第一章 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 可转移信度模型
2.3 源自信度函数的决策概率
2.4 Jones先生谋杀案
2.5 哨兵站岗
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 隐性信度结构
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 不确定性与信度函数
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 可转移信度模红
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Iω
7.6 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 α-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:与贝叶斯模组的比较
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哭
9.10 总结