一种基于焦元解耦和PCR6证据推理方法

证据推理适用于无先验信息情况下的信息融合,在不确定性的表示、融合方面有明显优势。提出一种基于焦元解耦和第六类比例冲突分配规则（PCR6）的证据推理方法,在各证据源中利用Smarandache编码得到各焦元的单调布尔函数,将冲突焦元、不确定焦元及混合焦元分配到相应的单原子焦元上,再利用PCR6进行融合。通过数值算例仿真表明：提出的方法充分考虑冲突焦元、不确定焦元及混合焦元对融合结果影响,与直接利用PCR6融合相比,减少了推理结果中不确定、冲突焦元的融合。融合过程简单,融合结果更直观、合理,便于判决。     

多源冲突证据的智能融合算法研究

与Dempster-Shafter理论（DST）相比,Dezert-Smarandache理论（DSmT）通过保留证据冲突项作为数据融合的焦元,从而可以很好地解决在证据发生高冲突情况下的信息融合问题。但是因为DSmT算法增加了矛盾焦元,致使推理过程中的计算量加大,更容易产生焦元爆炸的问题。针对上述问题,提出一种结合两者优点的DST-DSmT智能算法。该算法以证据之间的冲突质量作为判断依据,当冲突质量较小时采用DST算法,反之则采用DSmT算法,以期在保证融合效果的情况下,减小计算量。以P2-DX机器人为实验平台,以具体算例验证了方法的正确性和有效性。     

DSmT与DST融合门限改进方法

Dezert-Smarandache理论（DSmT）是一种能够高效实现多源信息融合,成功处理强冲突证据源的数据融合方法,而Dempster-Shafer理论（DST）在证据源冲突低时的融合效果好,运算代价低。将两种技术结合,在冲突距离函数变化率较低时采取DST证据理论,反之采用DSmT融合算法是一种提高信息融合效率的可行方式。研究人员对DSmT和DST二者的单点值转换门限方法已做了探讨,针对单点值门限方法的不足,提出了将冲突距离函数作为判别依据来确定转换门限的方法。该方法有很强的适应性,根据不同的证据组合,能划分是单点值门限还是多点值门限。     

冲突再分配DSmT及解决证据间矛盾的新方法

ＤＳｍＴ 在处理多证据信源融合时,存在冲突焦元置信指派不合理增长,主焦元基本置信指派不合理收敛的问题,使决策困难．首先分析问题产生的原因,对ＤＳｍＴ 组合公式给出了改进意见,提出一种冲突再分配的ＤＳｍＴ 组合公式;然后针对多证据融合时证据间存在矛盾的问题,提出一种基于冲突率的折扣算法,修正置信指派．算例分析表明,采用上述算法可使主焦元基本置信指派得到合理收敛,冲突焦元得到合理处置,融合结果有利于决策．     

兼顾特征级和决策级融合的场景分类

针对单一特征在场景分类中精度不高的问题,借鉴信息融合的思想,提出了一种兼顾特征级融合和决策级融合的分类方法。首先,提取图像的尺度不变特征变换词包(SIFT-BoW)、Gist、局部二值模式(LBP)、Laws纹理以及颜色直方图五种特征。然后,将每种特征单独对场景进行分类得到的结果以Dezert-Smarandache理论(DSmT)推理的方式在决策级进行融合,获得决策级融合下的分类结果;同时,将五种特征串行连接实现特征级融合并进行分类,得到特征级融合下的分类结果。最后,将特征级和决策级的分类结果进行自适应的再次融合完成场景分类。在决策级融合中,为解决DSmT推理过程中基本信度赋值(BBA)构造困难的问题,提出一种利用训练样本构造后验概率矩阵来完成基本信度赋值的方法。在21类遥感数据集上进行分类实验,当训练样本和测试样本各为50幅时,分类精度达到88.61%,较单一特征中的最高精度提升了12.27个百分点,同时也高于单独进行串行连接的特征级融合或DSmT推理的决策级融合的分类精度。     

Uncertainty evaluation for a Dezert–Smarandache theory-based localization problem

Dezert–Smarandache theory (DSmT) is selected as the fusion method in a decision making system. To compare sensor fusion results, an uncertainty analysis is performed at each level of the decision making system. The supervision is based on the Generalized Aggregated Uncertainty (GAU) measure which is a generalization of Aggregated Uncertainty measure, whereas it is applicable for DSmT results. This measure helps to make decisions on better choice of combinations of sensors or methods of fusion. As an experimental study, localization of an object using cameras’ images is selected. Classic DSmT and hybrid DSmT by using extra knowledge, is applied and then uncertainty evaluation is carried out by the GAU uncertainty measure. The final decision in the presented framework has uncertainty less than each sensor’s measurement. By this method, more accurate and less uncertain results in localizing the object with high conflict sensory data are generated.     

基于比例冲突再分配理论的目标识别应用研究

目前证据推理理论算法的改进仍然是热门的方向,其应用也越来越广,因此主要介绍了当前证据推理理论的两种最新的改进思想--最新的DSmT理论以及比例冲突再分配(PCR)方法;归纳总结了证据理论的主要应用及其在应用中的关键问题之--基本置信指派的主要构造方法;最后利用人工神经网络训练数据的方法构造基本置信指派,对比例冲突再分配(PCR5)方法在序列图像目标识别中的应用进行了仿真分析,仿真实验结果表明该算法可以有效地提高序列图像目标识别的准确性.     

基于DSmT与粒子滤波的多传感器融合

为实现多传感器对机动目标状态的跟踪,提出一种基于DSmT与粒子滤波的多传感器融合算法。在各传感器利用粒子滤波方法处理观测数据的基础上,运用DSmT作为融合工具,将观测数据转化为辨识框架内的元素及其mass值,得到最终融合结果。实验结果表明,该方法可减小距离误差,提高跟踪精度,且运算复杂度能满足在线实时融合的要求。     

一种飞机图像目标多特征信息融合识别方法

提出了一种基于概率神经网络(Probabilistic neural networks, PNN)和DSmT推理 (Dezert-Smarandache theory)的飞机图像目标多特征融合识别算法. 针对提取的多个图像特征量,利用数据融合的思想对来自图像目标各个特征量提供的信息进行融合处理.首先,对图像进行二值化预处理,并提取Hu矩、归一化转动惯量、 仿射不变矩、轮廓离散化参数和奇异值特征5个特征量;其次, 针对DSmT理论中信度赋值构造困难的问题,利用PNN网络,构造目标识别率矩阵,通过目标识别率矩阵对证据源进行信度赋值;然后,用DSmT组合规则在决策级层进行融合,从而完成对飞机目标的识别;最后,在目标图像小畸变情形下, 将本文提出的图像多特征信息融合方法和单一特征方法进行了对比测试实验,结果表明本文方法在同等条件下正确识别率得到了很大提高,同时达到实时性要求,而且具有有效拒判能力和目标图像尺寸不敏感性. 即使在大畸变情况下,识别率也能达到89.3%.     

自抗扰控制技术在高低温环境模拟系统中的应用

针对现有健康状态评估方法主观性较强,准确度不高等问题,提出一种基于DSmT理论和模糊综合评判的健康状态评估模型。首先,确定评估对象的评价指标体系,对采集的原始数据进行预处理;然后利用模糊综合评判理论确定广义基本信度赋值;接着采用DSmT融合规则对广义基本信度赋值合成,得到健康状态等级。对于多级的系统评估,可将融合后的结果作为新的广义基本信度赋值进行DSmT融合。实例验证表明,该状态评估模型能够准确有效地实现对系统的健康状态评估,而且能够克服高冲突证据的融合问题,具有良好的应用价值。     

Convex optimization approach to identify fusion for multisensortarget tracking

We consider the problem of identity fusion for a multisensor target tracking system whereby the sensors generate reports on the target identities. Since sensor reports are typically fuzzy, incomplete, or inconsistent, the fusion of such sensor reports becomes a major challenge. In this paper, we introduce a new identity fusion method based on the minimization of inconsistencies among the sensor reports by using a convex quadratic programming formulation. In contrast to Dempster-Shafer's evidential reasoning approach which suffers from exponentially growing complexity, our approach is highly efficient (polynomial time solvable). Moreover, our approach can fuse sensor reports of the form more general than that allowed by the evidential reasoning theory. Simulation results show that our method generates reasonable fusion results which are similar to that obtained via the evidential reasoning theory     

基于模糊逻辑和组合证据理论的信息融合技术在网络管理中的应用

研究基于模糊逻辑和组合证据理论的综合信息融合技术在网络管理中的应用．研究了用于网络管理的来源于多信息源的关联规则的融合方法和推理机制，以及故障与故障原因的模糊关系和模糊规则的融合方法及推理机制；在故障定位方面，采用组合证据理论对网络专家、规则推理和模糊推理所给出的故障原因进行融合得出综合的诊断结果。     

基于ESMS过滤器的信息融合理论研究及SLAM应用

本文解决了多源信息融合时信息源选择的难题,提出了一种广义的证据支持贴近度过滤器来选择最一致的证据源,并耦合基于DSmT和PCR5的融合机,应用于Pioneer Ⅱ移动机器人的SLAM;通过对运行在虚拟环境中的一个虚拟机器人（自身携带16个Sonar传感器）,感知周围环境信息,对有或没有ESMS过滤器两种情况下的环境地图重构效果进行比较,充分验证了ESMS过滤器作为信息融合源选择先决条件的优点。     

Dezert-Smarandache理论组合规则性质分析

在Dezert-Smarandache理论(DSmT)中组合规则众多,其性能直接影响DSmT的最终融合结果。为此,对组合规则的性质进行研究,提出一种DSmT组合规则性质分析方法,从合成性质、时序性质和工程可用性质3个方面对DSmT的组合规则性质进行描述。实验结果证明,该方法提出的3类性质能较全面地反映组合规则的特性。     

广义证据推理融合结构

针对Dempster Shafer理论（DST）及Dezert Smarandache理论（DSmT）难以处理不确定信息的问题,定义了辨识框架中的不确定因子,提出了2种自适应通用分配法则（AUPR）.并提出了证据理论的广义融合框架,并在此基础上构建了广义证据推理机.以Pioneer 2 DXe机器人为实验平台,绘制了实验场景的信度分布图.实验结果验证了所提方法的有效性和实用性,为构建统一的信息融合框架提供了有力的依据.     

一种改进的DSmT及其在目标识别中的应用

与D-S理论相比,DSmT可以很好地解决证据矛盾时的证据组合问题,但是DSmT在很多情况下主焦元mass函数难以收敛。在标准DSmT的框架下,将其融合后的mass函数进行重构,从而提出一种改进的DSmT,该算法的主焦元mass函数可以快速收敛。在进行二维飞机序列图像的目标类型识别中,该改进DSmT进行迭代运算,可使主焦元的mass值快速收敛到指定的阈值,以便完成准确的目标识别。     

基于Vague集加权相似度量的双向近似推理

本文提出了一种新的Vague集的加权相似度量方法，以解决文献中关于Vague集相似度量的某些缺陷以及权向量中各个分量难以确定的问题，并且提出了Vague集间相似方向的概念，用它来描述两个相拟Vague集中哪个所包含的信息更精确，并给出了一个判定方法。在此基础上的给出了一种基于Vague集加权相似度量的双向近似推理方法，该方法更好地利用了Vague集信息的精确性，从而提高了推理的精确性和适用性。这为智能系统中的近似推理提供了一个十分有用的工具。     

基于真值支持度的直觉模糊推理方法

为了降低直觉模糊集在推理过程中需要同时考虑隶属度和非隶属度两方面运算的复杂性,提出了一种基于真值支持度的直觉模糊推理方法,研究了强真度、真值支持度及其相关性质,并将强真度和真值支持度引入到推理中,给出真值支持度的直觉模糊推理算法及计算步骤,并以具体算例验证了该方法的正确性和有效性。     

改进的最大嫡闭值分割及其快速实现

针对传统二维最大嫡阂值法对二维直方图采用近似处理等的不足,提出了改进的二维最大墒快速阈值分割方法。首先对部域模板进行改进,将改进后的模板用来构建二维直方图,并将最大嫡法用于此直方图上,以便获得最佳阈值;然后,舍弃传统的二维直方图中关于主对角区域的概率近似为1的假设,使阂值选取更准确;最后,分析二维直方图投影,得到其特性,并证明两定理的存在。利用此特性和两定理导出新型、快速的递推算法来降低计算复杂度。仿真实验结果表明,与当前二维最大嫡法相比,提出的方法不仅分割更准确和抗噪性更强,而且占用的存储空间更少,分割速度更快,分割时间少于0.04s。     

基于卡方散度阈值方法的图像分割研究与实现

通过分析交叉熵阈值法的计算时间量较大的问题,提出了基于卡方散度的图像阈值化分割新准则,并从理论上分析了它与交叉熵阈值法的计算复杂性.实验结果表明,提出的图像分割准则是可行的,且计算所需时间比交叉熵阚值法有了明显减少,它对一定强度噪声干扰的图像比交叉熵法能获得更好的分割结果.