共查询到20条相似文献,搜索用时 343 毫秒
1.
2.
3.
4.
5.
针对D-S证据理论在处理冲突证据时存在的不足,提出了一种改进的单传感器被干扰情况下的数据融合算法。该算法首先采用加性策略对原证据集进行处理,消除冲突,然后利用D-S证据理论的合成公式进行融合,得到最终合成结果。最后进行仿真试验,仿真试验结果说明该算法能有效地排除干扰,得出符合实际的合成结果。 相似文献
6.
7.
8.
9.
10.
D-S证据理论在目标识别中的应用 总被引:10,自引:0,他引:10
根据地面目标运动引起的地震动信号的特征信息,应用多传感器信息融合的方法将目标正确分类。首先根据地震动信号在频域和时频域的多种特征,应用BP神经网络模式识别法,将地面车辆目标分为轮式车、轻型履带式车和重型履带式车。设计了一种以神经网络正确识别率作为基本概率赋值的方法,并应用D-S证据理论进行识别信息融合,训练样本和识别样本分别取自外场实验所获得真实有效的数据,通过对识别信息融合,以较高的可信度得到与识别样本相一致的识别结果,这表明所设计的获取基本概率赋值的方法及信息融合算法是有效的,该方法可以推广应用于其他多传感器或多信息源的探测识别系统中。 相似文献
11.
12.
13.
14.
15.
16.
针对经典D-S证据理论在实际海上态势分析中对高冲突的证据融合结果准确性较低的问题,提出一种改进D-S证据理论的数据融合方法.通过基于万有引力定律的证据距离公式来衡量证据之间的冲突程度,将冲突较大的融合结果赋予较小的权重,并通过海上武器识别案例进行融合.结果表明,该方法证据冲突越明显,优势越大;证据之间冲突较小时,其融合结果和经典D-S证据理论一致,并具有更高的准确度和稳定性. 相似文献
17.
多传感器目标识别的神经网络与证据理论结合方法 总被引:4,自引:2,他引:4
FMM人工神经网络在模式识别和分类中具有独特的优势,D-S证据理论在多传感器决策融合上具有优势。提出了一种FMM神经网络与D-S证据理论相结合的多传感器数据融合目标识别方法,给出计算机仿真结果,表明该方法可以克服单一传感器ATR系统的局限性,提高对目标的识别率和系统的容错性。 相似文献
18.
19.
20.
基于神经网络与改进D—S证据理论的目标识别 总被引:1,自引:0,他引:1
研究基于神经网络(NN)和D—S证据理论相结合对多传感器多测量周期进行数据融合的目标识别方法.采用中心式融合算法,利用神经网络对单个传感器不同周期的目标进行融合识别;利用D—S证据理论对识别信息进行全局融合,得到综合的目标识别,达到对目标识别的目的,并通过实例证明了该方法的有效性. 相似文献