基于K-中心点聚类的模糊航迹关联算法

为提高目标航迹相交和近距平行状态时航迹关联的正确率,提出了一种基于K-中心点聚类的模糊航迹关联算法。该算法基于K-中心点聚类算法,将系统航迹作为聚类中心,采用局部航迹与系统航迹关联的策略,为描述航迹间的相似性,采用模糊分析方法,综合考虑各个因素的影响,构造模糊关联矩阵,并利用历史信息和先验知识进行航迹关联。仿真表明该算法在航迹相交状态下,相交时刻关联正确率比K-medoids聚类算法提高5%左右,近距平行状态下关联正确率的收敛速度优于K-medoids聚类算法。     

基于新型AFCM的多传感器目标跟踪航迹融合

多目标跟踪是多传感器系统信息融合中的核心技术之一.采用新型的AFCM模糊算法实现对多目标交叉状态下航迹数据关联.该算法定义了一种新的度量空间中的距离,通过新的距离定义有效抑制含有噪声点的样本及目标航迹交叉在迭代中对数据关联聚类中心点的大幅偏差.同时应用改进带加权的航迹融合算法对红外和毫米波雷达传感器测量的航迹数据进行融合.仿真试验证明,新的算法在综合多传感器探测优势的基础上,对航迹的融合结果优于SF算法.新的数据关联算法和改进的加权航迹融合算法为多源信息融合提供了一种可靠有效的多目标跟踪技术.     

基于多因素模糊和灰色关联度综合的AIS与雷达数据关联

为提高多目标密集环境下AIS与雷达探测目标关联正确率,将多因素模糊判断和灰色关联度进行结合,提出一种新型关联算法。该算法将目标航迹看作四个因素的时间序列。首先利用多因素模糊判断对四个因素的时间序列集合进行初步关联判断,然后对满足初步关联条件的目标进行四个因素的灰色关联度决策,确定最终航迹相关的目标。仿真证明,该算法相较于单独使用多因素模糊判断,有效提高了关联正确率;相较于单独使用灰色关联度算法,有效缩小了关联范围。     

分步的基于模糊聚类的多雷达航迹关联算法

针对采用传递闭包模糊聚类的多雷达航迹关联算法运算量较大的问题,提出了分步的基于模糊聚类的多雷达航迹关联算法。首先基于欧氏距离对航迹进行预关联判断,然后通过模糊相似计算,简化了航迹相似矩阵,进而减少了相似计算与矩阵迭代的次数,最终达到了减小运算量的目的。仿真结果表明:所提算法在保证关联正确率的前提下,耗时减小了54%,有效地提高了多雷达航迹关联算法的效率。     

分布式多传感器融合数据关联算法

对于分布式多传感器融合多目标跟踪系统,提出一种序贯处理的航迹关联融合算法.为实现杂波干扰环境中对密集多目标的精确跟踪,航迹关联采用了粗、精关联相结合的方法,最小均方误差法用于实现航迹融合.序贯处理的航迹关联融合算法在保证航迹关联正确的同时,大大降低了计算量.仿真实验结果说明了本文方法的有效性.     

利用回波幅度信息辅助的模糊聚类关联算法

针对传统模糊聚类关联算法在对近距离运动目标进行跟踪时容易出现航迹合并或航迹丢失的缺点,提出了一种改进的模糊聚类关联算法.该算法综合考虑了目标运动学信息和雷达回波幅度信息对数据关联过程的影响,并在计算模糊隶属度函数时利用雷达回波幅度信息对其进行了修正.该算法在没有显著增加计算量的前提下,提高了对距离较近且运动模式也相似的目标的关联效果.仿真实验结果表明,该算法关联精度较高,计算量适中,具有较好的工程应用价值.     

一种基于模糊数学的灰色航迹关联方法

在多传感器信息融合系统中,针对传统航迹关联方法在目标密集且航迹交叉的场合下关联效果变差的问题,提出了一种基于模糊数学的灰色航迹关联方法。以两条航迹间的统计距离为基础得到隶属度关系,引入模糊权重因子,简化隶属度计算;将生成的隶属度矩阵输入系统进行航迹间的灰色关联度计算;求得航迹间的关联度,获得各传感器航迹间的关联结果。仿真结果表明,在目标密集且航迹交叉的场合下,该算法的航迹关联性能明显优于加权法、修正K近邻法、模糊数学法,其正确关联概率相较于以上3种方法分别提升了大约27%、13%、3%。     

基于雷达和红外传感器的目标检测方法

航迹关联是多传感器数据融合的一项重要内容,其目的在于评判不同的航迹是否来自同一个目标。取不同目标的位置和速度之间的距离作为模糊因子,提出了一种基于模糊推理的雷达和红外传感器航迹关联算法;该算法采用正态型隶属函数,在加权处理的基础上利用最大隶属函数原则进行航迹相似性评判。仿真结果表明了该算法的有效性。     

分数阶多目标航迹过程关联

为了解决多目标航迹关联模糊的问题,将分数阶引入到多目标航迹关联模型中,提出了针对多目标的分数阶航迹关联模型.算法从数学角度上将整数阶关联度量扩展到分数阶关联度量,并将点信息的非过程关联延伸到线信息的过程关联.实例证明,分数阶较整数阶关联算法能够为关联决策提供更丰富的支持,提高系统可信度、降低系统信息的不确定性,提高了航迹关联的精度.     

基于松弛标号算法的多传感抗差航迹关联

针对多传感抗差航迹关联问题,从理论上分析传感器系统偏差对航迹点集拓扑结构的影响,利用非刚性变换表征两点集之间的拓扑差异.建立抗差航迹关联问题的点模式匹配模型,采用基于松弛标号迭代的非刚性点匹配方法对其进行求解.针对不同测距、测角偏差、目标密度和检测概率水平构造多组典型仿真场景,仿真实验验证了所提出算法的有效性.     

机载异类传感器模糊航迹关联算法的研究

机载雷达和电子对抗测量(ESM)已经成为机载平台上获取目标信息的重要传感器,它们之间的数据关联是典型的异类传感器数据关联问题,以往对于关联判别函数的选取,大多是基于方位角信息和统计方法建立判别函数,当目标密集或杂波较强的情况下,往往出现关联不稳定和关联正确率不高的情况.考虑到航迹关联判决中各因素的不确定性,提出使用基于角度和属性信息建立的模糊综合判别函数来解决机载雷达和ESM的航迹关联问题,通过建立适用于机载雷达和ESM特点的各种数学模型,解决了机载异类传感器航迹相关问题.仿真结果表明:该方法具有较低的漏关联概率和错误关联概率,能很好地解决机载雷达与ESM航迹关联问题.     

区间二型模糊综合评判下的语言动力学分析

为了解决多人对事物的多因素动态评估问题,提出区间二型模糊综合评判下的语言动力学分析方法,给出半连通区间二型模糊集合的表述与运算.综合二型模糊集合与模糊综合评判,探讨二型模糊综合评判方法.结合不同时段的数据,形成多因素动态评估的语言动力学轨迹.最后将区间二型模糊综合评判下的语言动力学系统应用于旅游景区的动态评估中.     

多粒度支持直觉模糊粗糙集的多属性决策方法

针对多属性决策中多个相互冲突的属性信息使决策者很难做出决策判断的问题,文中从支持直觉模糊集的角度研究该问题.首先,在支持直觉模糊集的基础上,结合多粒度粗糙集理论,构造乐观、悲观两种多粒度支持直觉模糊粗糙集模型,分析两种模型之间的相互关系,讨论相关性质.然后,利用t-模和t-余模定义拟合函数,提出多粒度支持直觉模糊粗糙集的多属性决策求解方法,同时定义得分函数和精确函数排序决策结果,提取相应的决策规则,设计算法.实例分析表明,文中方法使决策者在处理信息冲突的多属性决策问题时可根据实际需求选择最优决策方案     

直觉模糊环境下的物流配送中心选址方法研究

物流配送中心选址决策是直接关系到物流配送系统运作效率的重要问题之一。提出了一种基于直觉模糊TOPSIS法的物流配送中心选址方法,给出了直觉模糊集的概念和运算,定义了直觉模糊集之间的距离测度;在此基础上,将直觉模糊集和TOPSIS法相结合,提出了一种配送中心选址决策的新方法,最后的算例分析说明了该方法的有效性。     

概率对偶犹豫模糊PROMETHEE多属性群决策算法

为解决犹豫模糊环境中由随机性和不确定性对实际决策造成偏差的多属性群决策问题,提出一种基于概率对偶犹豫模糊PROMETHEE的多属性群决策算法。构建各决策专家的概率对偶犹豫模糊信息矩阵;运用最大离差法与熵值法确定各决策专家与各指标属性的客观权重,结合改进的得分函数与偏离函数得到专家的综合决策评价信息矩阵;进而通过概率对偶犹豫模糊集与PROMETHEE结合的决策算法得到最终决策结果。将该算法运用于航空灾难事故应急响应方案评估的算例分析中,通过与TOPSIS、VIKOR及PDHFS决策算法的计算结果进行对比,验证了概率对偶犹豫模糊PROMETHEE多属性群决策算法的有效性与可靠性。     

基于直觉模糊集改进算子的多目标决策方法

定义了三角和区间直觉模糊集的一些运算法则,给出了直觉模糊集两个改进算子,即三角模糊数加权算术平均算子（FIFWAA） 和区间直觉模糊数加权几何平均算子（FIFWGA）。在此基础上, 提出用精确函数解决记分函数无法决策的问题,以保证记分函数的严密性与合理性。给出了一种属性权重不完全确定且属性值以三角和区间直觉模糊数给出的多目标决策方法,通过实例分析结果证明了运用直觉模糊集改进算子进行多目标决策方法的有效性和正确性。     

基于改进模糊Borda法的直觉模糊组合多属性群决策方法

总结比较5种广泛应用的直觉模糊决策方法,发现针对同一问题,运用不同的决策方法可能得到不同的决策结果.针对这一现象,借鉴明确集范畴内的组合评价思想,提出基于改进模糊Borda法的直觉模糊组合多属性群决策方法,并对权重信息完全未知的直觉模糊组合决策问题进行研究,提出解决思路.将所提方法应用于多机种保障预案决策这一实际问题中,发现组合决策结果符合一致性检验要求,说明该方法具有一定的适用性,可以为直觉模糊决策提供一种新的思路和方法.     

模糊多属性决策的相似接近度解法

首先对模糊集合的3种接近度测度,即海明距离、模糊贴近度和灰色关联度进行讨论,在此基础上提出了相似接近度的概念,运用模糊满意度的概念建立了模糊多属性决策的数学模型,其次将相似接近度的概念应用于该模型,提出了该模型的一个新的解法;最后通过数值算例表明,该方法不但十分有效,而且物理意义和数学意义明确,模糊贴近度、灰色关联度和相对接近度解法都是该方法的特例．     

基于直觉模糊聚类的数据关联算法

针对多传感器观测数据存在不确定性的问题,基于直觉模糊聚类,提出一种新的数据关联算法。将改进的直觉模糊C-均值聚类（IFCM）算法应用于数据关联,首先将观测数据和预测数据进行直觉模糊化,然后计算直觉模糊集之间的加权距离以获得观测与航迹的隶属度,最后依次搜索最大隶属度实现观测与航迹的关联。仿真实验表明,存在模糊观测数据情况下,算法能有效地进行数据关联。     

A signed-distance-based approach to importance assessment and multi-criteria group decision analysis based on interval type-2 fuzzy set

Interval type-2 fuzzy sets are associated with greater imprecision and more ambiguities than ordinary fuzzy sets. This paper presents a signed-distance-based method for determining the objective importance of criteria and handling fuzzy, multiple criteria group decision-making problems in a flexible and intelligent way. These advantages arise from the method’s use of interval type-2 trapezoidal fuzzy numbers to represent alternative ratings and the importance of various criteria. An integrated approach to determine the overall importance of the criteria is also developed using the subjective information provided by decision-makers and the objective information delivered by the decision matrix. In addition, a linear programming model is developed to estimate criterion weights and to extend the proposed multiple criteria decision analysis method. Finally, the feasibility and effectiveness of the proposed methods are illustrated by a group decision-making problem of patient-centered medicine in basilar artery occlusion.