基于D-S证据理论的目标识别融合应用

基于D-S证据理论的目标识别融合系统,可以充分发挥多传感器信息的优势,提高目标识别结果的准确性.本文结合工程实践,分析地面目标融合识别过程中经典D-S证据理论方法处理数据出现的问题,发现使用D-S证据理论对于高冲突证据融合结果准确性较低.因此提出一种基于D-S证据理论的改进数据融合方法,将冲突因子与支持度标准偏差的相反数相乘,再与所有证据和乘积的正交相加,然后减去证据的基本概率的最大差.如果证据的冲突越大,这种方法的优势就越明显.如果证据中不存在冲突,则融合结果与原始D-S证据理论的项目一致.实验的比较数据表明,改进的信息融合方法对于改进解决冲突问题必不可少,并且是有效的.     

鲁棒主元分析在掌纹识别中的应用

为了对存在异常值的图像构建低维线性子空间的描述,提出用鲁棒主元分析(RPCA)的新方法进行掌纹识别。运用图像下抽样方法降低掌纹空间的维数,在低维图像上应用RPCA提取低维的投影向量,然后将训练图像和待识别图像向投影向量上投影得到鲁棒主元特征,计算特征向量间的余弦距离进行掌纹匹配。运用PolyU掌纹图像库进行测试,结果表明,与主元分析(PCA)、独立元分析(ICA)和核主元分析(KPCA)相比,RPCA算法的识别率最高为99%,特征提取和匹配总时间0.032 s,满足了实时系统的要求。     

证据理论在车辆身份识别中的应用研究

论文详细地介绍了D-S证据理论,并探讨了D-S证据理论在车辆身份识别系统中的运用。通过实例得出了D-S理论在多传感器数据融合应用中的初步结果,将其应用于车辆身份识别系统中,可大大提高识别率。     

基于主元分析法的行为识别

通过研究,建立了一个基于主元分析的识别办体行为的系统,其方法是通过在Ｈ、Ｓ、Ｉ颜色空间对皮肤颜色建立高期模型,结合运动限制和区域连续性,系统地分割并跟踪人脸和双手,然后,在ＰＣＡ框架下,表示脸和手的运动参数曲线,并和范例进行匹配,这种通过对行为在时空域变化的建模方法,能在行为主体和成象条件有变化的情况下识别行为,以太极拳式谡列,来验证方法和系统的效果,实验结果证明了此方法误识率低,有一定的鲁棒性,     

基于D-S理论的多传感器目标识别能力分析

通过分析待识别目标类型与结果类型的差别,确定以目标正确识别概率、目标错误识别概率和目标无法识别概率来度量传感器的目标识别能力。鉴于各传感器的识别结果概率之间的证据冲突,给出了一种通过与准理想结果的距离大小来确定信任权重的方法,并依据信任权重重新调整各证据的概率分配,实现冲突证据的预处理,然后使用Dempster规则对各传感器的识别结果概率进行组合,从而确定了多传感器的目标识别能力的度量模型,实例证明给出的目标识别能力度量方法是有效可行的。     

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证据理论在探地雷达目标识别中的应用

为解决探地雷达的目标识别问题,提出了一种基于雷达扫描数据、实地探测情况、历史信息和已有水文地质信息,并利用D-S证据理论这一具有解决多数据源不确定信息推理和融合特点的理论对目标进行综合识别的方法.实现了探地雷达目标在不确定条件下获得较高可信度的识别.试验结果验证了该理论在探地雷达目标识别上的有效性和可行性.     

基于D-S证据理论的振动目标识别研究

提出了一种基于D-S证据理论对数据进行融合处理的方法.通过采用多个地振动传感器对人、车辆等目标发出的振动信号进行采集,然后对传感嚣采集到的地振动信号进行处理,解决目标识别问题并提高目标的识别率,实验结果表明文中提出的方法是有效的.     

基于 D-S 证据理论的地质雷达目标识别

D-S证据理论提供了一种解决多数据源不确定信息推理和融合的有效方法。为解决地质雷达目标识别信息的融合问题,采用D-S证据理论方法,先对目标进行雷达扫描,然后对可能的目标类型进行基本概率分配,最后利用D-S组合公式进行融合识别。试验结果验证了该理论在地质雷达目标识别上的有效性和可行性。     

D-S证据理论在目标特征数据分析中的应用

为解决空中目标识别问题,引入特征值这一概念。Dempster-Shafer证据理论是不确定推理的重要方法,通过Dempster合成规则将不确定性信息进行重新分布,将来自测量分系统的目标特征值,通过D-S证据理论进行融合,应用于目标识别。实验结果表明该方法误判率低、分类精度高,能较好地实现空中目标的分类。     

一种基于证据推理的目标识别方法

论文介绍了一种基于证据理论的多传感器目标识别方法。该方法首先建立了一个特殊的辨识框架,它可以合成多传感器的信息,能适应未知假设出现的状况;考虑了传感器检测的不确定性,推导了多传感器证据合成的算法。最后将该方法应用于一个目标识别系统,实验结果验证了方法的有效性。     

基于粗糙集和证据理论的目标识别方法研究

文章提出了一种基于粗糙集和证据理论的目标识别方法.首先对决策表进行约简得出决策规则,然后计算规则可信度分配和规则权重,最后根据改进的D-S合成规则进行规则合成,得到识别结果.     

基于证据理论的企业目标推理

目标建模是早期信息系统需求分析的关键技术.针对企业高层目标难以评估的问题,提出一种企业目标量化建模方法,以证据理论作为逻辑基础,对企业目标可满足性进行定量表征,借助Dempster证据合成法则,设计多目标贡献关系合算法,通过实验验证方法的有效性.     

多线性主成分分析和张量分析的SAR图像目标识别

为了提高合成孔径雷达图像目标识别效果,提出一种基于多线性主成分分析和张量分析的合成孔径雷达图像目标识别方法。该方法首先构建四阶张量训练样本,利用多线性主成分分析得到多线性投影矩阵;再通过投影矩阵构建核心张量,对核心张量进行线性判别分析;最后对测试样本分类识别。实验中,将本文提出的多线性主成分分析和张量分析方法在MSTAR公共数据库上进行识别实验,并与主成分分析和二维主成分分析方法进行识别率比较。实验结果表明,本文方法有效保留了图像的空间结构信息,提高了目标正确识别率。     

基于PCA的眉毛识别方法研究

本文分析了人类的眉毛作为一种独立生物特征进行身份鉴别的可能性,提出了利用PCA方法进行眉毛识别的基本思路。通过32个人的小规模眉毛图像数据库,在直接利用纯眉毛图像或间接利用其傅里叶变换构造特征向量的两种情况下,分别研究了PCA方法在眉毛识别中的识别率与所采用的归一化方法和信息阈值之间的关系。实验结果表明,PCA方法的最高识别率在不采用傅里叶变换时为60．00％,而在采用傅里叶变换时为90．63%。     

基于置信距离的冲突证据合成方法

雷达目标识别中多源信息融合面临各种不确定冲突信息。为此,提出一种基于置信距离的冲突证据合成方法。在不改变D-S证据组合规则的前提下,考虑到证据之间的关联性,通过计算证据间的相似度和可信度,利用可信度的加权平均来代替冲突证据,从而消除冲突证据并进行信息融合。仿真实验结果证明,该方法能有效进行冲突证据的合成。     

基于统计证据的mass函数和D-S证据理论的多传感器目标识别

mass函数表示对证据的精确信任程度,是信任函数的基本概率分配.文章在阐述Dempster-Shafer(D-S)证据理论和决策方法的基础上,较系统地论述了基于统计证据的mass函数和D-S证据理论的目标识别的数据融合方法,并给出了具体的识别实例.从计算结果可以看出,该方法有利于目标识别的实现,具有较好的实用性.     

基于主分量分析法的脱机手写数字识别

针对手写数字识别研究中统计特征和结构特征融合困难的问题，利用主分量分析法提取数字字符结构特征的统计信息，重建数字模型，并估计重构偏差，同时提取数字的高宽比特征和欧拉特征，通过组合与3种特征相对应的贝叶斯分类器的分类结果实现数字识别。使用该方法对样本库中的样本进行测试，正确识别率为90.73%。