D-S证据理论在机床故障诊断中的应用

探讨D-S证据理论在机床故障诊断中的应用,介绍了基于D-S证据理论的决策,D-S证据理论的不足及其改进方法,并用实例分别介绍了证据冲突不大时和证据冲突较大时D-S证据理论在机床故障诊断中的处理方法。     

基于D-S证据理论的车辆视频检测方法

提出一种基于D-S证据理论的车辆视频检测方法，通过一部或多部CCD摄像机采集多源图像，由边缘检测算法获取图像中的车辆特征数据，然后采用D-S证据理论对车辆类型进行判决，从而为交通量的准确检测提供依据。实验表明该方法是可靠而有效的。     

基于加权D-S证据理论的分布式多传感器目标识别

针对分布式多传感器环境下的目标识别问题,提出了一种基于加权D-S证据理论组合规则的决策融合方法。分析了多传感器目标识别系统的信息模型,指出传感器的决策可信度由其被支持度及与目标间的距离确定。将该可信度体现为加权D-S证据理论组合规则中的证据权值,综合考虑传感器支持度及其与目标距离,给出了权值确定方法。仿真实验证明方法提高了融合效率,可较快完成识别任务。     

基于D-S证据理论的车辆视频检测的研究

车辆视频检测系统作为智能交通系统的重要组成部分,为交通控制与交通规划提供必要的数据来源.考虑到外界环境的影响以及数据传输过程中的干扰,对所拍摄的单一图像的分析难以获得准确信息.因此,在简要介绍D-S证据理论的基础上,在对由摄像机拍摄的交通现场画面做了图像处理后,提取出车辆特征,并最终运用D-S证据理论来进行数据融合,从而来提高交通视频检测系统中车辆类型的识别率.实验证明采用此方法将使得车辆识别率大为提高.     

信息融合在异步电动机故障诊断中的应用

针对传统异步电动机故障诊断方法中存在的局限性,在对异步电动机故障诊断的特点和要求研究的基础上,提出了一种基于D-S证据理论的信息融合的故障诊断方法。该方法将所采集异步电动机的电压、电流、绕组温度等特征信息构成理论中的证据,利用一定的决策规则,选择融合证据下最大假设,以判断系统状态,识别系统的故障。对该方法构成的诊断系统进行了仿真实验,结果表明其故障诊断快速、有效。     

证据理论在末敏弹目标识别中的应用

信息融合是末敏弹目标识别系统的关键技术之一。简要分析了末敏弹识别目标的过程，在阐述D-S证据理论基本原理的基础上，结合红外／毫米波复合敏感器的具体情况，引入了可信权值，在预定的捕获准则前提下，对末敏弹目标识别进行了数值仿真计算。仿真结果表明，将D-S证据理论应用于红外／毫米波复合敏感器的目标信息融合，可以大大提高末敏弹识别目标的能力，增强抗干扰能力。     

D-S证据理论在DoS入侵检测系统中的应用

该文研究D-S证据理论在DoS入侵检测系统中的应用,提出一个基于D-S证据理论的DoS入侵检测引擎模型。利用D-S证据理论,把从多个嗅探器获得的当前网络状态的证据关联起来检测DoS攻击。文章重点探讨网络状态的可信度计算及融合算法。     

改进D-S证据理论在电动汽车锂电池故障诊断中的应用

针对电动汽车电池系统的故障采用基于神经网络的改进D-S证据理论组合规则完成诊断过程。为了避免单一途径的诊断可能造成故障漏检误检的状况,决策层采用D-S证据理论组合规则来确定基于BP网络和RBF网络两种故障诊断算法结果。然而为了克服D-S证据理论处理高度冲突证据的缺陷,本文提出了一种基于神经网络改进的D-S证据理论组合规则。首先,采用神经网络对电池故障进行初步诊断,结合网络诊断准确率来分配不确定信息并构造证据体,又引入了证据间的支持矩阵来确定新的加权证据体。然后,把各个焦元的信任度融入D-S证据理论组合规则,从而融合神经网络证据体及新加权证据体。最后,依据决策准则确定锂电池系统的故障状态。通过仿真实验验证了本文提出的改进D-S证据理论融合诊断方法在电动汽车锂电池故障诊断中的有效性。     

一种改进的基于权重系数的证据合成方法

针对D-S证据理论在多传感器目标识别系统中对证据高度冲突时会产生有悖于常理的结果的问题进行了研究,对现有的方法基础上给出了一种改进的融合算法。该算法通过引入证据可信度门阈值提高了证据合成的可靠性和合理性,可得到更为理想的合成结果。最后通过算例比较表明:该改进算法的有效性。     

D-S证据理论在目标身份识别中的应用

针对多源信息融合中目标身份属性识别问题,简要介绍了D-S证据理论框架,阐述了基于基本概率指派(BPAF)决策的目标身份属性融合策略、步骤,利用D-S合成规则得到融合后的基本概率指派,实现了多传感器信息融合.仿真实验证明了方法的有效性.     

基于决策距离测量的D-S证据理论冲突处理方法

D-S(Dempster-Shafer)证据理论作为不确定性推理的有效工具,广泛应用于多传感器信息融合领域[1]。而D-S证据理论在证据高度冲突时,应用D-S合成规则可能得到有悖常理的结论。针对这一问题,从分析引起D-S冲突问题的原因入手,引入决策距离测量概念求取高度支持的最大传感器连接组,剔除互不支持的传感器信息,在此基础上应用D-S证据合成规则进行多传感器信息融合。实例表明,该方法能够克服D-S冲突问题,保证信息融合结果的准确度。     

基于GPS/DR的地图匹配方法的研究与实现

研究了地图辅助定位技术在GPS/DR组合定位系统中的应用,给出了一种基于D-S证据推理的地图匹配算法,该算法通过对车辆轨迹与数字地图模块提供的路径相比较,把基于各种传感器的车辆位置与道路网络联系起来,并通过匹配过程来确定车辆关于地图的最大可能位置.仿真实验结果表明,应用该地图匹配算法能够有效的提高组合定位系统的定位精度、减小误差,改善对航线的跟踪质量.     

一种新的网格工作流宏观自组织演化机制研究

针对网格中的服务实体只具有局部视野,常导致服务的可用性受到限制的缺陷,提出了一种基于D-S证据理论的工作流宏观自组织演化机制。该机制以网络中实体的交互行为作为有序演化的基础,以D-S证据理论来解决实体间信任度的度量、传递和组合问题,并且扩展了D-S证据理论中对信任度的控制规则,提出了一种比例信任控制规则。实验结果表明,服务实体通过自适应学习,逐渐与自己的协作体形成了恰当的信任连接,所有这些连接形成加权连接图,有利于提高工作流的适用性。     

证据理论在粮库储粮空洞检测中的研究

针对国家粮库储粮真实性检测的现状,提出了一种基于证据理论的粮库储粮空洞的检测方法,并给出了检测系统的基本模型。详细介绍了D-S证据理论的方法及其应用,通过理论分析与对比,将该方法成功的运用到粮仓检测这个新领域,实验数据表明了该方法的可行性。     

基于D-S证据理论的特征融合车标识别方法

在针对现有的智能交通对车辆多维信息识别存在识别精度不高的情况,特别是对于车标识别,很大程度上识别结果依赖于高分辨和高质量的图像.提出了一种新的车标识别方法,用于识别卡口捕获的低质量车标图像,该方法是基于D-S证据理论的特征融合方法,提取Hu不变矩和HOG特征,采用不同的分类器构造基本概率分配（BPA）,采用改进D-S证据理论进行融合,根据判别规则给出最终的识别结果.通过实验证明在低分辨的情况下仍能保持较高的准确率,分类准确率达94.29%,相比单一的特征识别,具有更强的鲁棒性.     

面向目标侦测的非配合式无线传感器网络研究

针对战场目标侦测需求,在满足无线传感器网络低成本、低功耗约束条件的前提下,选择了传感器组合,设计实现了非配合式无线传感器网络硬件平台,采用红外传感器作为"唤醒传感器"实现节点休眠唤醒功能,同时检测人员与车辆,磁阻传感器负责铁磁物质检测,声音传感器实现车辆与人员的声音信号特征检测,利用简单实用的数据处理方法对各传感器信号...     

两种入侵检测系统D-S证据理论融合算法的比较

D-S证据理论可以支持概率推理、诊断、风险分析以及决策支持等,并在多传感器网络、医疗诊断等应用领域内得到了具体应用。该文比较了入侵检测中基于D-S证据理论的两种融合算法,通过DARPA1999评测数据集验证,得出各自的利弊,并提出了改进建议。     

基于改进D-S证据理论的室内环境控制决策系统

针对室内环境因子多且相互作用关系复杂,影响室内环境舒适度的控制精准决策,设计了一种基于改进D-S证据理论的室内环境控制决策系统。首先采用箱线图法和均值替代法检测修复异常采集数据,然后利用距离自适应加权融合算法实现同类传感器数据一级融合,最后利用改进D-S证据理论算法,实现全局融合决策。实验结果表明,改进D-S证据理论算法能够有效避免冲突证据带来的融合决策误差,系统可以实现室内环境控制的精准决策,融合决策精度高,具有一定的推广应用价值。