168 9.6.3 数据中介 169 9.7 数据验证 170 9.7.1 数据质量方面 171 9.7.2 数据验证操作 171 9.8 总结 173 参考文献 173 第10章 基于建模用户行为的情境感知主动决策支持 176 10.1 引言 177 10.2 概念性的操作示例 179 10.3 APTO系统 180 10.3.1 长期目标 180 10.3.2 技术方法 180 10.4 OZONE App的情境容器 181 10.5 情境感知记忆管理器 181 10.5.1 快照记忆 182 10.5.2 情节记忆 182 10.6 情境转换模型和转换识别 183 10.7 情境转换感知阶段和可视化 183 10.8 事件管理器 183 10.8.1 事件检测 184 10.8.2 规范性事件识别 184 10.9 活动管理器 184 10.9.1 动作检测 184 10.9.2 规范性动作集 185 10.9.3 Suadeo推荐引擎 185 10.10 工作流程管理器 185 10.10.1 特定领域的工作流程 186 10.10.2 采取的动作 186 10.11 HABIT：认证决策框架 186 10.11.1 相关工作 186 10.11.2 方法学 187 10.11.3 总结讨论 189 10.12 网络安全的情境意识动机 190 10.13 CEDARS：综合探索性数据分析推荐系统 191 10.13.1 介绍和相关工作 191 10.13.2 系统架构 192 10.13.3 用例 195 10.13.4 讨论和未来工作 196 10.14 A-TASC：监督控制中的自适应任务分配 196 10.14.1 A-TASC动机 196 10.14.2 A-TASC预测模型 197 10.14.3 方法论 198 10.14.4 未来的工作 199 10.15 结论 200 致谢 201 参考文献 201 ? 第四部分 情境的数学特征 第11章 基于情境分析的目标跟踪融合过程监控 206 11.1 引言 206 11.2 情境信息定义 207 11.3 情境空间 207 11.3.1 情境变量 207 11.3.2 传感器概率或传感器有效性子集 210 11.3.3 传感器组的相容有效性概率 211 11.3.4 传感器组的排斥有效性概率 211 11.4 考虑情境的估计 212 11.4.1 静态估计 212 11.4.2 动态估计 215 11.5 仿真 219 11.5.1 仿真条件 219 11.5.2 结果 220 11.5.3 备注 221 11.6 结论 221 参考文献 222 第12章 用于目标跟踪的情境开发 223 12.1 引言 223 12.2 贝叶斯目标跟踪 224 12.2.1 系统方程 225 12.2.2 贝叶斯预测和滤波器更新 225 12.2.3 线性高斯系统 227 12.2.4 非线性系统 228 12.3 情境增强目标跟踪 229 12.3.1 引言 229 12.3.2 约束贝叶斯滤波 230 12.4 约束目标跟踪算法及其应用 232 12.4.1 通用滤波器 232 12.4.2 海上交通监控跟踪滤波器 233 12.4.3 用于地面目标跟踪的跟踪滤波器 238 12.5 数值结果 244 12.5.1 航路辅助跟踪 244 12.5.2 GMTI雷达改进地面目标跟踪 247 12.6 结论 250 参考文献 250 第13章 情境跟踪地面应用：算法和设计实例 255 13.1 引言 255 13.2 空中和地面跟踪比较 256 13.3 可通行性和地形特征 257 13.4 目标行为 258 13.5 量测信息源 259 13.6 通用目标跟踪算法 259 13.7 单目标跟踪 260 13.7.1 多模型算法 260 13.7.2 其他算法 266 13.8 多目标跟踪 268 13.8.1 常见问题和跟踪方法 268 13.8.2 多模型算法 268 13.8.3 对称测量方程滤波器 270 13.9 地面跟踪应用 272 13.9.1 通行能力 274 13.9.2 试验结果 277 13.10 海事跟踪应用 278 13.11 结论及未来工作 281 致谢 281 参考文献 282 第14章 文本分析的情境相关性和软信息融合增强 287 14.1 引言 287 14.2 命题图 288 14.3 与全局图合并 290 14.4 情境理论 291 14.5 使用扩散激活查找相关信息 291 14.5.1 一般扩散激活和命题图 291 14.6 评估扩散激活 294 14.6.1 方法 294 14.6.2 评估结果 297 14.6.3 讨论 297 14.7 结论 299 致谢 300 参考文献 300 ? 第15章 多传感器组的情境学习和信息表示算法 303 15.1 引言 303 15.2 情境学习 305 15.2.1 情境的数学形式化 305 15.2.2 学习情境感知的测量模型 307 15.2.3 现场决策自适应中的情境感知 309 15.3 多模态信号的语义信息表示 310 15.3.1 概率有限状态自动机的结构 311 15.3.2 希尔伯特空间构建 312 15.3.3 交叉机扩展 313 15.3.4 PFSA特征提取：构造D-Markov机 314 15.4 实验和结果 315 15.4.1 实验场景和数据收集 315 15.4.2 数据预处理和特征提取 315 15.4.3 性能评估 316 15.5 结论 317 致谢 318 参考文献 318 第五部分 硬/软融合中的情境 第16章 动态及多层次融合的情境 322 16.1 引言 322 16.1.1 多传感器多线索融合 323 16.1.2 情境信息中的异质性 325 16.2 情境作为多层次融合的约束要素 326 16.3 情境和JDL第四层次 327 16.3.1 体系结构 328 16.3.2 滤波步骤 329 16.4 情境感知系统的设计指导 331 16.4.1 情境筛选 331 16.4.2 情境切换 333 16.5 讨论 334 16.5.1 先验知识、情境和适应性 334 16.5.2 情境异质性和信息融合层级 335 16.5.3 中间件 335 16.6 结论 335 参考文献 335 第17章 硬软信息的多级别情报融合 339 17.1 引言 339 17.2 背景 340 17.3 前期工作 344 17.4 多级别融合 344 17.4.1 一个示例场景 344 17.4.2 “多级别”不是“硬+软”融合 345 17.5 多级别融合中的情境使用 346 17.6 BML使能的融合 347 17.6.1 行动中的BML 348 17.6.2 表示BML中的不确定性 351 17.6.3 BML表征用于不确定性管理 352 17.6.4 多源BML信息的协调 355 17.7 结论 356 致谢 356 参考文献 356 第18章 基于情境的物理和人为数据级别5信息融合 360 18.1 引言 360 18.2 视频和文本分析 361 18.2.1 基于物理的传感——视频跟踪 362 18.2.2 基于人的传感——文本处理 362 18.3 人体数据融合的物理条件 363 18.3.1 基于效果的标签方法 363 18.3.2 基于查询的分析 364 18.3.3 视频和文本的分析描述 365 18.3.4 情境作为视频和文本的相关方法 366 18.4 L1跟踪框架 366 18.4.1 粒子滤波器 367 18.4.2 稀疏表示 367 18.4.3 处理遮挡和噪声的改进方法 368 18.4.4 最小误差界 368 18.5 物理和人为信息融合的例子 369 18.5.1 来自SYNCOIN的文本 370 18.5.2 视频分析 371 18.5.3 空间上的视频—文本关联 372 18.5.4 时间上的视频—文本关联 373 18.5.5 空间和时间上的视频—文本图形关联 373 18.6 讨论 376 18.7 结论 377 致谢 377 参考文献 377 第19章 基于查询视频流的情境理解 383 19.1 引言 383 19.1.1 情境数据 384 19.1.2 情境特征 385 19.1.3 情境场景 386 19.2 用于情境索引的多媒体数据表示 388 19.2.1 多媒体索引和检索 389 19.2.2 基于内容的图像检索 390 19.3 支持情境分析的数据库系统 391 19.4 用于情境分析的LVC-DMBS 394 19.4.1 LVC-DMBS数据模型 395 19.4.2 LVC-DMBS查询语言 397 19.4.3 情境评估 398 19.5 讨论 400 19.6 结论 403 致谢 403 参考文献 403 第六部分 情境方法在融合中的应用 第20章 公共安全多传感器系统中情境的作用 409 20.1 引言 409 20.2 安保——方法与初步措施 410 20.3 保险、法律情境与信息融合 412 20.4 公共安全与保障的概念和细节 413 20.5 公共安全系统的情境驱动设计 414 20.6 危险品定位的问题 415 20.7 HAMLeT——实验实例讨论 416 20.8 情境集成——设计所应遵守的法律 419 20.9 情境集成——适当的传感器模型 420 20.10 情境集成——人流量信息 423 20.10.1 规则模式集成 423 20.10.2 非规则模式检测 424 20.11 辅助系统与自主计算 424 20.12 结论 426 参考文献 426 第21章 基于情境的广域运动图像目标跟踪实体关联 430 21.1 前沿 431 21.1.1 空间情境 431 21.1.2 时间情境 432 21.2 实体估计的背景 433 21.3 多车辆跟踪 434 21.3.1 框架概述 434 21.3.2 时间情境 435 21.3.3 多目标关联 437 21.3.4 多帧关联 439 21.4 实现 439 21.4.1 配准 439 21.4.2 生成候选 440 21.4.3 候选的分类 440 21.5 实验 441 21.5.1 时间情境 441 21.5.2 一致性空间情境 445 21.6 结论 448 致谢 449 参考文献 449 第22章 地面目标跟踪应用军事和民用领域的设计实例 453 22.1 引言 453 22.2 相关应用：地面信息的表示和地面目标跟踪技术 454 22.3 地面目标跟踪 455 22.3.1 速度场生成 455 22.3.2 求解线性传递方程的计算方法 457 22.3.3 数值例 461 22.4 机场地面示例 462 22.4.1 机场布局表示 463 22.4.2 数据融合解决方案 464 22.4.3 结论 468 22.5 结论 472 致谢 472 参考文献 473 第23章 计算机视觉系统中基于情境的态势识别 476 23.1 引言 476 23.2 情境管理的知识模型 477 23.3 基于视觉行为识别中的情境 478 23.3.1 低层融合中的情境 479 23.3.2 高层融合中的情境 481 23.4 基于情境的行动识别示例 483 23.4.1 视频注释 483 23.4.2 用情境推理提高跟踪器的准确性 484 23.4.3 环境智能中的场景解释 488 23.5 结论 492 致谢 492 参考文献 493 第24章 情境信息增强数据融合在道路安全中的应用 496 24.1 引言 497 24.2 智能交通系统中的数据融合 497 24.3 总体描述 498 24.3.1 激光扫描仪行人检测 500 24.3.2 基于光学传感器的障碍物检测与分类 501 24.4 融合系统 502 24.4.1 估计滤波器 502 24.4.2 JPDA数据关联 503 24.4.3 航迹管理 504 24.5 用于基于危险估计的行人检测的环境CI 504 24.5.1 基于探测区域的危险估计 505 24.5.2 行人检测与危险估计 506 24.6 实验与对比 508 24.6.1 实验 508 24.6.2 算法对比 510 24.7 结论 511 致谢 511 参考文献 512 第25章 机器人与信息融合中的情境 514 25.1 引言 514 25.2 机器人中的情境 515 25.2.1 情境信息 515 25.2.2 情境表示 518 25.2.3 讨论 520 25.3 信息融合应用的情境感知框架 522 25.3.1 框架设计 522 25.3.2 框架方案 522 25.4 基于情境的信息融合体系结构实例 524 25.4.1 应用场景：智能车辆上的自适应巡航控制系统 524 25.4.2 问题定义 525 25.4.3 情境的分类法 525 25.4.4 情境信息融合 526 25.4.5 遵循JDL观点的信息融合管道 526 25.5 结论 529 致谢 529 参考文献 529 |
有问题微信扫码联系