基于偏差的多传感器目标级融合方法

针对具有多个特征指标的目标识别问题,提出了一种新的模糊传感器数据融合方法。该方法由最大最小隶属度函数得到相对距离矩阵,通过求解总偏差最小的数学规划问题,确定各特征的权重,从而给出目标识别算法,提高了目标识别结果的客观性。应用实例验证了算法的有效性。     

基于双基点法的多传感器数据融合

针对具有多个特征指标的多传感器目标识别问题,提出一种基于双基点法的信息融合方法.该方法根据指标隶属度矩阵将多传感器目标识别问题转化为多目标决策问题.通过定义熵权和相对接近度,改进了传统的双基点法,从而给出目标识别算法.该方法利用熵权较好地避免了目标识别受主观因素的影响,特别适用于具有多个特征属性的多个目标的识别.仿真实例验证了所提出算法的有效性和可操作性.     

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。     

基于绝对偏差的多传感器目标识别方法

针对具有多个特征指标的多目标识别问题,提出了一种新的多传感器信息融合方法。该方法根据最大最小隶属度函数得到指标隶属度矩阵,通过求解各目标类别综合隶属度的绝对偏差最大的优化问题,客观地获得了属性的权重,从而给出目标识别算法,提高了识别结果的客观性和区分程度。工件识别实例验证了算法的有效性和实用性。     

一种基于异类传感器信息融合的目标识别方法

针对多传感器的目标识别问题,利用异类传感器数据多样性的特点,通过可信度的概念将多种数据进行融合。根据目标信息的不确定性,引入模糊物元分析法确定特性熵权,用Vague集表达目标的特征值,根据Vague度距离给出目标识别结果。实验仿真表明,异类传感器比同类传感器能更好地融合信息,提高目标识别效果。     

多传感器目标识别的理想点法

针对具有多个特征指标的多目标识别问题,提出了一种基于理想点的多传感器信息融合方法.该方法根据多目标决策理论,采用TOPSIS法定义理想解,利用相对接近度给出目标识别规则.计算简单,易于计算机上实现.工件识别实例验证了算法的有效性.     

基于数学规划的多传感器目标识别方法

针对具有多个特征指标的目标识别问题,提出了基于数学规划的多传感器信息融合方法.该方法利用最大最小隶属度函数将识别系统特征矩阵转化为指标隶属度矩阵,通过求解各目标类型综合隶属度偏差最大的最优规划问题,客观地确定了特征指标的权重,根据综合隶属度给出目标识别方法.该方法较好地避免了特征指标权重选取的主观性缺陷,提高了目标识别结果的客观性和区分程度.算例分析验证了该方法的有效性和实用性.     

基于隶属度和D-S理论的雷达目标识别方法

研究了D—S证据理论在雷达目标识别中的应用。D—S推理的关键问题是基本概率赋值函数的构造。针对目标识别中的不确定信息，本文引入了观测样本的模糊隶属度函数，求得单个传感器对目标的相关系数，进而给出该传感器对于识别框架的基本概率赋值．再在融合中心用D—S证据理论对多个传感器的识别结果进行融合。仿真试验结果证明了该方法的正确性和有效性。     

基于DSm理论的弹道导弹目标识别方法

如何利用多传感器信息进行弹道导弹目标识别一直以来是反导预警系统需要解决的难点问题之一.论文从弹道导弹目标特性分析人手,提出了一种基于DSm理论的弹道导弹目标识别方法,该方法可以解决多传感器提供的关于弹道导弹特征的模糊的、相互矛盾的等信息的融合识别问题.通过仿真分析,验证了该方法的有效性.     

基于加权证据理论的模糊信息融合目标识别

在异类多传感器信息融合目标识别中,不同传感器对系统提供的证据等级不同。为此,提出一种模糊信息融合目标识别方法。将各证据按证据权进行转化,用Dempster-Shafer(D-S)证据理论进行合成,利用模糊数学模型对传感器测量值和数据库中的数据进行建模,根据证据距离得到各证据的相互支持度,进而获得传感器对系统提供信息量的权重。分析结果表明,该方法具有较高的精度和可靠性。     

运用Theil不均衡指数进行模糊传感器数据融合

针对具有多个特征指标的多目标识别问题,提出了一种基于Theil不均衡指数的融合方法。该方法根据Theil不均衡指数来定义熵权,通过三角隶属函数获得各传感器的局部决策支持度,采用熵权得到全局综合支持度,从而给出目标识别规则。较好地避免了特征指标权重选取受主观因素的影响,提高了目标识别结果的客观性和准确性。应用实例验证了算法的有效性和可操作性。     

运用Vague集进行多传感器目标识别

针对具有多个特征指标的多传感器目标识别问题,采用 Vague 集表达目标特征的不确定信息,提出了一种新的多传感器目标识别方法.定义两 Vague 集之间的加权 Hamming 距离和相似度,建立了Vague 集表达的多传感器目标识别模型,通过最小化各目标类型的 Vague 度优化模型客观地确定了各特征的权重,利用相似度...     

多传感器目标识别的Vague集方法研究

采用Vague集来表达目标特征的模糊测量信息,提出了一种基于Vague集的多传感器目标识别方法。定义两Vague值之间的贴近度,建立了Vague集表达的目标识别数据库模型,利用贴近度矩阵客观地确定了各特征的权重,根据综合贴近度给出目标识别算法。实例分析表明方法的有效性。     

基于Vague集的多传感器目标识别方法

采用Vague集来表达传感器的模糊测量信息,提出一种基于Vague集的多传感器信息融合方法.建立Vague集表达的多目标模型数据库,并定义两Vague值之间的贴近度,利用多目标规划模型客观地确定各特征的权重,根据综合贴近度给出目标识别算法.实例分析表明了算法的有效性.     

基于微粒群和最大模糊熵的图像分割

提出了一种基于微粒群和最大模糊熵的图像分割方法.将图像分为目标和背景,并分别建立相应的模糊隶属函数来描述图像各个灰度级属于目标和背景的模糊特性,进而给出图像模糊熵的描述.在此基础上,根据最大模糊熵准则采用微粒群算法搜索模糊参数的最优组合,确定区分目标和背景的最佳阈值.为了验证方法的有效性,对比进行了图像分割实验,并与双峰法、迭代法和最大类间方差法进行了比较,实验结果表明,效果良好,能够自动、有效地选取阈值,分割效果优于其它三种算法,具有很好的鲁棒性和自适应性.     

多传感器模糊信息融合在煤矿安全中的应用

我国在矿井安全监测系统中,常采用单只传感器来实现对井下工作环境安全性的监测。为了克服单只传感器无法准确判断是否有危险发生,基于模糊集系统理论,提出一种应用多传感器模糊信息融合的监测方法,将监测设备的多只传感器所获得的信息模糊化,再将其融合,从而获取设备精确的状态估计。该方法充分利用了传感器提供的多种信息,提高了系统的识别率。实验结果表明:多传感器信息融合的识别准确率高于单传感器。因而,多传感器模糊信息融合是一种有潜力的新方法。     

战场目标识别中的D-S证据理论应用

为了解决干扰情况下地震动信号发射源的定性问题,提出了在决策层上的多传感器数据融合的识别方法。利用定位传感器组中各个传感器得到的数据,并考虑在同一个定位组中各个传感器所得数据的置信度不同,来对地震动信号发射源性质进行识别。实验结果证明:基于D-S证据理论的战场目标识别数据融合后,地震动信号发射源特性识别的可靠性明显大于单个传感器的识别效果,这也表明了多传感器融合识别的可能性和有效性。     

An expert system based on fuzzy entropy for automatic threshold selection in image processing

In pattern recognition and image processing, the selection of appropriate threshold is a very significant issue. Especially, the selecting gray-level thresholds is a critical issue for many pattern recognition applications. Here, the maximum fuzzy entropy and fuzzy c-partition methods are used for the aim of the gray-level automatic threshold selection method. The fuzzy theory has been successfully applied to many areas, such as image processing, pattern recognition, computer vision, medicine, control, etc. The images have some fuzziness in nature. In this study, expert maximum fuzzy-Sure entropy (EMFSE) method for the maximum fuzzy entropy and fuzzy c-partition processes in automatic threshold selection is proposed. The experimental studies were conducted on many images by testing maximum fuzzy-Sure entropy against maximum fuzzy-Shannon entropy (MFSHE), maximum fuzzy-Havrada and Charvat entropy (MFHCE) methods for selecting optimum 2-level threshold value, respectively. The obtained experimental results show that the used MFSE method is superior to other MFSHE and MFHCE methods on selecting the 2-level threshold value automatically and effectively.     

基于最大模糊指数熵的模糊目标分割算法

针对红外目标主体模糊分割时易引起过或欠分割的问题，本文结合模糊集和熵理论提出了一种采用最大模糊指数熵准则的分割算法。根据像素灰度值将原始图像中像素分为黑和亮两个模糊集，利用模糊指数熵准则确定模糊区间的范围，再结合遗传算法强大的全局最优解搜索能力寻找模糊参数的最优组合，确定最佳阈值。对比实验表明，本文方法对主体模糊的目标分割效果明显优于最大类间距离方差法。但若向图像中添加大量随机噪声，两种方法都存在过分割现象。