动态模糊密度的多分类器融合算法

在分析现有模糊密度计算方法的基础上,本文从分类器的隶属度分布和输出一致性两方面探索计算模糊密度的新方法,提出一种基于决策信任度和支持度的动态模糊密度赋值方法,旨在根据各分类器识别具体目标时输出的客观信息,实时地刻画分类器在融合系统中的可靠性.在表情识别上的实验结果表明,本文方法可以有效提高模糊积分融合的决策性能,降低单分类器输出不可靠决策信息的干扰,是一种有效的多分类器融合方法.     

一种自适应模糊密度赋值的决策层融合目标识别算法

模糊积分是一种有效的决策层融合目标识别方法.应用模糊积分进行融合的核心问题就是确定反映各传感器重要性的模糊密度.目前确定模糊密度的方法主要有利用混淆矩阵或者采用遗传算法对模糊密度赋值.这些方法在对模糊密度赋值时,利用的都是训练样本的先验静态信息.本文提出了一种利用训练样本先验静态信息结合各传感器判决包含的动态信息对模糊密度进行自适应动态赋值的方法.仿真实验结果表明该方法能得到更好的融合效果.     

一种自适应模糊密度赋值的小波变换遥感图像融合算法

该文提出了一种基于模糊积分的多光谱图像和全色遥感图像融合算法。该算法首先由多光谱图像和全色图像的小波系数来获取模糊积分的信度函数,再依据小波系数的局部窗口内的方差自适应的构造模糊密度,然后由模糊积分计算融合后的小波系数,最后进行小波逆变换,得到融合图像。实验表明,采用新的基于模糊积分的融合方法,只要选择适当的模糊密度,就可以使得融合图像在提高空间细节质量的同时,相比其它融合算法能够具有更好的光谱质量。     

基于模糊规则的多分类器融合

用非线性方法解决多分类器融合问题能够取得比较高的识别率, 但是,当前被应用在多分类器融合领域中的非线性方法可理解性较差,给使用者带来一定的困难。而基于模糊规则的模式识别方法是一类可理解性好的非线性方法,但迄今为止还没有被应用于多分类器融合问题中。基于上述考虑,该文将模糊系统应用到多分类器融合中,并且研究了如何设计可理解性好、精度高的模糊系统的问题,提出了一种改进的基于支持向量的模糊系统设计方法。该方法在从ELENA项目数据库和UCI数据库中选出的4个数据集上进行了测试。实验结果表明,该方法能够用可理解性好的模糊系统实现低错误率的多分类器融合。     

基于模糊积分多分类器融合的人脸表情识别

本文提出了一种基于模糊积分多分类器融合的表情识别方法.首先采用离散余弦变换进行特征提取,然后分别用最近邻分类器、最近特征线分类器和余弦距离分类器三个子分类器对生气、厌恶、恐惧、高兴、中性、悲伤、惊讶七种表情进行识别,最后利用模糊积分对子分类器的识别结果进行融合.在JAFFE人脸表情静态图像库上进行了实验,取得了比较高的识别精确度.     

模糊聚合及遗传算法在多传感器数据融合中的应用

文中给出了多传感器数据融合的一个模糊－－遗传算法，数据融合过程中的推理由模糊聚合函数完成，模糊聚合比传统的集合率中的并和交操作能更地地模拟答的量。模糊聚合函数的连接参数由遗传算法确定。这２个算法的优点是在信息源的可靠性１信息的 余度／互补性以及进行融合的分级结构不确定的情况下能够色近了倨的方法对信息进行融合。     

基于遗传算法的多传感器数据融合

文章给出了一个新的应用遗传算法技术的分级多传感器数据融合算法,各个传感器信息之间的关系用一种较新的模糊算子确定,与传统的集合论的并、交操作相比,它能更好地模仿人的推理。此外,遗传处法能近似最优地确定模糊算子的参数,使算法在信息源的可靠性,信息的冗余度／互补性以及进行融合的分级结构不确定的情况下,以近似最优的方式对传感器数据进行融合。     

基于模糊积分的信息融合研究

基于模糊积分的信息融合的方法将模糊测度的模糊积分应用于信息融合,通过融合来自多个信息源的特征,达到主观期望和客观证据间的最佳匹配,从而提高了对目标的识别率,并将该方法应用到人脸识别中。实验结果表明该方法提高了识别率,证明了其有效性。     

基于多种群并行遗传算法的融合定位

多观测系统融合定位可以提高对目标位置的估计精确度,但如何提高信息融合效率目前没有得到较好的解决。针对此问题,提出一种基于多种群协同进化的分布式并行遗传算法。该算法将子观测系统转变为多个独立并行进化的子种群,通过设定离散适应度函数,使子种群收敛于一个最优值区域,通过个体的迁移操作为目标种群提供更多的测量信息进行融合,有效提高融合估计精确度。仿真结果表明,对比于集中式融合遗传算法和分布式并行Chan融合算法,本文所提算法信息融合效果较好,定位精确度更高。     

一种基于模糊融合的直线提取算法

直线是许多图像处理与分析中广泛使用的特征,其提取算法的优劣直接影响到高层次视觉处理的复杂度和难度,综合分析了目前已有直线提取算法的优缺点,提出了一种基于模糊融合的直线提取算法.该算法首先对图像中的直线进行简单提取,然后利用模糊数学理论对直线的多种几何结构特征和物理特征进行融合计算,最终根据模糊融合得到的判决结果完成直线的连接.该算法不仅具备分辨率高和能够提取出低对比度直线的特点,而且能够保证直线提取的完整性.实验结果表明了该方法的有效性和实用性.     

用户浏览页面预测的多阶HMM模型融合

预测用户的浏览页面是WWW上的一个重要的研究方向.提出了一种通过模糊积分融合多阶HMM(Hidden Markov Model)预测结果的用户浏览页面预测模型.该算法首先拓展了经典融合预测算法的先验信息空间.其方法是通过对不同用户浏览模式分类,建立1阶多Morkov链模型并以其训练结果为权重指标,而后通过模糊积分理论融合1～N阶HMM预测的结果.性能测试实验结果表明该模型预测准确率优于已有的用户浏览页面预测的多HMM融合方法.该方法可在Web站点管理、电子商务以及网页预取等领域广泛应用.     

基于遗传算法的模糊关系方程求解

针对模糊关系方程的求解问题,即模糊综合评判逆问题,提出了一种基于遗传算法的求解方法.算法能有效地找出模糊关系方程的全局近似最优解,并且与模糊关系合成算子的具体形式无关,有良好的鲁棒性和自适应能力.仿真结果表明,此方法是一种有效、实用的模糊关系方程求解方法.     

基于遗传算法的图像自适应模糊增强

提出了一种新的基于模糊理论的图像质量的测量函数,把它作为遗传算法的适应度函数对非完全Beta函数的α和β参数进行自适应动态调节来拟合几种典型的灰度变换曲线,实现了灰度图像的自动对比度增强。选择HSI的颜色模式,实现把灰度图像增强算法拓展到彩色图像的增强。无论灰度还是彩色像,实验结果表明：该方法不仅能使图像的对比度得到改善,而且能很好的保存局部信息,具有较高的自适应性;对于灰度图像,其在性能上优于传统的图像增强技术和现有的一些同类增强技术;对于彩色图像,这种方法既得到了清晰的彩色图像,又保护了原有的彩色信息,而且图像像质还强于传统的图像增强技术和Photoshop软件处理的效果。     

基于模糊进程因子的改进自适应遗传算法

首先提出了一种改进自适应遗传算法,在本算法中引入模糊进程因子,设置了最佳样本保留数、最佳基因保留数等五个可调参数,使它们随着模糊进程因子的变化而变化,从而实现算法自适应;然后给出了新算法的步骤,并用标准测试函数对该算法进行了测试,测试结果表明:该算法具有较好的在线性能,提高了收敛速度;最后,用该新算法进行了功率谱估计,该算法比LS法具有更好的谱分辨率和适应性。     

遗传算法在近程地面防空系统数据融合中的应用简介

简要介绍了近程地面防空系统在现代战争中的地位和作用,并对它的数据融合过程作了简单的描述,重点介绍了遗传算法在数据静态关联中的应用,给出了个编码方法、适应度画数选取方法,遗传操作实施方法,以及漏检处理方法等。     

A New Fuzzy Adaptive Genetic Algorithm

Multiple genetic algorithms (GAs) need a large population size, which will take a long time for evolution. A new fuzzy adaptive GA is proposed in this paper This algorithm is more effective in global search while keeping the overall population size constant. The simulation results of function optimization show that with the proposed algorithm, the phenomenon of premature convergence can be overcome effectively, and a satisfying optimization result is obtained.     

基于遗传算法和BP模糊神经网络的红外步态识别

为了提高红外步态识别精度的目的,采用分别基于小波描述子特征的模糊分类器识别和基于体形平均灰度图特征的贝叶斯分类器识别,再进行基于遗传算法和BP模糊神经网络的多分类器融合识别的新方法。做了基于中科院红外步态数据库的识别仿真实验,获得识别率、等错误率和累积匹配分值的实验数据及对比结果,得到多分类器融合识别比单分类器识别提高约10%识别率,降低约10%等错误率,完全收敛阶数提高1倍多的结论。具有识别精度高、收敛速度快的特点。     

基于多宇宙并行量子遗传算法的多传感器图像融合方法

采用基于对比度视觉模型的图像融合最优分块搜索算法,对同一场景两幅严格配准的多聚焦图像的清晰恢复进行了深入研究.针对该算法在图像较大时融合的计算量大,耗时长,难以进行快速、实时融合等缺点,通过分析该算法固有的时间复杂性和并行性,提出了一种基于多宇宙并行量子遗传算法和对比度视觉模型的多传感器图像融合方法.实验表明,该方法融合计算速度快,并行性能理想.