面向目标跟踪的基于Rényi信息增量多的传感器管理

针对地面防空武器系统传感器的管理问题,面向机动目标跟踪,提出了一种基于Rényi信息增量的多传感器管理方案.首先利用交互式多模型容积卡尔曼滤波解决高斯非线性环境下系统状态估计问题,计算各目标和各传感器配对时的Rényi信息增量;然后建立了基于Rényi信息增量的多传感器管理模型,以系统总效能最大为原则选择传感器进行目标跟踪.关联仿真结果表明,该方法与基于Shannon信息增量的多传感器管理方法相比能够提高跟踪精度,实现传感器资源的有效利用.     

目标跟踪中的传感器管理

对序贯Kalman滤波在多传感器多目标跟踪中的应用情况进行了分析,提出了一种基于费歇信息增量的多传感器对多目标的分配方法。该方法较好地解决了传感器的组合分配问题,并能对目标的跟踪精度实施控制,仿真结果证明了该方法的有效性。     

基于信息增量的弹道目标协同跟踪方法

针对反导传感器网络中弹道目标的协同跟踪问题,提出了一种基于信息增量的弹道目标协同跟踪方法。分析了多传感器对弹道目标的协同跟踪问题,并建立了自由段弹道目标分段匀加速模型。在此基础上,对自由段弹道目标跟踪过程中,利用跟踪滤波的协方差阵信息获得每个传感器对目标的信息增量,并以信息增量最大为准则选择传感器对弹道目标进行跟踪,从而实现对弹道目标的有效跟踪。仿真结果表明：所提的方法能够及时动态地选择性能最佳的传感器对弹道目标进行跟踪,提高弹道目标整体的跟踪性能,实现对弹道目标的协同跟踪。     

一种基于Rényi信息增量的机动目标协同跟踪方法

针对传感器网络中的动态跟踪问题,提出一种基于 R′enyi 信息增量的机动目标协同跟踪方法.首先利用粒子滤波计算每个传感器 R′enyi 信息增量;然后以 R′enyi 信息增量最大为原则选择传感器进行目标跟踪,并在跟踪时通过多模型的交互作用实现对机动目标状态的准确估计.仿真结果表明,在非线性非高斯环境下,所提出的方法与传统方法相比能够有效提高跟踪精度,动态分配传感器资源,实现协同跟踪.     

一种基于Rényi信息增量的机动目标协同跟踪方法

针对传感器网络中的动态跟踪问题,提出一种基于Rényi信息增量的机动目标协同跟踪方法.首先利用粒子滤波计算每个传感器Rényi信息增量;然后以Rényi信息增量最大为原则选择传感器进行目标跟踪,并在跟踪时通过多模型的交互作用实现对机动目标状态的准确估计.仿真结果表明,在非线性非高斯环境下,所提出的方法与传统方法相比能够有效提高跟踪精度,动态分配传感器资源,实现协同跟踪.     

Vague集信息融合理论在煤矿安全监测中的应用*

针对模糊信息融合的局限性,提出了基于vague集理论的多传感器信息融合方法。为了解决以往的vague集多目标模糊决策方法的缺陷,应用了一种新的多目标模糊决策的vague集方法,建立了基于vague集的多传感器信息融合模型,给出了该方法的数学描述、数据组织、结果评价及算法实现过程。通过实例研究,验证了该方法的有效性和正确性,从而验证了vague集理论在多传感器信息融合中的应用是更有潜力的新方法。     

D-S证据理论在时-空信息融合中的应用

多传感器的信息融合技术应用于导航、目标跟踪、目标识别等很多领域。目前用于信息融合的主要方法就是证据理论技术。论文给出了三种基于D-S证据理论的多传感器多个测量周期的信息融合(时-空信息融合)的方法。在仿真实验中对这三种方法进行了比较,分布式有反馈的方法是三种方法中最好的。     

机器人非视觉多传感器信息融合的TOPSIS法

针对机器人非视觉多传感器目标识别问题,提出了一种基于改进TOPSIS的多传感器信息融合方法。该方法利用指标隶属度矩阵把多目标识别问题转化为多目标决策问题。通过引入熵权和相对接近度改进TOPSIS,给出多传感器目标识别规则。应用实例验证了算法的有效性和实用性。     

基于区间值Vague集的多传感器信息融合TOPSIS法

针对区间值Vague集表达的多传感器信息融合问题,提出了一种基于TOPSIS的融合方法。该方法定义了区间值Vague集的距离,给出了正、负理想目标,并得到各目标与正、负理想目标的距离,根据各目标与正理想目标的相对接近度给出融合结果。实例分析验证了方法的有效性。     

基于测量方差时变的传感器管理算法

基于预先设定的测量方差对协方差估计所产生的不良影响,提出了一种基于测量方差时变的传感器管理算法。首先,该算法根据时变的测量方差计算目标的估计协方差;其次,利用所得的估计协方差求出目标的信息增量;最后,根据信息增量最大化的原则对传感器资源进行分配。所提算法既充分利用了传感器每次测量带来的信息,又进一步优化了测量方差。仿真实验表明:该算法不仅能提高状态的估计精度,同时,也使系统性能得到改善。     

基于信息增益与信息熵的TFIDF算法

传统的特征词权重算法TFIDF忽略了特征词在类内、类间的分布对其权重的影响。针对该问题,引入信息熵的概念,对基于信息增益的TFIDF算法(TFIDFIG)进行改进,提出一种基于信息增益与信息熵的TFIDF算法(TFIDFIGE)。实验结果表明,与传统的TFIDF算法和TFIDFIG算法相比,TFIDFIGE算法的查准率和查全率较高。     

一种非线性新相关信息熵定义及其性质、应用

在研究了相关信息熵和HPal熵的基础上,提出一种以特征值代替事件发生的概率且以e为底的指数函数形式的改进的非线性新相关信息熵概念.在对有限集最大划分的条件下,推导并从理论上证明了该信息熵的若干性质,这些性质满足香农熵的基本性质.新相关信息熵是一种度量多变量、非线性系统的相关性程度大小的标准.作为多变量之间相关关系的不确定性度量,变量问的相关程度越大,对应的新相关信息熵值越小.新相关信息熵的提出有助于信息融合并为相关分析理论的研究提供了一种新方法和新思路.新相关信息熵和相关信息熵的应用实例结果对比说明新相关信息熵是一种有效且有用的度量非线性系统不确定性的方法.     

基于蜂群优化的粗糙集属性约简

为了获得决策表中更好的属性约简,提出一种信息增益引导的蜂群优化算法;该算法以属性的信息熵为基础构造条件属性与决策属性间的互信息,用待选条件属性引起的信息增益作为引导蜜蜂搜索的启发信息,最终求得属性约简集;对UCI数据库多个数据集的测试结果表明,与其它基于群智能的属性约简算法相比,该算法获得最小属性约简的机率提高到90%以上,同时较对比算法的计算时间少耗费至少10%。     

一种图像隐蔽通信的安全模型

安全性是图像隐蔽通信应用的前提条件。基于香农信息熵和相对熵的安全约束条件还存在不足,隐藏信息不能抵抗利用图像相关性的密写分析。深入分析了图像相邻像素的相关性,给出了基于像素相关的广义信息熵、相对熵和概率分布。提出了广义信息度量的信息隐藏模型,该模型满足隐藏信息的不可检测性,适应于图像隐蔽通信。给出了安全约束条件和信息隐藏方法,并进行了验证实验,给出了实验数据。实验结果表明,该安全模型具有理论和实用价值。     

Measure information quality of basic probability assignment: An information volume method

Information quality is a concept that can be used to measure the information of probability distribution. Dempster-Shafer evidence theory can describe uncertain information more reasonably than probability theory. Therefore, it is a research hot spot to propose information quality applicable to evidence theory. Recently, Deng proposed the concept of information volume based on Deng entropy. It is worth noting that, compared with the Deng entropy, the information volume of the Deng entropy contains more information. Obviously, it may be more reasonable to use the information volume of Deng entropy to represent uncertain information. Therefore, this article proposes a new information quality, which is based on the information volume of Deng entropy. In addition, when the basic probability assignment (BPA) degenerates into a probability distribution, the proposed information quality is consistent with the information quality proposed by Yager and Petry. What’s more, based on the information quality of information volume, a correlation coefficient is proposed. After that, several numerical examples illustrate the effectiveness of this new method. Finally, a weight average fusion method based on information quality of information volume is proposed, and a target recognition task and a pattern recognition experiment are used to illustrate the efficiency of the method.

     

基于语义的林产品贸易Web信息抽取算法

针对现有Web信息抽取技术存在的准确率不高,自动化程度较低以及通用性较弱等诸多不足,结合林产品贸易Web信息推送中对信息源进行结构化存储的需要,提出一种新的基于语义的林产品贸易Web信息抽取算法;充分分析并利用林产品贸易Web信息的特征,结合语义识别的基本原理,构建林产品贸易语义词典,同时利用所需抽取的目标信息在网页中的布局特征,结合信息熵理论提出了基于语义信息熵的目标信息自动定位抽取方法,以抽取需要的目标信息,并以一种结构化的形式存储于数据库中。通过实验对实际林产品贸易Web信息网页的抽取,证明了该算法能够降低人工干预,在林产品贸易信息推送中对信息源的处理具有较好的应用价值。     

基于万有信息定律的图像阈值分割方法

提出基于万有信息定律的图像阈值分割方法。针对熵阈值法仅利用图像灰度概率信息，导致它对有些图像的分割无效，该文从万有引力定律中得到启发，提出信息场中万有信息定律，将其用于图像分割的最佳阈值选取。实验结果表明，该方法是可行的，且对有些图像的分割效果要好于传统的Kapur熵方法。     

灰度图像最大熵分割方法的改进

传统的最大熵分割方法只考虑了图像的灰度概率,忽略了对应的灰度值。为了充分利用灰度图像的灰度信息和空间信息,改进了传统的二维灰度直方图,生成二维差值属性灰度直方图。另外,改进了灰度均值和二维熵的计算方法。在计算熵时,以二维差值属性灰度直方图为基础,用空间信息值来代替灰度概率,生成二维差值属性信息值熵。在实验中,对多张不同的灰度图像分别用改进的最大熵方法与传统的最大熵分割方法进行分割,并对分割结果进行比较分析。实验结果表明,改进的最大熵分割方法能有效地分割灰度图像及噪声图像,有很强的抗噪声能力,并能产生清晰的分割结果。     

A Parzen window-based approach to detection of infrared dim target under sea-sky background

People attach great importance to high detection probability and low false alarm probability for infrared dim target detection. Consequently, a novel approach is proposed based on inverted local information entropy map and the improved region growing technique. The idea originates from the intrinsic property of natural image, the visual mechanism of flying insects and the information entropy theory. Besides qualitative analyses, other methods including the norms of local signal-to-background ratio, local signal-to-noise ratio, region non-uniformity, single-frame detection probability and single-frame false alarm probability are adopted to quantitatively evaluate the proposed approach. Both qualitative and quantitative comparisons confirm the validity and efficiency of the proposed approach.