情境增強信息融合：以領(lǐng)域知識推進真實系統(tǒng)性能

第一部分 基本原理
第1章 情境和融合：定義、術(shù)語 2
1．1 信息融合導論 2
1．1．1 數(shù)據(jù)（信息）融合的定義 3
1．1．2 信息融合“級別” 3
1．1．3 關(guān)于IF體系結(jié)構(gòu)中數(shù)據(jù)和信息的備注 5
1．1．4 進一步的參考資料 6
1．2 融合中的情境 6
1．3 對信息融合和情境的展望 7
1．3．1 不同于焦點前提的情境前提 9
1．3．2 信息融合過程的含義 9
1．3．3 集成情境至信息融合過程 9
1．4 結(jié)論 13
致謝 13
參考文獻 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 何為情境？ 24
2．3 情境和知識 25
2．4 情境形式化 25
2．5 情境和信息質(zhì)量 27
2．6 情境和自然語言理解 30
2．7 結(jié)論 32
參考文獻 33
?
第3章 情境：一個不確定源 36
3．1 信息融合過程中的不確定性 36
3．2 關(guān)于情境信息中不確定性的文獻研究 40
3．3 情境的分類 40
3．4 本體論的作用和概率本體論 42
3．5 情境信息質(zhì)量 43
3．5．1 不確定性變換 44
3．5．2 相互矛盾的、可疑的和不一致的信息 45
3．6 用例討論 46
3．6．1 港口防護威脅評估 46
3．6．2 情境因素和情境信息類別 46
3．6．3 關(guān)注的事件 48
3．6．4 情境的不確定性維數(shù) 48
3．7 結(jié)論 54
參考文獻 54
第4章 信息融合中的情境跟蹤方法 58
4．1 引言 58
4．2 情境跟蹤方法的背景 60
4．3 情境跟蹤 62
4．4 情境跟蹤的機器分析 63
4．5 情境跟蹤中的傳感器、目標和環(huán)境 63
4．5．1 特征跟蹤和辨識（目標） 64
4．5．2 廣域運動圖像（傳感器） 64
4．5．3 態(tài)勢和場景（環(huán)境） 65
4．6 受道路約束的跟蹤和辨識示例 65
4．6．1 道路網(wǎng)絡(luò)（環(huán)境） 65
4．6．2 目標測量模型（傳感器） 67
4．6．3 十字路口的目標模型（目標） 67
4．6．4 情境跟蹤示例――結(jié)果 68
4．7 討論 69
4．8 結(jié)論 71
致謝 71
參考文獻 71
第5章 威脅評估系統(tǒng)的情境假設(shè) 80
5．1 引言 80
5．2 威脅的定義 81
5．2．1 威脅評估 81
5．2．2 威脅評估的獨特系統(tǒng)要求 82
5．3 決策支持系統(tǒng)的假設(shè) 83
5．4 基于情境的威脅實例 90
5．4．1 貝葉斯與證據(jù)推理的關(guān)聯(lián) 91
5．4．2 比例沖突重新分配 91
5．5 從情境出發(fā)實現(xiàn)威脅估計 92
5．6 討論 94
5．7 結(jié)論 94
致謝 95
參考文獻 95
第6章 面向決策支持的情境感知知識融合 101
6．1 引言 101
6．2 知識融合：當前發(fā)展情況 102
6．3 面向應(yīng)急管理的情境感知決策支持系統(tǒng) 103
6．3．1 決策支持模型 103
6．3．2 概念框架 104
6．3．3 火災(zāi)響應(yīng) 107
6．3．4 CADSS中的知識融合 114
6．4 結(jié)論 116
致謝 116
參考文獻 116
第三部分 情境融合的系統(tǒng)觀念
第7章 情境信息的系統(tǒng)級使用 122
7．1 內(nèi)容范圍和組織 122
7．2 信息利用中的情境 123
7．2．1 “誰的情境”（Context-Of：C-O）與“為誰的情境”
（Context-For：C-F） 124
7．2．2 問題變量與情境變量 125
7．3 數(shù)據(jù)融合中的情境 127
7．4 情境利用中的質(zhì)量控制 130
7．5 自適應(yīng)情境利用 132
7．5．1 信息利用中的自適應(yīng)性價值 132
7．5．2 推理問題與方法的分類 133
7．6 自適應(yīng)組合建模 134
7．7 機會適應(yīng)性 135
7．8 在預(yù)測建模中使用情境 138
7．9 結(jié)論 139
參考文獻 140
第8章 信息融合中情境利用的體系結(jié)構(gòu) 142
8．1 引言 142
8．2 情境知識與可獲得資源的類型 143
8．3 與體系結(jié)構(gòu)相關(guān)的工作 145
8．4 中間件方法 146
8．4．1 IF文獻中的中間件 146
8．4．2 中間件方法：從IF到CI的查詢服務(wù) 147
8．4．3 中間件函數(shù)及其在IF過程的使用要求 149
8．5 基于情境輸入的多級別自適應(yīng)體系結(jié)構(gòu) 151
8．6 結(jié)論 154
致謝 154
參考文獻 154
第9章 用于交換與驗證情境數(shù)據(jù)和信息的中間件 156
9．1 情境在動態(tài)融合系統(tǒng)中的相關(guān)性 157
9．2 在開放式系統(tǒng)集系統(tǒng)設(shè)計中的交互計算過程 157
9．3 信息融合體系結(jié)構(gòu)中的相互依賴關(guān)系 159
9．3．1 分析與決策的觀點 159
9．3．2 網(wǎng)絡(luò)的觀點 161
9．3．3 對信息交換（中間件）的影響 163
9．4 利用中間件將數(shù)據(jù)至決策（D2D）概念應(yīng)用于融合 163
9．5 中間件 166
9．6 主動中間件――ProWare 166
9．6．1 態(tài)勢參數(shù)概念 167
9．6．2 基于訂閱的信息交換 168
9．6．3 數(shù)據(jù)中介 169
9．7 數(shù)據(jù)驗證 170
9．7．1 數(shù)據(jù)質(zhì)量方面 171
9．7．2 數(shù)據(jù)驗證操作 171
9．8 總結(jié) 173
參考文獻 173
第10章 基于建模用戶行為的情境感知主動決策支持 176
10．1 引言 177
10．2 概念性的操作示例 179
10．3 APTO系統(tǒng) 180
10．3．1 長期目標 180
10．3．2 技術(shù)方法 180
10．4 OZONE App的情境容器 181
10．5 情境感知記憶管理器 181
10．5．1 快照記憶 182
10．5．2 情節(jié)記憶 182
10．6 情境轉(zhuǎn)換模型和轉(zhuǎn)換識別 183
10．7 情境轉(zhuǎn)換感知階段和可視化 183
10．8 事件管理器 183
10．8．1 事件檢測 184
10．8．2 規(guī)范性事件識別 184
10．9 活動管理器 184
10．9．1 動作檢測 184
10．9．2 規(guī)范性動作集 185
10．9．3 Suadeo推薦引擎 185
10．10 工作流程管理器 185
10．10．1 特定領(lǐng)域的工作流程 186
10．10．2 采取的動作 186
10．11 HABIT：認證決策框架 186
10．11．1 相關(guān)工作 186
10．11．2 方法學 187
10．11．3 總結(jié)討論 189
10．12 網(wǎng)絡(luò)安全的情境意識動機 190
10．13 CEDARS：綜合探索性數(shù)據(jù)分析推薦系統(tǒng) 191
10．13．1 介紹和相關(guān)工作 191
10．13．2 系統(tǒng)架構(gòu) 192
10．13．3 用例 195
10．13．4 討論和未來工作 196
10．14 A-TASC：監(jiān)督控制中的自適應(yīng)任務(wù)分配 196
10．14．1 A-TASC動機 196
10．14．2 A-TASC預(yù)測模型 197
10．14．3 方法論 198
10．14．4 未來的工作 199
10．15 結(jié)論 200
致謝 201
參考文獻 201
?
第四部分 情境的數(shù)學特征
第11章 基于情境分析的目標跟蹤融合過程監(jiān)控 206
11．1 引言 206
11．2 情境信息定義 207
11．3 情境空間 207
11．3．1 情境變量 207
11．3．2 傳感器概率或傳感器有效性子集 210
11．3．3 傳感器組的相容有效性概率 211
11．3．4 傳感器組的排斥有效性概率 211
11．4 考慮情境的估計 212
11．4．1 靜態(tài)估計 212
11．4．2 動態(tài)估計 215
11．5 仿真 219
11．5．1 仿真條件 219
11．5．2 結(jié)果 220
11．5．3 備注 221
11．6 結(jié)論 221
參考文獻 222
第12章 用于目標跟蹤的情境開發(fā) 223
12．1 引言 223
12．2 貝葉斯目標跟蹤 224
12．2．1 系統(tǒng)方程 225
12．2．2 貝葉斯預(yù)測和濾波器更新 225
12．2．3 線性高斯系統(tǒng) 227
12．2．4 非線性系統(tǒng) 228
12．3 情境增強目標跟蹤 229
12．3．1 引言 229
12．3．2 約束貝葉斯濾波 230
12．4 約束目標跟蹤算法及其應(yīng)用 232
12．4．1 通用濾波器 232
12．4．2 海上交通監(jiān)控跟蹤濾波器 233
12．4．3 用于地面目標跟蹤的跟蹤濾波器 238
12．5 數(shù)值結(jié)果 244
12．5．1 航路輔助跟蹤 244
12．5．2 GMTI雷達改進地面目標跟蹤 247
12．6 結(jié)論 250
參考文獻 250
第13章 情境跟蹤地面應(yīng)用：算法和設(shè)計實例 255
13．1 引言 255
13．2 空中和地面跟蹤比較 256
13．3 可通行性和地形特征 257
13．4 目標行為 258
13．5 量測信息源 259
13．6 通用目標跟蹤算法 259
13．7 單目標跟蹤 260
13．7．1 多模型算法 260
13．7．2 其他算法 266
13．8 多目標跟蹤 268
13．8．1 常見問題和跟蹤方法 268
13．8．2 多模型算法 268
13．8．3 對稱測量方程濾波器 270
13．9 地面跟蹤應(yīng)用 272
13．9．1 通行能力 274
13．9．2 試驗結(jié)果 277
13．10 海事跟蹤應(yīng)用 278
13．11 結(jié)論及未來工作 281
致謝 281
參考文獻 282
第14章 文本分析的情境相關(guān)性和軟信息融合增強 287
14．1 引言 287
14．2 命題圖 288
14．3 與全局圖合并 290
14．4 情境理論 291
14．5 使用擴散激活查找相關(guān)信息 291
14．5．1 一般擴散激活和命題圖 291
14．6 評估擴散激活 294
14．6．1 方法 294
14．6．2 評估結(jié)果 297
14．6．3 討論 297
14．7 結(jié)論 299
致謝 300
參考文獻 300
?
第15章 多傳感器組的情境學習和信息表示算法 303
15．1 引言 303
15．2 情境學習 305
15．2．1 情境的數(shù)學形式化 305
15．2．2 學習情境感知的測量模型 307
15．2．3 現(xiàn)場決策自適應(yīng)中的情境感知 309
15．3 多模態(tài)信號的語義信息表示 310
15．3．1 概率有限狀態(tài)自動機的結(jié)構(gòu) 311
15．3．2 希爾伯特空間構(gòu)建 312
15．3．3 交叉機擴展 313
15．3．4 PFSA特征提?。簶?gòu)造D-Markov機 314
15．4 實驗和結(jié)果 315
15．4．1 實驗場景和數(shù)據(jù)收集 315
15．4．2 數(shù)據(jù)預(yù)處理和特征提取 315
15．4．3 性能評估 316
15．5 結(jié)論 317
致謝 318
參考文獻 318
第五部分 硬/軟融合中的情境
第16章 動態(tài)及多層次融合的情境 322
16．1 引言 322
16．1．1 多傳感器多線索融合 323
16．1．2 情境信息中的異質(zhì)性 325
16．2 情境作為多層次融合的約束要素 326
16．3 情境和JDL第四層次 327
16．3．1 體系結(jié)構(gòu) 328
16．3．2 濾波步驟 329
16．4 情境感知系統(tǒng)的設(shè)計指導 331
16．4．1 情境篩選 331
16．4．2 情境切換 333
16．5 討論 334
16．5．1 先驗知識、情境和適應(yīng)性 334
16．5．2 情境異質(zhì)性和信息融合層級 335
16．5．3 中間件 335
16．6 結(jié)論 335
參考文獻 335
第17章 硬軟信息的多級別情報融合 339
17．1 引言 339
17．2 背景 340
17．3 前期工作 344
17．4 多級別融合 344
17．4．1 一個示例場景 344
17．4．2 “多級別”不是“硬+軟”融合 345
17．5 多級別融合中的情境使用 346
17．6 BML使能的融合 347
17．6．1 行動中的BML 348
17．6．2 表示BML中的不確定性 351
17．6．3 BML表征用于不確定性管理 352
17．6．4 多源BML信息的協(xié)調(diào) 355
17．7 結(jié)論 356
致謝 356
參考文獻 356
第18章 基于情境的物理和人為數(shù)據(jù)級別5信息融合 360
18．1 引言 360
18．2 視頻和文本分析 361
18．2．1 基于物理的傳感――視頻跟蹤 362
18．2．2 基于人的傳感――文本處理 362
18．3 人體數(shù)據(jù)融合的物理條件 363
18．3．1 基于效果的標簽方法 363
18．3．2 基于查詢的分析 364
18．3．3 視頻和文本的分析描述 365
18．3．4 情境作為視頻和文本的相關(guān)方法 366
18．4 L1跟蹤框架 366
18．4．1 粒子濾波器 367
18．4．2 稀疏表示 367
18．4．3 處理遮擋和噪聲的改進方法 368
18．4．4 最小誤差界 368
18．5 物理和人為信息融合的例子 369
18．5．1 來自SYNCOIN的文本 370
18．5．2 視頻分析 371
18．5．3 空間上的視頻―文本關(guān)聯(lián) 372
18．5．4 時間上的視頻―文本關(guān)聯(lián) 373
18．5．5 空間和時間上的視頻―文本圖形關(guān)聯(lián) 373
18．6 討論 376
18．7 結(jié)論 377
致謝 377
參考文獻 377
第19章 基于查詢視頻流的情境理解 383
19．1 引言 383
19．1．1 情境數(shù)據(jù) 384
19．1．2 情境特征 385
19．1．3 情境場景 386
19．2 用于情境索引的多媒體數(shù)據(jù)表示 388
19．2．1 多媒體索引和檢索 389
19．2．2 基于內(nèi)容的圖像檢索 390
19．3 支持情境分析的數(shù)據(jù)庫系統(tǒng) 391
19．4 用于情境分析的LVC-DMBS 394
19．4．1 LVC-DMBS數(shù)據(jù)模型 395
19．4．2 LVC-DMBS查詢語言 397
19．4．3 情境評估 398
19．5 討論 400
19．6 結(jié)論 403
致謝 403
參考文獻 403
第六部分 情境方法在融合中的應(yīng)用
第20章 公共安全多傳感器系統(tǒng)中情境的作用 409
20．1 引言 409
20．2 安保――方法與初步措施 410
20．3 保險、法律情境與信息融合 412
20．4 公共安全與保障的概念和細節(jié) 413
20．5 公共安全系統(tǒng)的情境驅(qū)動設(shè)計 414
20．6 危險品定位的問題 415
20．7 HAMLeT――實驗實例討論 416
20．8 情境集成――設(shè)計所應(yīng)遵守的法律 419
20．9 情境集成――適當?shù)膫鞲衅髂Ｐ?420
20．10 情境集成――人流量信息 423
20．10．1 規(guī)則模式集成 423
20．10．2 非規(guī)則模式檢測 424
20．11 輔助系統(tǒng)與自主計算 424
20．12 結(jié)論 426
參考文獻 426
第21章 基于情境的廣域運動圖像目標跟蹤實體關(guān)聯(lián) 430
21．1 前沿 431
21．1．1 空間情境 431
21．1．2 時間情境 432
21．2 實體估計的背景 433
21．3 多車輛跟蹤 434
21．3．1 框架概述 434
21．3．2 時間情境 435
21．3．3 多目標關(guān)聯(lián) 437
21．3．4 多幀關(guān)聯(lián) 439
21．4 實現(xiàn) 439
21．4．1 配準 439
21．4．2 生成候選 440
21．4．3 候選的分類 440
21．5 實驗 441
21．5．1 時間情境 441
21．5．2 一致性空間情境 445
21．6 結(jié)論 448
致謝 449
參考文獻 449
第22章 地面目標跟蹤應(yīng)用軍事和民用領(lǐng)域的設(shè)計實例 453
22．1 引言 453
22．2 相關(guān)應(yīng)用：地面信息的表示和地面目標跟蹤技術(shù) 454
22．3 地面目標跟蹤 455
22．3．1 速度場生成 455
22．3．2 求解線性傳遞方程的計算方法 457
22．3．3 數(shù)值例 461
22．4 機場地面示例 462
22．4．1 機場布局表示 463
22．4．2 數(shù)據(jù)融合解決方案 464
22．4．3 結(jié)論 468
22．5 結(jié)論 472
致謝 472
參考文獻 473
第23章 計算機視覺系統(tǒng)中基于情境的態(tài)勢識別 476
23．1 引言 476
23．2 情境管理的知識模型 477
23．3 基于視覺行為識別中的情境 478
23．3．1 低層融合中的情境 479
23．3．2 高層融合中的情境 481
23．4 基于情境的行動識別示例 483
23．4．1 視頻注釋 483
23．4．2 用情境推理提高跟蹤器的準確性 484
23．4．3 環(huán)境智能中的場景解釋 488
23．5 結(jié)論 492
致謝 492
參考文獻 493
第24章 情境信息增強數(shù)據(jù)融合在道路安全中的應(yīng)用 496
24．1 引言 497
24．2 智能交通系統(tǒng)中的數(shù)據(jù)融合 497
24．3 總體描述 498
24．3．1 激光掃描儀行人檢測 500
24．3．2 基于光學傳感器的障礙物檢測與分類 501
24．4 融合系統(tǒng) 502
24．4．1 估計濾波器 502
24．4．2 JPDA數(shù)據(jù)關(guān)聯(lián) 503
24．4．3 航跡管理 504
24．5 用于基于危險估計的行人檢測的環(huán)境CI 504
24．5．1 基于探測區(qū)域的危險估計 505
24．5．2 行人檢測與危險估計 506
24．6 實驗與對比 508
24．6．1 實驗 508
24．6．2 算法對比 510
24．7 結(jié)論 511
致謝 511
參考文獻 512
第25章 機器人與信息融合中的情境 514
25．1 引言 514
25．2 機器人中的情境 515
25．2．1 情境信息 515
25．2．2 情境表示 518
25．2．3 討論 520
25．3 信息融合應(yīng)用的情境感知框架 522
25．3．1 框架設(shè)計 522
25．3．2 框架方案 522
25．4 基于情境的信息融合體系結(jié)構(gòu)實例 524
25．4．1 應(yīng)用場景：智能車輛上的自適應(yīng)巡航控制系統(tǒng) 524
25．4．2 問題定義 525
25．4．3 情境的分類法 525
25．4．4 情境信息融合 526
25．4．5 遵循JDL觀點的信息融合管道 526
25．5 結(jié)論 529
致謝 529
參考文獻 529