伪证据识别和处理在噪声数据评估中的应用

由于自身因素或外界干扰,机场噪声监测设备往往会测得异常数据,使得该监测点对其他监测点的可信度判断出现错误。当将这种伪证据与其他证据进行融合时,使用D-S组合规则可能会得到较差的融合结果,甚至是违背常理的结果。为了抵消伪证据对融合结果造成的影响,论文介绍了一种利用合成规则的聚焦性识别伪证据的方法,并将识别出的伪证据进行处理再融合。实验结果表明该方法能有效的抵消伪证据造成的影响,得到较好的融合效果,并可成功适用于含有大量不确定信息的机场噪声监测数据可信度证据融合中。     

基于多特征和证据理论离线签名识别

摘 要 本文提出一种基于多特征和证据理论的离线签名识别方法。首先通过比较各个特征在离线签名识别中的性能,选取比较有效的平均伪动态特征和中等分辨率网格特征作为识别特征。然后构造了两个k近邻（KNN,k Nearest Neighbor）分类器,对签名图象进行初步识别。在初步识别基础上,利用一种改进的证据理论合成公式,将两个KNN分类器的输出结果进行融合得到最终识别结果。实验结果表明新的识别方法是有效性。     

基于加权证据距离的高度冲突证据组合方法

为了有效融合高度冲突的证据,以Murphy方法和邓勇加权平均法为基础,提出了一种新的基于加权证据距离的证据组合方法。用Murphy方法确定各证据体的权重,采用修正的City Block距离加权平均求证据间的两两距离,进而获取各证据被其他所有证据支持的程度,归一化各证据的总支持度作为该证据的权重,对多源证据加权平均后再利用Dempster组合规则实现信息融合。实验结果表明,该方法能够更加有效快速地识别出目标,拥有更快的收敛速度。     

开放识别框架D-S合成规则研究

通过引入开放识别框架的概念,运用证据距离和反映证据冲突分配权重的证据冲突强度,提出了一种证据合成的有效方法,该方法能明确区分识别框架的完备性,判断是否需要开放原识别框架。最后,通过实例验证了该方法的合理性与有效性。     

基于证据K-NN改进算法的水声目标识别

证据分类算法已广泛应用于目标识别当中。针对传统证据K近邻算法在近邻证据组合规则上的局限,研究一种新的基于PCR5规则的证据K近邻改进算法(IEK-NN)。首先在总样本集中随机重复采样来构造多个训练子集;然后在各训练子集中,利用目标数据与其近邻的特征距离来构造基本置信指派;最后利用证据推理中的PCR5规则对近邻证据进行融合,并根据融合结果以及所建立的分类规则判断目标的类别属性。通过水声目标实测数据实验,将IEK-NN与传统的证据近邻分类算法进行对比分析,结果表明新算法能有效提高识别的准确率。     

一种基于修改模型的冲突证据组合方法

为解决Dempster-Shafer证据理论在对高度冲突的证据进行融合时可能导致与直观结果相悖的问题,本文提出一种有效处理冲突证据的融合方法。通过引入距离函数,确定证据之间的相互支持度,进而确定证据的权值。采用平均证据代替冲突证据,通过证据的权值修改证据源模型,然后基于Dempster组合规则进行证据组合,以减少冲突证据在组合规则中的作用能力,有效降低干扰对最终融合结果的影响,充分利用了原始证据信息,使得组合结果收敛到正确的目标的效率比较高。     

降低相似度碰撞的证据融合方法

针对相似度碰撞引发证据融合结果错误的问题,提出一种新的证据融合方法。首先,提取证据的焦元序列特征并将其转化为排序矩阵以弥补证据相似度易碰撞的不足;其次,联合证据的排序矩阵和信息熵完成对证据权重的确定;最后,生成归一化证据（MAE）并使用Dempster融合公式将MAE融合n-1次获得最终的结果。基于在线的鸢尾花数据集对证据平均融合方法、余弦相似度证据融合方法、证据距离融合方法和证据信誉度融合方法进行了花类型识别准确性的F-Score对比,上述四种方法的F-Score分别为0.84、0.88、0.88和0.88,而所提方法的F-Score为0.91。实验结果表明,所提方法的决策准确率更高,融合结果更加可靠,能为证据决策提供了有效的解决方案。     

基于置信距离的冲突证据合成方法

雷达目标识别中多源信息融合面临各种不确定冲突信息。为此,提出一种基于置信距离的冲突证据合成方法。在不改变D-S证据组合规则的前提下,考虑到证据之间的关联性,通过计算证据间的相似度和可信度,利用可信度的加权平均来代替冲突证据,从而消除冲突证据并进行信息融合。仿真实验结果证明,该方法能有效进行冲突证据的合成。     

基于矩特征和证据理论的离线签名识别

论文首先对几种矩特征在离线签名识别中的性能进行了比较,在此基础上选取矩和一种基于中心矩的形状描述子(SDBCM)作为签名图象的形状特征,据此构造了两个距离权重k-NN分类器对签名图象进行初步识别。然后将两个k-NN分类器的度量层输出作为证据,用一种改进的证据理论合成公式对其进行融合得到最终识别结果。实验结果表明,新的识别方法是有效的。     

基于决策级融合的图像传感系统目标交接

目标交接是图像传感系统中的关键技术,针对基于特征融合目标交接算法中特征提取的不准确,提出基于决策级融合的多摄像机目标交接算法。将目标的每个特征作为一个证据,给出每个证据基本置信指派函数的构造方式。利用Dempster组合规则得到融合多个证据后的基本置信指派。利用融合决策规则来判断当前目标是否和辨识框架中的某个目标为同一个目标,完成目标交接,并给出目标在系统中唯一标识。多种场景仿真实验表明该算法可以准确地完成多摄像机目标交接。     

基于幂均算子和证据理论的故障诊断方法

将证据理论在处理不确定性信息方面的优势用于故障诊断，可提高诊断的精确度和准确性.从证据理论的角度来看，从每个发动机传感器获得的信息可以看作一条证据，基于多传感器信息的发动机故障诊断即是一个证据融合问题.本文使用证据理论作为描述发动机状态的多传感器信息建模方法.首先，在处理特征值样本数据时，引入幂均算子的方法以提高整个故障诊断系统的准确性；通过量化待测特征值和故障原型之间的距离生成基本概率分配函数；然后引入证据信息量的方法对融合后的结果进行性能评估；最后通过发动机故障案例对该方法进行验证，并与其它方法进行对比，结果充分证明了该方法的真确性与可靠性.     

一种基于局部冲突分配的证据组合规则

Dempster-Shafer证据理论广泛应用于信息融合中, 但是在证据高冲突情况下基于经典D-S证据组合规则的融合结果存在问题。针对这一问题, 提出了一种基于局部冲突分配的证据组合规则。首先基于Jousselme证据距离获得各个证据体的信任度和加权平均证据, 然后由定义的焦元距求其每一个焦元的绝对距离, 并以此获得焦元信任度。最后实验结果表明, 所提算法提高了证据合成结果的可靠性和合理性。     

基于相似度动态修正的冲突证据组合方法

针对信息融合中冲突证据组合时易出现的一般冲突、一票否决和鲁棒性等常见问题,有两类改进策略:一类修改DS(Dempster-Shafer)组合规则,另一类修改证据源模型.提出一种基于封闭世界的修改模型方法.引入Jousselme距离函数来量化焦元属性及证据之间的相互关联性,进而计算各证据的支持度.对证据支持度进行加权平均后得到参考证据,利用该参考证据对各原始证据进行不确定性判定,获得各原始证据与参考证据之间的大小相似度和方向相似度.在此基础上建立一个相似度动态修正模型,利用DS组合规则进行证据组合,对动态修正模型的多组组合结果求平均作为最终结果.通过仿真实验验证所提出方法的有效性和合理性.     

基于反馈结构的多传感器自适应航迹融合算法

在分布式多传感器信息融合系统中，自适应融合算法通过预先设定两个距离测度。然后将它们与逻辑判决树中的阈值进行比较来选择不同的融合算法，达到适应系统特性的不断变化，平衡精度与计算量之间矛盾的目的；反馈结构可用来提高局部节点的跟踪性能，进而提高全局航迹的融合精度．综合上述两种方法，提出一种新的基于反馈结构的多传感器自适应航迹融合算法，并在传感器异步的情况下讨论了其具体的计算过程．仿真结果表明该算法以较小的计算量达到了近似加权协方差算法（WCF）的融合精度．     

自校正信息融合Wiener预报器及其收敛性

对带相关观测噪声和未知噪声统计的多传感器系统,用相关方法得到噪声统计在线估值器.在按分量标量加权线性最小方差最优信息融合准则下,用现代时间序列分析方法,基于滑动平均(moving average)新息模型的辨识,提出了自校正解耦融合Wiener预报器.用动态误差系统分析(dynamic error system anallysis)方法证明了自校正融合wiener预报器收敛于最优融合Wiener预报器,因而它具有渐近最优性.它的精度比每个局部自校正Wienet预报器精度都高.它的算法简单,便于实时应用.一个目标跟踪系统的仿真例子说明了其有效性.     

用D-S证据理论实现多传感器信息融合的一种改进算法

阐述了基于D-S证据理论的多传感器信息融合算法,提供一种基于D-S理论的改进方法以解决融合信息的相关性问题.用滑觉和热觉传感器作实验,对该方法的有效性进行了验证.     

基于修订矩阵的最小二乘法多传感器融合障碍物位置估计

在障碍物位置检测时,由于传感器测量误差等不确定因素的存在,希望通过多传感器融合降低不确定性使得位置估计值更为可靠.提出了一种基于修订矩阵的最小二乘法多传感器融合估计新方法.根据红外传感器得出的先验信息建立修订矩阵,再由最小二乘法的原理得出线性可信度加权方程.分别对加入和不加入修订矩阵进行仿真和"未来之星"移动机器人实验...     

基于效用理论的多传感器智能融合

信息融合系统应综合考虑获取信息所要求的资源、计算复杂度和时间所需要的最小成本,提出了基于效用理论的传感器智能融合技术,利用期望效用最大化的观点来选择传感器,并与证据理论相组合,应用于目标识别,仿真结果表明该方法的有效性。     

自校正对角阵加权信息融合Kalman预报器

For the multisensor systems with unknown noise statistics, using the modern time series analysis method, based on on-line identification of the moving average (MA) innovation models, and based on the solution of the matrix equations for correlation function, estimators of the noise variances are obtained, and under the linear minimum variance optimal information fusion criterion weighted by diagonal matrices, a self-tuning information fusion Kalman predictor is presented, which realizes the self-tuning decoupled fusion Kalman predictors for the state components. Based on the dynamic error system, a new convergence analysis method is presented for self-tuning fuser. A new concept of convergence in a realization is presented, which is weaker than the convergence with probability one. It is strictly proved that if the parameter estimation of the MA innovation models is consistent, then the self-tuning fusion Kalman predictor will converge to the optimal fusion Kalman predictor in a realization, or with probability one, so that it has asymptotic optimality. It can reduce the computational burden, and is suitable for real time applications. A simulation example for a target tracking system shows its effectiveness.     

按对角阵加权自校正信息融合Kalman预报器及其收敛性分析

对于带未知噪声统计的多传感器系统，应用现代时间序列分析方法，基于滑动平均(MA)新息模型的在线辨识和相关函数矩阵方程的解，得到了噪声方差估值器，且在按对角阵加权线性最小方差最优信息融合准则下，提出了自校正信息融合Kalman预报器.它实现了状态分量的自校正解耦融合Kalman预报器.基于动态误差系统，提出了自校正融合器的一种新的收敛性分析方法.提出了按实现收敛新概念，它比以概率1收敛弱.严格证明了:假如MA新息模型参数估计是一致的，则自校正融合Kalman预报器将按实现或按概率1收敛到最优融合Kalman预报器，因而它具有渐近最优性.它可减小计算负担，且便于实时应用. 一个3传感器跟踪系统的仿真例子证明了其有效性.