概率距离在联机汉字识别中的应用

借助概率理论，将汉字信息看成随机事件，提出了概率距离的概念。概念距离依据事件的稳定性决定事件对识别距离的影响力，并以此为依据实现了在识别过程中的特征选择。经试验分析，有很好的效果，已将识别率提高了8个百分点。     

基于Pignistic概率转换和奇异值分解的证据冲突度量方法

针对常见证据冲突度量方法适应性差、准确性低的问题,提出了一种基于Pignistic概率转换和奇异值分解的证据冲突度量方法。首先通过Pignistic概率转换将证据焦元差异映射到信度差异上,构建证据复合信任函数矩阵。然后采用奇异值分解的方法提取矩阵特征,根据奇异值特性将矩阵特征空间划分为相似子空间和冲突子空间,综合考虑证据矩阵相似特性和冲突特性,将冲突子空间奇异值与相似子空间奇异值之比作为新的冲突度量因子。最后在全冲突场景、变信度场景、变焦元场景、焦元嵌套场景等多种证据冲突场景下将所提方法与常见方法进行了对比分析,结果表明所提方法具有适应性广、准确性高、稳定性好的特点。     

面向同步辐射光源图像的可并行智能压缩方法

在建的高能同步辐射光源预计会产生海量原始数据,其中硬X射线实验线站产生的图像数据占比最高且具有高分辨率和高帧率的特点,亟需有效的无损压缩方法缓解存储和传输压力,然而现有通用无损压缩方法对该类图像压缩效果不佳,基于深度学习的无损压缩方法又耗时较长。结合同步辐射光源图像的特点,提出一种在保证图像压缩比前提下的可并行智能无损图像压缩方法。通过参数自适应的可逆分区量化方法,大幅缩小图像经过时间差分后的像素值分布范围,能够节省20%以上的存储空间。将以CNN为基础架构的时空学习网络C-Zip作为概率预测器,同时以数据集为单位过拟合训练模型进一步优化图像压缩比。针对压缩过程中耗时较长的算术编码过程,利用概率距离量化代替算术编码,结合深度学习进行无损编码,增加编码过程的并行度。实验结果表明,该方法的图像压缩比相比于PNG、FLIF等传统图像无损压缩方法提升了0.23~0.58,对于同步辐射光源图像具有更好的压缩效果。     

基于交补集和Pignistic变换的证据组合方法

针对D-S证据组合公式及其改进公式的局限性,提出一种基于交补集权重和Pignistic概率变换的改进组合方法。基于交补集理论推导出新的基本概率分配函数,对交补集权重因子进行量化,得到基于交补集权重的证据组合公式,利用Pignistic概率变换法对已获得的各命题的信度值进行重新分配,以降低组合顺序对合成结果的影响,同时可获得更可靠的决策依据。实例分析结果表明,与其他改进方法相比,该组合方法在解决冲突证据、一票否决、鲁棒性、公平性和决策有效性等方面均有明显的优势。     

基于最小概率距离和改进PV插值的图像配准

提出一种基于最小概率距离和改进部分体积(PV)插值的图像配准方法。采用Powell优化算法迭代搜索对称KL距离的最小值,获取最小概率距离,将其作为配准测度,并利用改进的PV插值算法提高图像配准的鲁棒性。实验结果表明,与基于互信息的图像配准方法相比,该方法能有效地减少耗费时间,提高配准精度。     

D-S证据组合规则下的修正系数的研究

针对使用冲突系数辨认证据冲突存在的不足,将Pignistic概率距离转换为证据的可信度,再将证据的可信度和虚假度结合起来,构造一个新的修正系数,然后利用新的修正系数来折扣基本可信度分配函数。最后,利用D-S证据组合规则对修正后的证据进行合成。数值算例分析的结果表明,改进后的证据组合方法得到的结果具有收敛速度快和鲁棒性好的特点,同时保持了D-S组合规则的优良性质。     

基于改进D-S证据理论的数据融合目标分类

首先采用分类算法对MSTAR数据集进行十类目标分类识别、三类目标的变体分类识别,然后根据分类调参过程中的先验知识修正证据即分类器输出,构造基本置信函数,并采用改进的合成规则即基于冲突系数K和Pignistic概率距离相结合的冲突度量方法,对冲突证据采用按比例分配冲突度的合成规则进行合成。未融合时,三类目标的变体分类准确率最高为93.553%,融合后三类目标变体分类识别率为95.092%,提升幅度约是理想状态的37%。     

Dempster组合规则适用性分析

针对传统冲突系数识别证据冲突存在漏识、误识和冲突系数值会累加增大等问题,采用pignistic变换后得到 的概率赋值函数之间的距离,结合传统冲突量化标准,研究了Dempst er组合规则适用性判断方法。通过与Liu判断 Dcmpstcr组合规则适用性方法的对比结果表明,本方法对Dcmpstcr组合规则适用判断有较好的适用性与合理性。     

基于PDCRAN-SIFT的特征匹配技术研究

研究复杂背景下图像的目标识别,提高复杂背景下识别攻击目标的准确性和快速性。针对SIFT特征具有冗余度高、可分性差的缺点,提出PDCRAN-SIFT的方法对SIFT特征进行聚类精选,首先引入概率距离聚类的方法对SIFT特征进行聚类,选取每一类的代表特征向量作为粗聚类特征向量,然后运用随机采样一致算法剔除粗聚类特征向量中与目标图像误匹配的特征向量,从而得到精聚类匹配特征向量。实验表明,经过处理之后的PDCRAN-SIFT特征向量,冗余度大大减小,匹配时间缩短了50%左右,特征可分性和对光照、视角、噪声的鲁棒性也比SIFT特征明显增强。     

一种基于Pignistic概率距离的合成公式

针对多证据源信息融合过程中证据源间存在的冲突问题,提出了一种基于Pignistic概率距离的合成公式。利用Pignistic概率距离构造证据可信度;再利用证据可信度修正证据体,以改进合成公式;利用改进的合成公式对证据源进行融合。算例结果表明,改进合成公式的融合结果合理有效,与其他方法相比有更好的适用性、可靠性和较快的运算速度。