多气体的SVM数据融合定性识别方法

针对基于神经网络的多气体定性识别方法中存在的过学习和泛化能力差的问题,提出了一种基于支持向量机(SVM)与多传感器数据融合的多气体定性识别方法。该方法采用结构化风险最小化准则的多类分类支持向量机对由多个气体传感器、温度和湿度传感器组成的传感阵列的数据进行融合,克服了传统方法的缺陷,消除了环境温度与湿度等因素的影响,实现了100%的定性识别率,实验结果证明了该方法的有效性。     

基于信息融合技术的气体识别方法的研究

本文提出一种采用信息融合技术的可用于防化机器人 的嗅觉系统,并对系统结构、工作原理以及融合算法进行了详细的论述,仿真结果证明了该 系统可以明显地提高混合气体的检出概率．     

基于模糊集合的证据理论信息融合方法

针对证据理论应用中基本概率分配函数(mass函数)和多传感器信息融合中各传感器测量数据的可靠程度均难以确定的问题,提出了一种基于模糊集合的证据理论信息融合方法.该方法首先利用模糊理论中的相关性函数来计算多传感器的相互支持程度;然后由隶属函数得到每个传感器提供信息的可信度;再将各传感器的支持度和可信度转化成基本概率分配函数即mass函数;最后利用证据理论对多传感器信息进行融合.仿真结果表明,该方法获得的结果具有更高的精度和可靠性.     

一种基于模糊集理论的图像融合方法

在图像的小波变换融合基础上,着重探讨了图像的融合规则问题,并提出了一种三角函数形式的模糊隶属度融合准则,实现了图像的模糊集融合.使用SAR影像与SPOT影像进行了融合对比实验,结果表明,本方法具有良好的实用性,且具有更好的融合效果.     

基于Bayes估计理论的数据融合方法

本文研究了多传感器数据融合技术的一种方法。融合方法以Bayes估计理论为基础,并对数据进行了一致性检验,得到了多传感器最优融合数据,提高了数据的精确度。实际应用结果验证了算法的准确性,并进行了Matlab仿真。这种数据融合方法计算简便,可以获得比有限个传感器的算术平均值更准确的测量结果。具有较高的可靠性,可用于测量结果具有正态分布特性的多传感器测量系统。     

基于曲面拟合理论CO_2传感器数据融合研究

针对CO2气体传感器在实际应用中,由于环境因素干扰而导致检测精度下降这一问题,提出了采用曲面拟合理论的数据融合方法来消除环境温度对传感器输出的干扰。实验是在气体和温度的二维标定系统中进行,实验温度为0~50℃,CO2气体体积分数为(0~2000)×10-6,标定点取36个。通过数据融合,有效地降低了温度变化对CO2气体传感器输出的干扰,提高了气体传感器和温度传感器的测量准确度。     

基于Bayes 决策理论的数据融合方法

提出一种基于Bayes决策理论的多元优化数据融合方法，给出更具一般性的数据融合算法、判决准则以及系统性能计算公式，并给出几种不同情况下的数据仿真结果。仿真结果证明了该方法的正确性和有效性。     

多值直觉模糊集信息融合研究

多值直觉模糊集是对直觉模糊集的拓展,较传统直觉模糊集在描述不确定、不精确、信息不完全问题时的能力更强。但如何将多值直觉模糊集中的多个隶属度与非隶属度进行融合,进而得到综合的评判准则,这是在应用多值直觉模糊集合分析问题时首先要解决的问题之一。现对此问题进行了研究,并为其构造了几种融合方法。     

数据融合的方法及应用研究

介绍了数据融合的定义、融合层次、融合方法及其应用领域，特别是在军事上，机器人控制及图像处理上的应用。在此基础上，分析了数据融合的研究热点及发展趋势。数据融合技术是一种用途广泛的数字信号及信息处理方法，它通过对大量的数据进行处理提纯，得到一组直观有效的数据，为进一步处理和判断控制提供精确的数据依据。     

一种基于证据理论和模糊集合的信息融合方法

针对证据理论应用中基本概率分配函数难以确定和多传感器之间相互支持程度计算绝对化的问题,提出了一种基于证据理论和模糊集合(FSB-DS)的信息融合方法。该方法首先利用相关性函数定义不确定信息的模糊支持区间和模糊支持概率,然后由隶属函数得到各个传感器提供信息的可信度,再将支持度和可信度转化为基本概率分配函数,最后进行D-S证据合成。仿真实验表明,该方法获得的结果具有更高的精度和可信度。     

基于Rough集的多传感器融合技术

分析了多传感器融合的必要性，提出了基于Rough集构造模糊神经网络的方法，并应用于多传感器的智能状态监测系统。     

粗集理论对目标识别中改进融合效果的讨论

应用于目标识别中的数据融合技术，虽已取得一定的成效，但是仍存在一些问题。粗集理论是一种处理不精确知识的数学工具。基于粗集理论的数据融合应用于目标识别中能改进融合的效果。     

模糊理论在机器人超声传感器中的应用及改进

移动机器人的自动能力中实时避障和导航是一个很关键的技术,研究中主要的问题是：机器人在运动时需要充分的环境信息,而且处理这些信息的速度要快,要满足实时性的要求。文章详细介绍了将模糊理论应用于移动机器人超声传感器阵列对未知环境的探索、感知过程,从而提高了传感阵列的融合的有效性及实时性,并通过仿真结果对模糊融合方法的性能进行研究与改进,确定了模糊融合方案的具体实现步骤,完成了一个简化的仿真算例,得出了相关结论。     

基于BP神经网络数据融合的瓦斯监测系统

井下瓦斯监测系统为多传感器监测系统,它通过不同功能、不同精度、不同位置的传感器,对所需要的被测量进行多方位、多角度的测量。但是,目前对于多传感器所测的数据还没有一种通用的、行之有效的处理方法,井下瓦斯浓度的监测很难作到实时、精确。因此,文章提出了一种基于BP神经网络数据融合的瓦斯监测系统的设计方案,该方案采用改进的BP神经网络算法对多传感器数据进行融合,并采用两级融合的方式对数据进行处理,以得到井下环境特征。仿真结果表明,基于BP神经网络数据融合的瓦斯监测系统具有较高的测量精度,极大地提高了数据采集的可靠性、全面性和有效性。     

基于数据融合的农业温室温度模糊PID控制方法的研究

针对设施农业中的温度控制具有大惯性、大滞后和参数分布性的特点,本文采用多传感器数据融合的方法对温度参数进行优化计算,利用模糊PID控制方法设计温度控制系统。仿真结果表明,在相同的条件下,基于数据融合的模糊PID算法可以提高控制的精度及鲁棒性,同时可以达到节能效果。     

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。