一种有效融合高冲突证据的目标身份识别方法

DS理论(Dempster-Shafer theory,DST)已广泛应用于目标身份识别中,但是Dempster组合规则在处理冲突证据时的失效问题一直是研究的热点。为能在目标身份识别中有效融合高冲突的证据,提出DSm理论(Dezert-Smarandache theory,DSmT)和DST的混合方法。该方法采用先单帧后多帧的融合模式,在单帧融合中采用DSmT,化解可能的高冲突证据;在多帧融合时采用DST,保证了快速收敛性和较小的计算量。仿真分析验证了该方法的有效性和适用性。     

证据推理理论组合规则评价方法研究

证据推理理论(包括DS理论和DSm理论)是处理不确定信息的重要方法,其组合规则性能的好坏直接影响推理结果.为了有效评价证据推理理论组合规则的性质,总结了基于DS理论的组合规则评价方法存在的问题,并深入分析了问题出现的原因;根据DSm理论的特点,提出了基于DSm理论组合规则的评价方法.该评价方法主要从冲突证据处理、证据时序性和计算量3个方面对基于DS理论的组合规则评价方法进行了改进.     

DSmT的主冷却剂泵并发故障融合方法分析

针对核电站主冷却剂泵故障特征微弱难以有效辨识及DST仅能解决在无高冲突辨识框架下的单一故障诊断等问题,提出一种基于DSmT决策级主冷却剂泵并发故障融合诊断模型．采用核主泵自由DSm模型和混合DSm模型对含有故障信息的多个独立证据源进行动态融合计算;分析核主泵DSmT故障特征信度赋值变化,确定主冷却剂泵故障(并发故障)诊断总决策. 结果表明, 将核仿真机采集TS、SS、VS和DS多源传感器数据直接对基本概率函数进行赋值,得出主冷却剂泵故障(并发故障)决策结果与实际工况相符,实例验证了所提方法的可行性、有效性及准确性．     

证据推理理论及其方法研究

在实际融合系统中,往往需要处理各种不确定信息,而证据推理理论为不确定信息的表达和组合提供了自然且强有力的方法,得到了广泛的应用.为此,研究了目前常用的两种证据推理理论(DS理论和DSm理论)及其方法.基于这两种理论原理,从修改组合规则和修改证据模型两种思路,阐述了基于DS理论的常见改进方法;从理论研究和工程应用两方面给出了DSm理论的研究现状.最后,归纳了证据推理理论的不足,展望了其未来发展方向.     

证据推理理论近似方法研究

Dempster-Shafer （DS）和Dezert-Smarandache （DSm）证据推理理论是信息融合的有力工具。针对在证据处理过程中证据数量多以及证据组合时焦元爆炸使计算量迅速增大的问题,对证据与焦元控制方法、规则近似方法和蒙特卡洛（Monte Carlo）方法三种方法在DS理论和DSm理论下进行了分类分析,指出了下一步值得研究的三个问题。这为证据推理理论不同近似方法的使用提供了理论参考。     

DSm理论中的证据表示方法研究

针对DSm理论证据组合计算量大的问题,从证据表示方法的角度,对静态表示方法和动态表示方法的特点及计算复杂度进行了分析。鉴于查找操作是证据表示方法中产生计算量最多的部分,对有序表表示方法和二叉树表示方法的查找方式进行了分析和比较,为研究DSm理论的应用提供了理论依据。     

DSmT在目标身份识别中的应用研究

针对DSmT将关于目标身份的不精确、不确定、冲突的多源信息进行融合,尤其是在处理高冲突证据的融合时有很好的效果,给出了运用DSmT进行目标身份识别的步骤.通过算例验证了DSmT在目标识别中应用的有效性,为其在工程实践中的应用提供了有力的支撑.     

基于PCR-DSmT的序列帧融合景像匹配算法

针对INS/SMNS组合导航系统中,单帧景像匹配难以判断匹配结果是否正确并给出准确的匹配置信度的情况,提出一种基于PCR-DSmT的序列帧融合景像匹配算法。算法分为单帧粗匹配和序列帧融合精匹配两步:首先提取图像的相位一致性特征并采用快速归一化互相关算法初步匹配;然后建立序列帧时空约束关系,利用相关阵中极大峰构建辨识框架,采用层次分析法自适应计算置信指派并利用适配因子进行折扣运算,最后采用证据推理组合规则融合并根据判决准则输出匹配位置及置信度或对错误匹配结果报警。针对Dempster组合规则在高冲突序列帧融合时出现错误以及DSmT组合规则在多证据融合时正确位置置信指派难以增大并收敛的问题,提出一种PCR-DSmT组合规则。采用真实航拍图像和对应的Google earth卫星基准图像的仿真实验验证了匹配算法的有效性。     

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。     

加权Dempster证据组合算法

讨论了Ｄ－Ｓ证据理论和Ｄｅｍ ｐｓｔｅｒ证据组合规则,通过对Ｄ．Ｄｕｂｏｉｓ和Ｈ．Ｐｒａｄｅ 给出的基于一致性因子的集合加权“与”运算算子的分析,提出了一种针对优先级别存在差异的证据信息的加权Ｄｅｍ ｐｓｔｅｒ证据组合规则．加权Ｄｅｍ ｐｓｔｅｒ证据组合规则提供了一种重要性、可靠性或优先级别不等的相互冲突或部分冲突的两组证据信息的组合算法．进一步分析了两种证据组合算法的性能．     

应用DSmT的堆芯吊篮故障信号小波包分析

为解决反应堆堆芯吊篮故障信息难以获取问题,提出一种采用DSm T小波包能量分析的故障特征决策提取融合方法.研究分析了堆芯吊篮在吊篮破裂、吊篮紧固件部分脱落和堆芯支撑下板与吊篮热处理变形3种故障工况的振动信号,采用小波包变换提取故障信号频段能量,将含有故障信息的采集数据经小波包能量分析后直接赋值给DSm T信度函数.实验结果表明,小波包能量分析DSm T融合方法的诊断准确率优于小波包子带能量特征向量图方法,DSm T融合算法能够有效辨识吊篮故障模式,具有较高的诊断效率及可靠性.     

基于新的证据冲突表示的信息融合方法研究

DS证据理论为不确定信息的表达和合成提供了自然而强有力的方法,被广泛应用于信息融合的各个领域。但是在证据高度冲突情况下常常会导致错误的融合结果。文章首先分析经典证据理论中冲突系数的不足,引入证据距离函数表示证据之间的差异性,并提出了一种新的证据冲突表示方法,能更有效地度量证据的冲突程度。而后基于新的冲突表示方法,提出了一种新的冲突信息融合方法,该方法保持DS组合规则不变,对融合结果进行修正,能够有效解决证据高度冲突情况下的信息融合问题。最后通过算例验证了该方法的有效性。     

Modification of evidence theory based on feature extraction

With its effectiveness of uncertainty reasoning,Dempster—Shafer evidence theory is widely used inmany fields such as information fusion and decision-making[1,2].However,counter-intuitive behaviors areoften involved when combining highly conflicting evi-dence sources with the Dempster’s combination opera-tor at the normalization step.Many modification meth-ods have been proposed to solve the problems[3,4].Some researchers think the combination rule is thesource of the drawback,and have to mo…     

基于证据排序融合的局部冲突信息再分配算法

为提高证据冲突度量和融合结果的准确性,提出一种基于证据排序融合的局部冲突信息再分配算法.该算法首先基于证据距离和冲突系数共同度量证据冲突,在此基础上对证据融合顺序进行优化,并对不同证据中不同焦元的冲突度量算法进行改进.进一步,在对证据进行依序融合过程中,将新的证据以及焦元冲突度量结果应用于对局部冲突信息进行再分配.与已有相关算法进行的理论和应用对比分析结果表明,所提算法的证据融合效果更加稳定、可靠.     

基于扩展证据理论的并发故障诊断方法

该文提出了一种基于扩展证据理论的并发故障诊断方法。首先基于扩展证据理论中的广义识别框架,结合并发故障的特点,建立了并发故障的模型;然后根据故障诊断中用来获得故障特征信息的传感器的工作特性和工作环境,提出了一种新的基于模糊隶属度的基本概率赋值函数构造方法;最后以多功能转子试验台为应用对象,验证了该文并发故障诊断方法的有效性。     

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.     

一种基于DSmT推理的物品融合识别算法

针对目前提升深度模型分类表现方法存在的硬件性能不足、结构创新不易、训练样本有限等问题,提出一种基于DSmT(Dezert-Smarandache)推理的物品融合识别算法。对于待识别目标,应用数据融合思想将来自不同深度学习模型提供的识别信息进行融合处理。利用已有的预训练深度学习模型,根据分类识别任务进行特定的微调;针对DSmT理论中构造信度赋值困难的问题,使用深度学习网络对图像的判别输出进行证据源信度赋值;在决策级层运用DSmT组合理论对信度赋值融合处理,进而实现物品的准确识别。在不改变网络模型结构与同一数据集的情况下,将提出的方法与单一网络模型和平均值处理方法进行对比测试试验。试验结果表明,该方法可以有效地提高物品图像的识别率。     

改进的DSmT算法及其在C4ISR系统中的应用

提出了一种基于DSmT的快速mass函数收敛算法。在工程应用中,由于矛盾焦元在决策时没有实际意义,所以在证据融合时,只计算由辨识框架元素形成的焦元与未知焦元的基本置信指派,而不需要计算矛盾焦元的基本置信指派。这样能够有效地降低计算复杂度,并提高mass函数的收敛速度。将该算法作为雷达辐射源识别的方法应用到了C4ISR系统中,仿真表明,该方法比传统方法在高冲突情况下可以更准确、更快速地识别雷达目标。