基于改进D-S证据组合规则的目标识别算法

为了更好地解决高冲突证据的融合问题,提出一种3条证据直接融合的改进D-S算法.该算法首先根据证据支持贴近度函数给出识别框架下各焦元支持度的计算方法;其次根据三维证据直接融合产生的冲突因子的性质及各焦元的支持度,提出一种基于D-S证据组合规则的冲突信息加权分配算法;最后以多传感器多目标识别系统为背景进行仿真实验.理论分析和仿真结果表明,基于三维证据直接融合的改进D-S算法具有较强的抗干扰性能,能有效融合各种冲突信息,提高目标识别概率.     

D-S证据理论合成规则的一些修正

在多传感器数据融合中,D-S证据理论对于处理不确定性问题是一种有用的方法。但是,D-S证据组合规则的一些不足影响了证据理论的应用。虽然Yager对此做了改进,但改进后的组合公式仍然存在问题。通过分析证据理论中关于冲突证据置信度分配中存在的问题,针对时域冲突的特点提出一种新的合成规则改进方法,由此弥补了D-S理论和Yager合成公式的不足,对于在时域上高度冲突甚至完全冲突的证据,能够取得理想的结果。     

D-S证据理论合成规则的一些修正

在多传感器数据融合中，D-S证据理论对于处理不确定性问题是一种有用的方法。但是，D-S证据组合规则的一些不足影响了证据理论的应用。虽然Yager对此做了改进，但改进后的组合公式仍然存在问题。通过分析证据理论中关于冲突证据置信度分配中存在的问题，针对时域冲突的特点提出一种新的合成规则改进方法，由此弥补了D-S理论和Yager合成公式的不足，对于在时域上高度冲突甚至完全冲突的证据，能够取得理想的结果。     

利用模糊证据理论的信息融合方法及其应用

提出了一种基于模糊集合和证据理论的信息融合方法.针对证据理论应用中基本概率指派函数(mass函数)以及多传感器信息融合中各个传感器测量数据的可信度均难以确定的问题,首先利用传感器测量信息的不确定性得到辨识框架的隶属度函数;然后利用隶属度函数构造证据理论的mass函数;再根据各mass函数之间的距离评估各传感器的相对可信度,在此基础上对各个证据进行折扣,利用基于折扣系数法的改进证据理论组合规则对多传感器信息进行融合.最后将所提出的方法应用于目标识别系统中.仿真结果表明,在证据高度冲突时,该方法仍能正确识别目标,提高了信息融合系统的稳定性.     

基于模糊理论和D-S推理的开箱报警模型与算法

为提高集装箱运输过程中非法开箱自动报警的可靠性,在对集装箱非法开箱报警机制分析的基础上,建立了基于箱门传感器、箱内传感器等多源信息的非法开箱报警决策模型,提出了基于证据模糊相似度和证据源先验可靠度修正证据权的改进D S证据融合算法来减少证据冲突,形成了集装箱非法开箱多源信息融合报警系统.实验结果表明,提出的证据融合算法能够有效降低证据冲突系数和合成悖论次数,报警模型具有较好的容错性和适应性.     

一种复杂环境下多传感器数据融合方法

针对现有方法没有利用证据数据采集源头的可靠性信息这一问题,结合温度数据采集,提出一种复杂环境下多传感器数据融合算法。从多传感器采集的原始数据出发,通过原始数据分析当前传感器节点的信任度,对当前传感器证据进行相应的修正,从证据源层面修正冲突证据。在证据融合阶段引入支持度修正证据迭代融合思想,比较融合证据与原证据的差异冲突等属性来评估原证据的支持度并修正原证据,将修正后的证据再次融合,多次迭代至最终融合结果收敛。试验仿真与现存的多种融合方法进行比较,仿真结果验证了本研究方法在解决证据冲突问题上的有效性。     

一种复杂环境下多传感器数据融合方法

针对现有方法没有利用证据数据采集源头的可靠性信息这一问题,结合温度数据采集,提出一种复杂环境下多传感器数据融合算法。从多传感器采集的原始数据出发,通过原始数据分析当前传感器节点的信任度,对当前传感器证据进行相应的修正,从证据源层面修正冲突证据。在证据融合阶段引入支持度修正证据迭代融合思想,比较融合证据与原证据的差异冲突等属性来评估原证据的支持度并修正原证据,将修正后的证据再次融合,多次迭代至最终融合结果收敛。试验仿真与现存的多种融合方法进行比较,仿真结果验证了本研究方法在解决证据冲突问题上的有效性。     

一种冲突证据的融合方法

针对D-S证据理论的冲突证据融合问题进行了研究,通过对证据进行冲突检验及修正弥补了D-S证据理论在处理冲突证据时的不足。采用了加性策略对事件进行排序的方法,找出证据支持最大的q个事件,就是最有可能是识别结论的q个事件,对其进行冲突检验及修正。解决了D-S证据合成方法组合冲突证据时出现的问题,保证了非冲突证据的有效合成。通过仿真试验表明该算法能有效地排除干扰,得出了符合实际的组合结果。     

D-S证据理论中冲突证据的合成方法

针对高度冲突证据的合成问题,分析了D-S合成方法及其改进方法的不足,提出了一种新的改进方法。新方法仍利用D-S合成公式,但针对该公式要求参与合成的各证据需具有相同重要程度的要求,考虑到融合系统中各证据的重要程度可能不同,直接利用公式合成可能得到与实际相悖的结论,因而引入证据权的概念,给出了证据权的具体算法,通过证据权对已有的基本可信度分配函数进行修正得到了重要性相同的新的证据的基本可信度分配模型。最后通过算例比较表明新方法的合成结果更为理想。     

证据冲突的衡量方法研究

对于有冲突的证据,D-S证据理论无法使用或得出错误的结果,解决该问题的基础首先是研究证据冲突的衡量方法.分析了D-S证据理论在合成冲突证据时遇到的问题,定义了一些衡量证据间冲突程度的参数,包括证据一致度、证据冲突度、证据冲突强度、证据冲突/一致度等.通过实例证实了这些参数能够较好地说明证据间存在冲突的程度.     

粮库储粮空洞检测过程中证据冲突研究

针对粮库内储粮的状况,分析了冲突证据下粮库储粮空洞检测的特点,提出了一种简便的方法来区分证据间的冲突程度,并给出了算法和检测系统的模型.通过优先级判别法和基于证据理论的决策融合算法,对数据进行理论分析和对比,证明该方法是可行的.     

基于交并集加权的证据组合方法及其应用

针对D-S证据组合规则在证据高度冲突时会导致错误结论这一问题,结合自动目标识别系统的实际需求,提出了一种新的证据组合规则.该方法首先将交集组合规则和并集组合规则进行适当加权,然后根据组合后的证据中各单元素命题的相对可信任度,将多元素命题的基本概率指派函数(mass函数)按比例分配给它的单元素子集,从而确保目标识别系统能够在单元素命题间进行决策.仿真结果表明,该方法能够有效地解决证据高度冲突情况下的目标识别问题.     

一种新的证据复合折扣合成方法

D-S证据理论是一种重要的决策级信息融合方法,但传统的Dempster证据合成规则会导致一些与直觉相悖的结果.针对该问题,在经典的Shafer折扣方法基础上,提出了一种综合可靠性和重要性因素的复合折扣因子计算方法.该方法首先借助证据包含度合理地定义了证据可靠性度量;然后综合证据清晰度、证据一致性和证据积累程度等因素,建立了证据重要性模型;最后两者通过乘法算子共同构成复合折扣因子.实验结果表明,文章方法的证据处理过程与生物学研究中人的信息积累过程一致,能够解决证据合成中的悖论问题,合成证据可靠有效.     

基于模糊神经网络的煤矿瓦斯预测

针对瓦斯爆炸为煤矿安全生产中主要事故的现状,提出基于TS型模糊神经网络的煤矿瓦斯预测算法.通过样本学习,在线修正TS型模糊系统的隶属函数参数,形成TS型模糊神经网络算法,将该算法应用于煤矿瓦斯的预测,掌握和捕捉影响煤矿瓦斯安全主要因素的内在联系.仿真结果表明,该方法能够准确预测煤矿瓦斯的安全等级,平均误差较小.     

基于ANFIS和证据理论的信息融合研究

提出了一种基于自适应神经网络-模糊推理系统(ANFIS)和D-S证据理论相结合的信息融合方法.利用神经网络的学习功能提取模糊规则和调整隶属函数,然后用自适应神经网络-模糊推理系统的输出构造证据理论中的基本概率赋值,解决了证据理论中的基本概率赋值不易确定的问题.该方法实现了模糊推理、神经网络和证据理论的有效结合,使得证据理论具备智能信息处理的能力,并应用于雷达与红外复合制导的目标识别融合系统.仿真结果表明:该方法提高了目标识别的置信度,降低了系统虚警率,融合结果也更加合理.     

结合邻域信息粒子群聚类用于SAR图像变化检测

SAR图像变化检测可以转化为对差异图的聚类问题。由于 SAR 图像本身容易受到斑点噪声干扰,为提高聚类效果提出了一种结合邻域信息的自适应粒子群聚类算法。该方法在模糊 C 均值原目标函数基础上,引入中心像素的邻域信息,并通过自适应粒子群的全局搜索来优化聚类中心。该方法还引入了自学习算子即粒子编码中的中心像素的隶属度,能够向其相邻像素的隶属度学习,并据此修正自身的隶属度值相关。实验结果表明,与模糊C均值和量子免疫克隆聚类算法相比,该方法利用了像素的邻域信息,从而增强了抗噪性能。与模糊局部信息C均值算法相比,该方法对图像细节保持能力较强,运行时间也较少。