D-S证据理论在多传感器信息融合中的改进

详细阐明了多传感器信息融合的一种方法——D-S证据理论，他是一种处理不确定性问题的有用方法，但是D-S证据理论组合规则的一些不足影响证据理论的应用，通过深入分析，针对该方法的不足提出了一种修正的组合方法，这样不仅能够用于组合冲突比较大的证据，而且能够根据各条证据所包含的不同信息量进行自适应加权组合，改进了基本D-S证据理论的组合准则，提高了其融合性能，并通过实例证明了该方法的有效性。     

基于云模型的基本概率赋值生成方法及应用

针对证据理论应用中基本概率赋值(BPA)生成模型难以确定问题,该文提出一种基于云模型的BPA生成方法。首先基于样本属性的正态云模型构建单子集命题的BPA模型函数,并将复合子集的模型函数表示为高斯函数乘积融合。其次提出一种根据测试样本动态度量属性权重的方法来兼顾信息源的可靠性。最后,用属性权重修正模型函数输出的结果得到BPA。鸢尾花等数据集分类识别实验表明,该方法识别准确性高,且适用于样本较少的情况。     

基于灰关联分析与D-S证据理论的多传感器雷达辐射源识别方法

提出了基于灰关联分析与D—S证据理论的多传感器雷达辐射源识别方法。该方法在单个传感器中运用灰关联分析法通过计算灰关联度给出该传感器关于识别框架的基本概率赋值,再在融合中心用D—S证据理论对多个传感器的识别结果进行融合。仿真试验结果表明该方法是可行的。     

一种新的广义梯形模糊数相似性度量方法及在故障诊断中的应用

当前,研究模糊数(Fuzzy nmnber,FN)或广义模糊数(Generalized fuzzy mumber,CFN)之间的相似性度量方法,大多用于度量论域在单位区间上的标准模糊数.然而在实际中,非标准模糊数却十分常见,而利用现有的多数方法则须先将其转化为标准模糊数再加以处理.但是,归一化的过程会因引起信息损失致使...     

D-S证据理论在舰机目标识别中的应用

介绍了D-S(Dempster-Shafer)证据理论的基本概念及其应用特点,分析了舰船和飞机目标识别的需求以及基于搭载辐射源识别舰机目标平台的可行性,结合需求背景,阐明了D-S证据理论在舰机目标识别中的应用方法,详细说明了识别框架的构建和基本概率赋值过程,并在试验环境下验证了该应用方法的可用性和有效性。     

证据理论和模糊神经网络相结合的决策方法

针对图像识别中图像的特征信息,排除不确定因素的影响,提出了基于模糊神经网络和D-S证据理论的数据融合算法,并对图像识别为例进行了实例分析,验证了该方法的准确性.该方法先对输入图像进行数据分析,采用T-S模糊神经网络进行处理,再用D-S证据理论执行决策分析,最终得到识别精度较高的有效结果.     

基于属性权重与方差的新的基本概率赋值方法

D-S证据理论在应用中,如何生成一个合理的基本概率赋值函数,仍然是一个亟需解决的问题.研究提出了一种基于属性权重与方差的基本概率赋值函数生成方法,该方法通过计算样本数据方差与实验数据方差之间的相似度,结合属性权重确立出每个实验数据的基本概率赋值.算例分析表明,新方法能准确的对实验数据建立基本概率赋值函数,验证了新方法的准确性与有效性.     

基于平均寿命为模糊数的模糊可靠性计算

定义产品平均寿命为一个模糊数表示，用模糊数估计系统可靠度、系统寿命、系统失效率。给出了单个部件、串联系统和并联系统的一些结果。对于比较难用解析法解决的问题，借助于计算机采用区间法可容易解决，并给出了应用实例。     

证据理论k-NN规则中确定相似度参数的新方法

本文提出了一种确定证据理论k-NN分类规则中相似度参数的新方法.对于一个模式识别问题,我们首先为每一模式类求得一个参考最近邻距离,使其在最小错误率意义下将训练样本集中属于该模式类的样本与其他样本分离,然后根据所得参考最近邻距离计算相似度函数参数.该方法在训练集比较小、样本非高斯分布条件下仍然能够计算出比较准确的参数,使得相应的分类错误率较小,而且时间复杂度比L.M.Zouhal的方法低约4-8倍.     

多传感器信息融合中的证据冲突判决方法

为了提高多传感器信息融合中冲突判决的准确性,提出了用多个证据冲突函数对证据冲突进行判决。首先分析证据冲突机理,指出证据冲突与证据间命题差异和潜在冲突有关,应在多证据组合情况下衡量证据冲突程度。然后给出多个证据冲突函数解决证据组合时冲突判决问题。最后通过仿真验证了该方法的有效性。     

基于改进D-S证据理论的信任评估模型

针对已有的信任证据模型不能快速有效地处理分布式网络中存在的恶意攻击,且缺乏关于三元信任关系组的信任归一方法,提出了一种基于改进D-S证据理论的信任模型,在此基础上,提出了基于持续序列的基本可信度函数和基于评估函数的信任评估方法,使得模型能更快地抑制恶意节点,并且评估结果更贴近现实值。通过分析与仿真,验证了本模型具有抑制聚集信任攻击的有效性和健壮性,同时信任评估方法更具合理性和准确性。     

奇异值衡量证据冲突的新方法

证据理论被广泛应用于决策级信息融合,但还存在一定问题有待解决,例如证据冲突的合理衡量仍未得到妥善处理。针对已有方法的不足,提出一种新的衡量方法,将不同的证据表示成BPA矩阵的形式,借助矩阵的性质对冲突进行研究。根据BPA矩阵奇异值的特点,提出以其最小奇异值衡量证据冲突。算例表明了所提方法的有效性。     

基于模糊相似度的地面目标跟踪算法研究

研究了基于Dempster-Shafer证据理论和模糊相似度的地面运动目标识别与跟踪问题。应用Dempster-Shafer证据理论对地面运动目标进行身份识别,用目标的类型、速度和数量等属性构造目标的模糊相似度,利用模糊相似度作为目标跟踪的主要依据。详细地分析了地理信息,提出了基于证据推理的地面运动目标识别与跟踪算法,并且用α-β滤波器更新目标位置和速度。经过实际外场试验运行表明,该算法是有效的。     

基于钟型函数的基本信度指派生成方法

针对认知目标属性为单点值情况下,利用模糊相似度生成证据理论的基本信度指派（Basic Belief As-signment,BBA）存在悖论的问题,本文提出一种基于钟型函数（Bell Function,Bell-F）的相似度确定方法和相应的BBA生成算法。该方法避免了上述悖论算例与实际相左的情况,且能够细粒度刻画相似度评估模型,进一步提高了认知描述的准确性。通过对鸢尾花数据集进行识别实验,结果证明了该方法的有效性,并且对已知样本数量不足的非确定环境具备较好的适应能力。     

一种新的多信息融合算法——比亲算法的提出

根据D-S理论在证据完全对立的情况下失效的原因，考虑证据间基本可信度分配函数(BPA)值在证据中所占比重以及相关程度两个方面对证据合成的影响，在D-S理论框架基础上构建了一种新的多信息融合算法——比亲算法。通过与两篇D-S理论应用论文中的实例进行比较表明：在证据不相对立的情况下，新算法与-S理论应用的结果是一致的；当证据对立时，新算法则具有纠错功能而优于D-S理论。结果验证了这种算法的可行性、有效性及实用性。     

一种新的基于权重系数的证据理论合成方法

D-S证据理论可以有效地处理不确定信息,是有效的数据融合方法之一。但在证据高度冲突时,因其归一化过程会产生有悖常理的无效结果,因此不同证据源的冲突处理成为数据融合的主要问题之一。基于此,提出了一种新的证据合成方法,该方法充分考虑了证据在合成过程中的重要程度,通过引入权重系数,提高了证据合成的可靠性和合理性,得到更为理想的合成结果。     

D-S证据理论在认知无线电中的应用

针对认知无线电（CR）中协作频谱感知时信息不确定性带来严重的性能影响,在协作开销允许的情况下,人们渴望得到感知增益很高的协作感知方案。由于D-S证据理论在决策系统中处理不确定性信息时能获得令人满意的性能,使得其在认知无线电中的应用会起很重要作用。一种基于D-S证据理论的协作频谱感知新方案被提出和发展。该方案能有效地提高...     

用基于矩阵的D-S证据理论方法判定目标属性

D-S证据理论在多传感器数据融合中具有广泛的应用前景.其中Dempster综合规则可对可信度函数进行融合计算,当目标命题的个数很多时,融合计算容易造成漏项,引起计算错误.针对该问题,提出建立关于目标命题的关系矩阵以计算各目标命题的可信度分配值.通过关系矩阵,就可以利用计算机和Matlab语言编程实现自动计算,自动遍历所有项,避免漏项,保证结果的正确性.最后给出算法示例和应用Matlab程序计算的结果.