分布式网络化系统由于受到通信带宽等因素的制约，降低系统的性能。首先，提出了基于活动轮廓模型的多相双曲线图像分割方法，用于提高图像分割的精度。其次，研究具有鲁棒性的数据集分类方法，降低分类过程中参数不确定性的影响。第三，提出加权融合重组新息和误差互协方差实现信息交互。进而，提出基于估计的线性时滞补偿策略，重组带有时间戳的测量序列。最后，仿真结果验证了所提方案有效性，进而提高系统的可靠性和定位精度

刘莉，女，工学博士，于上海大学机电工程与自动化学院获得工学博士学位，现任鲁东大学信息与电气工程学院讲师。主要研究方向包括信息融合、机器视觉、目标定位与跟踪等。作为项目主持人或主要技术负责人参与完成项目5项，包括国家自然科学基金项目、上海市科委项目、山东省自然科学基金项目等。先后在《Neurocomputing》、《IEEE/CAA Journal of Automatica Sinica》、《Advances in Manufacturing》、《仪器仪表学报》等期刊及各类国际学术会议上发表论文SCI、EI收录十余篇。主编《C#程序设计教程》、《C语言程序设计》、《软件工程》等教材，在《计算机教育》期刊上发表教学改革论文4篇，参与省级精品课程《数据库原理》的建设。先后讲授《C#程序设计》、《Windows程序设计》、《ASP.NET程序设计》、《大型数据库技术》、《软件工程》、《高级语言程序设计》、《程序设计基础》、《常用软件》等课程

前言 为了适应不断增长的信息计算和感知需求，网络化系统常采用分布式结构用于提高系统的适应性、效率性和自动化性能，成功地应用在信息物理系统、智能电网、智能交通以及通信网络等重要领域。但是由于受到通信带宽等因素的制约，网络化系统不可避免地存在网络诱导的通信约束现象，这些现象通常会降低系统的性能。因此，研究网络引起的现象对于复杂网络化系统具有重要的意义。本书依据网络化系统中的空间定位与目标跟踪问题，研究分布式结构中信息传输受通信约束的信息融合策略，目的在于提高系统的可靠性和定位精度。主要内容概括如下： 首先，研究由视觉传感器获取的图像信息对其进行精确识别，这是准确定位目标的基础。提出一种基于活动轮廓模型的多相双曲线图像分割方法，该方法采用最大似然估计和期望最大化算法建立N个水平集函数，并把灰度图像分割成2N个子区域。在每个目标子区域，该方法主动将双曲线演化函数嵌入水平集方程，因此图像轮廓的演化曲线能够双边扩展。该方法对于抵抗噪声干扰具有鲁棒性，能够提高图像分割的精度。 其次，依据不同功能的传感器测量得到的复杂数据集，提出一种新的具有鲁棒性的数据集分类方法，该方法利用邻居搜索和内核模糊C均值进行数据遍历和聚类。一些优化的策略包括邻居搜索、控制聚类形状和自适应距离核函数，分别用于解决聚类数目、分类方法的稳定性和一致性的问题。经过理论分析，提出的方法具有抵抗噪声干扰的鲁棒性能，可以降低数据集分类过程中参数不确定性的影响，进而更好地将测量信息应用于分布式系统的信息融合。 第三，研究了受传输时延和交叉相关噪声影响的不确定网络化系统的状态估计问题。提出一种基于鲁棒卡尔曼滤波的分布式感知...