情境增强信息融合：以领域知识推进真实系统性能

图书标准信息

• 作者 [意大利]劳罗·斯纳罗（LauroSnidaro） 著；熊伟 译
• 出版社 电子工业出版社
• 出版时间 2020-09
• 版次 1
• ISBN 9787121393013
• 定价 209.00元
• 装帧 平装
• 开本 16开
• 页数 556页
• 字数 824千字

【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**专家的**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。

【作者简介】

Lauro Snidaro（劳罗?斯纳罗），意大利人，就职于意大利乌迪内大学数学和计算机科学系，教授，是信息融合、人工智能等领域的专家，多次担任国际信息融合大会荣誉主席，研究方向为数据融合、体系结构、态势感知、人工智能、机器学习等。发布有影响力的论文多篇，并担任IEEE、ICASSP、ITST、ICSPS等国际知名期刊编委。曾组织国际信息融合领域专家编撰Context-Enhanced Information Fusion，编者包括纽约州立大学的James Llinas 、美国空军研究实验室的Erik Blasch以及西班牙Carlos的Jesús García等国际知名专家，该书于2016年在Springer出版。
熊伟，男，汉族，现为海军航空大学教授、海军航空大学信息融合研究所副所长，军队高层次科技创新人才工程拔尖人才、装备发展部指控专业组成员、中国航空学会信息融合分会总干事等，入选中国科协第九届全国代表、海军优秀青年、火力与指挥控制领域杰出青年科技工作者，获国防科技卓越青年科学基金、山东省青年科技奖等。主要研究方向为信息融合、指挥控制系统等，主持和参与973、国家自然基金等项目；获国家科技进步二等奖1项，省部级科技进步一等奖2项、二等奖3项、三等奖1项，发表论文40余篇，授权专利10余项，相关研究成果已推广应用于信息系统、雷达设备等研制中。

【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DD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DDProWare166
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BML348
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DD视频跟踪362
18．2．2  基于人的传感DD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D文本关联372
18．5．4  时间上的视频D文本关联373
18．5．5  空间和时间上的视频D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-DMBS394
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DD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  HAMLeTDD实验实例讨论416
20．8  情境集成DD设计所应遵守的法律419
20．9  情境集成DD适当的传感器模型420
20．10  情境集成DD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CI504
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