基于D-S证据理论和BP神经网络的多传感器信息融合

针对多传感器信息融合的基本可信度分配在实际应用中难以解决的问题,提出了一种基于D-S证据理论与BP网络相结合的多传感器信息融合的改进方法。该方法充分发挥BP神经网络自学习、自适应和容错的能力,利用BP神经网络处理证据理论的基本可信度问题,再利用D-S证据理论来处理不精确、模糊的信息。最后通过一个实例证明了该方法的有效性。     

基于BP神经网络和改进D-S证据理论的目标识别方法

针对应用经典D-S证据理论时,其关键参数基本概率赋值(BPA)往往凭主观经验获得,导致决策可信度低的问题,提出通过构建BP神经网络来获取基本概率赋值的方法。该方法利用BP神经网络强大的自学习和非线性映射能力,归一化输出值得到基本概率赋值。同时,为了解决高冲突度证据合成结果有悖常理的问题,提出一种基于证据信任因子的新的融合方法。根据证据的信任因子赋予其相应的权重,加权平均后得到期望证据,再进行合成。实验结果表明,该改进方法消除了高冲突度证据对合成结果的影响,具有更高的目标识别准确度。     

基于D-S证据理论的齿轮箱故障诊断

在分析模糊识别和证据理论应用于故障诊断特点的基础上.提出了一种应用D-S证据理论融合神经网络和模糊识别的方法,应用于某坦克发动机齿轮箱故障诊断,通过多次实验及仿真,证实这种方法能明显提高故障的正确诊断率,具有良好的实际应用价值.     

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。     

基于D-S证据理论的信息融合算法

针对现有D-S证据理论算法在信息融合应用中缺乏系统性的问题,提出了一种基于D-S证据理论的层次式融合算法。该算法模型采用多维属性信息的分域、层次融合方式,利用初始信息确定高层融合所需的概率分布的近似算法对数据进行融合处理,并对于可能存在的证据冲突问题,给出了算法的修正。仿真结果表明,该算法收敛速度快,准确度高,在低虚警率下具有较好的检测率。     

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证据理论的彩色航空影像阴影提取方法

阴影特征在影像,特别是遥感影像中具有重要的意义. 本文针对彩色航空遥感影像的颜色信息进行分析, 提出了表述阴影在 RGB 和 HIS 空间的三种不同特征, 并利用 Mean Shift 分割的方法对彩色航空影像进行区域分割. 选取分割后的区域, 统计每个区域的多个颜色特征并定义相应的概率分配函数, 利用其互补特性, 使用 Dempster-Shafer(D-S) 证据理论中的合成法则对其进行合成, 最终判别区域是阴影或非阴影. 对实验图像进行阴影特征提取,取得了较好的效果     

基于BP网络和D-S证据理论的瓦斯监测系统的研究

针对目前煤矿采用的瓦斯传感器输出信号具有模糊性、不确定性等问题,提出了一种基于BP网络和D-S证据理论的瓦斯监测系统的设计方案。该系统采用改进的BP算法获取煤矿环境的基本概率分配,采用D-S证据理论对BP网络输出结果进行信息融合,从而对井下瓦斯状态作出判断和决策。实验结果表明,该系统提高了瓦斯监测信息的准确性和决策的快速性。     

基于粗糙集和D-S证据理论的信息融合技术应用研究

针对井下信息量大、噪声多、参数多、动态等特征,提出了一种基于粗糙集数据挖掘和D-S证据理论优化信息融合技术的矿井环境监测方法。采用粗糙集对井下信息进行预处理;利用径向基函数(RBF)神经网络建立了井下环境识别模型;利用D-S证据理论进行两级融合决策,并对井下安全状况进行判断。仿真结果表明:该方法提高了井下信息的识别和决策效果,极大地降低了不确定性。     

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D-S证据理论的主机违规行为检查方法

主机违规行为是能对主机及其所在信息系统的安全造成影响,或泄露主机上的重要信息的行为。提出一种主机违规检查方法,针对主机违规行为证据信息进行单一证据源基础概率判定,并通过D-S证据理论对其进行融合,计算得到主机行为的违规系数,以此作为违规检查的判定依据。实验表明,该方法能够满足主机违规检查工作的应用需求,具有较低的误报率和漏检率。     

基于D-S证据理论的脆弱性态势数据融合方法研究

将基于D-S证据理论的融合算法应用在态势感知领域的脆弱性态势数据处理中,对网络扫描和主机扫描等多种手段得到的脆弱性数据进行融合与分析。通过对脆弱性数据进行规格化,构造概率分配及融合处理,有效利用多源数据的冗余性、互补性,实现了对多个扫描结果的综合。结果表明此方法得到的结果更加全面可靠。     

基于D-S证据理论的故障综合诊断方法

针对单个诊断方法故障信息的模糊性和分散性，建立了基于证据理论的综合诊断方法。其中融合策略灵活多变，且模型已由单故障模式推广到多重故障模式，使之更适应实际工程诊断需要。最后应用其对某转子系统故障进行了诊断，结果表明方法行之有效。     

一种加权改进的D-S证据推理算法

利用证据推理方法处理不确定问题具有强大的优势,但由于它不能处理矛盾证据,这在很大程度上限制了它在实际中的应用.对D-S证据推理的算法进行了改进.改进后的D-S证据推理算法可以有效地处理矛盾证据,取得比较理想、比较合理的融合结果.最后,通过仿真试验对该方法进行了验证.     

基于D-S证据理论的层次化网络安全威胁态势评估方法

基于IDS(intrusion detection system)海量报警信息和网络系统的组织结构,提出了采用自下而上、先局部后整体评估策略的层次化安全威胁态势评估模型.该方法采用D-S证据推理理论,推理服务、主机和整个网络系统的威胁级别,进而评估分析安全威胁态势.实验结果证明该方法能够定性地评估服务、主机和网络系统3个层次的安全态势,给系统管理员提供直观的安全态势分析结果.     

基于人工神经网络与证据理论相结合的信息融合空间点目标识别方法研究

介绍了一种基于人工神经网络与证据理论相结合的空间点目标识别以及该方法珠结构，分析了该方法的性能，并用计算机仿真验证了该方法的强抗干扰性和鲁棒性。     

基于多粒度视角下的D-S证据理论融合策略

D-S证据理论与多粒度粗糙集是两类不同的信息融合方法。对该理论展开详细的论述,找出两者之间的联系。根据这两者之间的互补性,提出了一种多粒度与证据理论相结合的新的融合策略,称之为基于多粒度视角的D-S证据理论的粒度融合方法。最后,通过实例说明了该融合算法的有效性。     

D-S理论与神经网络相结合的信息融合模型研究

针对大噪声环境下信息融合效果差的问题,提出了一种基于D-S证据理论与神经网络技术的信息融合方法,该方法综合了证据理论在处理不确定信息方面的优点和神经网络在数值逼近上的长处,一方面利用神经网络和冲突证据处理算法获取基本概率赋值,另一方面通过证据理论使神经网络的结构变得透明.初步仿真结果表明,该方法有效地解决了不确定性信息的误识别问题.