分散式網路化系統由於受到通信頻寬等因素的制約，降低系統的性能。首先，提出了基於活動輪廓模型的多相雙曲線圖像分割方法，用於提高圖像分割的精度。其次，研究具有魯棒性的資料集分類方法，降低分類過程中參數不確定性的影響。第三，提出加權融合重組新息和誤差互協方差實現資訊交互。進而，提出基於估計的線性時滯補償策略，重組帶有時間戳記的測量序列。最後，模擬結果驗證了所提方案有效性，進而提高系統的可靠性和定位精度。


劉莉，女，工學博士，于上海大學機電工程與自動化學院獲得工學博士學位，現任魯東大學資訊與電氣工程學院講師。
　　
主要研究方向包括資訊融合、機器視覺、目標定位與跟蹤等。作為項目主持人或主要技術負責人參與完成項目5項，包括國家自然科學基金專案、上海市科委專案、山東省自然科學基金專案等。先後在《Neurocomputing》、《IEEE/CAA Journal of Automatica Sinica》、《Advances in Manufacturing》、《儀器儀錶學報》等期刊及各類國際學術會議上發表論文SCI、EI收錄十餘篇。
　　
主編《C#程式設計教程》、《C語言程式設計》、《軟體工程》等教材，在《電腦教育》期刊上發表教學改革論文4篇，參與省級精品課程《資料庫原理》的建設。先後講授《C#程式設計》、《Windows程式設計》、《ASP.NET程式設計》、《大型資料庫技術》、《軟體工程》、《高階語言程式設計》、《程式設計基礎》、《常用軟體》等課程。

第1章緒論11.1研究背景1
1.2相關領域的國內外研究進展與現狀3
1.2.1分散式系統測量方法3
1.2.2目標定位方法4
1.2.3水準集演化方法6
1.2.4資料集分類方法7
1.2.5資訊融合理論8
1.3主要工作和特色12
1.3.1研究內容12
1.3.2本書特色13
1.4章節安排14

第2章基於多相雙曲線水準集演化的圖像分割方法17
2.1引言17
2.2水準集方法預備知識17
2.2.1水準集方法原理18
2.2.2多相水準集理論20
2.2.3基於區域的水準集方法21
2.2.4多項水準集方法的能量函數23
2.3多相雙曲線方法24
2.3.1區域控制能量項25
2.3.2能量擬合函數25〖4〗分散式網路化系統資訊融合〖2〗目錄〖4〗2.3.3水準集曲線演化29
2.3.4演算法的執行過程32
2.4方法實施和實驗探討32
2.4.1實驗結果32
2.4.2結果分析35
2.5本章小結37

第3章基於鄰居搜索和內核模糊C均值的魯棒性資料集分類方法38
3.1引言38
3.2聚類演算法的理論基礎38
3.2.1聚類分析39
3.2.2內核模糊C均值演算法40
3.3魯棒的資料分類方法42
3.3.1鄰居搜索遍歷資料集42
3.3.2初始化隸屬度矩陣和聚類原型44
3.3.3優化隸屬度矩陣和聚類原型45
3.3.4魯棒性能估計47
3.3.5演算法執行步驟49
3.4實驗驗證49
3.4.1實驗一： MEMS加速度計資料集50
3.4.2實驗二： 複雜圖像資料集53
3.5本章小結57

第4章不確定網路化系統的分散式加權融合估計58
4.1引言58
4.2最優估計理論和問題描述59
4.2.1卡爾曼濾波理論59
4.2.2分散式網路化系統融合架構60
4.2.3傳輸時延和交叉相關雜訊61
4.3分散式魯棒卡爾曼類型的濾波62
4.3.1重組新息序列62
4.3.2分散式融合估計65
4.4數值驗證72
4.5本章小節77

第5章隨機不確定系統的建模與濾波78
5.1引言78
5.2問題闡述79
5.2.1系統描述79
5.2.2基於序列重排的建模79
5.2.3雜訊的相關性82
5.3魯棒有限時域濾波82
5.3.1基於ZOH的濾波83
5.3.2基於邏輯ZOH的濾波88
5.4模擬結果92
5.5本章小結96

第6章面向空間定位的不確定系統的建模與估計97
6.1引言97
6.2基於線性CCD的空間定位方法97
6.2.1空間定位原理98
6.2.23D光電傳感定位系統工作流程99
6.2.3空間定位效果模擬100
6.3問題描述和分析105
6.3.1基於信號選擇方案的系統模型106
6.3.2交叉相關性雜訊107
6.4基於邏輯ZOH的估計器107
6.4.1子系統的增廣狀態向量108
6.4.2估計協方差的上界110
6.4.3隨機延遲的線性補償111
6.4.4分散式加權融合估計112
6.5數值模擬114
6.6本章小結120

第7章總結與展望121
7.1總結121
7.2未來展望123
附錄A命題3.1～命題3.3的證明124
附錄B定理4.2的證明129
附錄C定理5.2的證明131
參考文獻136