基于目标识别的光电多传感器信息融合技术

依靠多个光电传感器采集目标数据,需要解决各类数据信息的融合分析问题。基于这种认识,从特征提取、融合和识别等方面,对基于目标识别的光电多传感器信息融合技术展开分析,介绍了技术应用前景,指出需要采用不同算法完成不同光电传感器特征信号提取,同时,通过融合计算得到融合特征量,为目标识别提供信息数据支撑,确保准确识别目标。     

模糊集理论在多传感器信息融合中的应用

在多传感器信息融合系统中,融合系统处理的信息本质具有模糊性,而模糊集理论具有处理模糊问题和模糊推理的优势,因此,模糊集理论已被广泛应用在多传感器信息融合领域。描述的信息融合方法中,通过引入隶属函数的概念,对传感器的测量值进行模糊化处理;利用模糊综合评判原理把传感器的信息融合问题转化为模糊综合评判过程。通过仿真实验验证,这种信息融合方法计算量小、信息融合精度高。     

基于多传感器信息融合的控制系统研究

本文研究了多传感器组合系统的智能化数据融合方法。从数据处理算法、故障检测和系统可靠性等方面探讨了基于多传感器的控制系统,并提出了一种实用的数据处理算法和故障检测算法。     

目标识别中多传感器信息融合算法比较

近年来多传感器信息融合技术在目标识别领域得到了大量研究和快速发展. 介绍了多传感器信息融合目标识别的基本原理及其系统结构, 重点阐述了目标识别中的多传感器信息融合算法, 并对识别效果进行比较, 最后指出了该领域今后的发展趋势.     

多传感器信息融合目标识别系统设计

多传感器信息融合主要用于目标检测、定位、跟踪和识别。多传感器信息融合对来自不同信息源的信息进行分析与综合,产生被测对象的统一最佳估计,使信息的准确性、可靠性及完备性有明显提高。各个传感器所提供的信息一般是不完整的,即包含大量的不确定性。而证据理论能很好地表示不确定性,且推理形式简单,因而在信息融合方面起着重要的作用。本文采用模糊集合的隶属度函数构造证据理论中的基本概率赋值函数,使得证据理论应用于实际更加方便有效。该方法首先根据被跟踪目标数据库的信息构建每个属性的模糊逻辑图,然后以模糊集合的隶属度函数为基础计算每个属性的mass函数。最后用证据理论的合成规则对mass函数进行合成达到目标识别的目的。     

多传感器信息融合模糊控制模型设计

多传感器数据的来源众多,数据时间序列的特征随机性强,难以统一,导致其信息应用范围缩小。提出一种多传感器信息融合的模糊控制模型。运用不同映射模式描述多传感器信息融合状态空间,创建随机时段下测量空间矩阵,获得传感器信息采集时间序列特征。根据信息采集时间序列特征构建二级架构信息融合模型,第一级架构使用模糊控制算法划分输入-输出空间模糊区间,得到模糊规则并计算模糊规则相对信任度,利用模糊规则映射关联聚类信息,剔除传感器冗余数据。在此基础上使用智能粒子滤波法将多传感器信息传输至相应粒子滤波模块,代入遗传算法交叉与变异操作调整粒子权重,通过重采样保存高权值粒子,得到完整的多传感器信息融合结果。仿真结果表明,多传感器信息融合的最大能耗值为110 mJ,信息采集网络延迟为0.75 s,融合时间平均值为4.5 s,信息融合的误差值小于50 m,系统鲁棒性较强。     

基于信息熵的多传感器信息融合

多传感器信息融合是多源信息综合处理的一项新技术。从信息论的观点出发,导出多传感器信息融合系统中的冗余性与互补性的定量描述,分析了传感器冗余性与互补性特点,并从该角度出发,利用最小条件熵准则来解决多传感器信息融合中的目标识别问题,该方法的主要优点是可以充分有效利用多传感器信息,使融合系统满足获得的信息量最大。     

基于信息融合技术的多传感器系统

本文介绍了使用了多种传感器技术，并采用数据融合技术进行指挥控制的船载火炮指挥控制系统的设计；文中自尊心的论述了各传感器的构成及工作原理，并介绍了信息融合技术及其应用。     

基于多传感器的智能机器人信息融合,控制结构和应用

智能机器人能最佳地、综合地使用多传感器信息，具有完成某一特写任务所需的完备信息，从而实现在各种复杂、动态的、不确定环境中的自主性、多传感器信息融合是指将经过集成处理的多传感器信息进行合成。形成对外部环境某一特征的一种表达方式，经过集成与融合的多传感器信息能完善地、精确地反映环境特征，而单一传感器只能获得环境特征的部分信息段，经过集成与融合的多传感器信息具有以下特征，信息冗余性、信息的互补性、信息的     

基于多传感器数据融合的环境理解及障碍物检测算法

本文研究了移动机器人中基于Ｄｅｍｐｓｔｅｒ－Ｓｈａｆｅｒ证据推理理论的多传感器数据融合技术．通过融合由ＣＣＤ彩色摄像机获取的２Ｄ彩色图像及由激光测距成像雷达获取的３Ｄ距离图像，移动机器人的环境理解及障碍物检测的可靠性与精度比在任何单一传感器所获得的信息的基础上有了很大的提高．文中探讨了移动机器人中视觉信息融合的许多具有较大难度的实际问题，取得了有意义的结果．     

基于递阶遗传算法的模糊控制系统的模糊集优化研究

由于模糊系统的输入、输出变量模糊集中模糊集的多少直接影响到模糊规则集的完备程度，并决定着控制系统的性能，所以本文提出了一种基于递阶遗传算法的模糊控制系统的模糊集优化方法，同时对模糊集的个数和形状进行优化，使其能尽量完美地反映系统输入、输出变量，减少了规则的冗余．对二阶动态系统的仿真研究证明了该方法的有效性．     

基于Rough集的数据挖掘模型研究

这项工作的主要目的是表明怎样能够有效地实现基于Rough集的数据挖掘技术,在这篇论文里,我们详细讨论了Rough集理论,为了从基于Rough集的数据库中发现新的规则,研究了一种适合数据挖掘的面向对象的软件系结构,给出了数据挖掘算法、规则发现算法和规则约简算法,从初始数据库的信息出发,依次建造差别矩阵、约简表和规则表,最后给出了一个模拟实例,表明我们的模型和算法是可行的。     

基于遗传算法和模糊积分的多分类器集成

多分类器联合是解决复杂模式识别问题的有效办法。模糊积分是其中一种多分类器联合方法。但是对于模糊积分。如何计算模糊积分密度是一个尚未解决的问题。本文提出了一种基于模糊积分和遗传算法的分类器集成方法,该方法利用遗传算法计算模糊积分密度函数,再利用模糊积分把分类器输出信息联合起来。实验结果表明,该方法比其他方法能够得到更好的识别性能。     

基于模糊控制及遗传算法的人工免疫入侵检测算法

针对反向选择算法在面对大量的网络通信数据或具有多个分离特征区间网络通信数据时的无效性,提出了基于模糊控制及遗传算法的人工免疫入侵检测算法,利用模糊控制原理对抗体进行浓缩,并通过遗传算法进化种群,从而使得抗体的数量得到控制且检测效率较高.     

基于相似性测度的异类传感器的数据融合算法

雷达具有较好的测距性能,红外传感器具有高精度的测角性能。雷达和红外传感器是异类传感器系统的一个典型组合,但是异类传感器信息融合因没有现成的数学工具和方法而面临诸多困难。提出一种基于相似性测度的数据融合方法,能够有效提高数据正确关联概率和多目标跟踪的精度。     

改进GAs算法在大规模资源分配问题中的应用

采用改进ＧＡｓ算法建立了求解大规模规划的资源分配模型．针对大规模资源分配问题的具体特点，设计了合适的ＧＡｓ算子，并以实例验证了算法的合理性及有效性．     

一种基于数据融合的多话筒语音识别方法

识别率和对环境的适应能力是一个语音识别系统的两个重要性能,常见的提高语音识别率的方法大多通过改进声音模型来获得较高的识别率,这往往造成声音模型的复杂化以及模型训练的困难。另外,在说话人和麦克风位置不固定等情况下,这些方法识别效果往往很差。文中提出了一种用多话筒分别识别一个语音,并用数据融合技术对识别结果进行处理的语音识别方法。初步的实验结果表明该方法不仅可以提高系统对环境的适应能力,而且在单个声音     

基于遗传BP网络的快速分类算法的构建

为获取能快速分类的智能算法,在分析BP算法原理与缺陷的基础上,首先对标准的BP算法进行了改进,然后利用已改进的BPX算法优化遗传算法选优过程,提出了GA＆BP混合算法,该算法兼顾了GA算法的全局收敛特性和BP算法快速的局部收敛能力,使算法既有较快的收敛速度又不易陷入局部解。仿真结果表明GA＆BP混合算法的收敛速度、误差精度等主要性能指标有明显改善。     

基于混合核函数支持向量机和遗传算法的人脸识别

提出了一种基于混合核函数支持向量机和遗传算法的识别方法,用于人脸识别。该方法结合了支持向量机的学习性能和遗传算法的寻优性能,与传统的方法相比,具有速度快、误差少、效率高的特点,在实验中能够较精确地对人脸进行识别。