基于Choquet模糊积分的决策层信息融合目标识别

引入模糊测度和 Choquet模糊积分的概念后,信息融合目标识别可转化为各信源识别结果关于信源重要程度的广义 Lebesgue积分。该文给出了 Choquet模糊积分应用于决策层信息融合目标识别的通用技术路线,并提供了信源重要程度的度量方法。算法实用于红外/毫米波融合目标识别系统,融合识别结果与 D-S 证据理论方法作了比较,证明了基于 Choquet模糊积分方法的有效性。     

一种自适应模糊密度赋值的决策层融合目标识别算法

模糊积分是一种有效的决策层融合目标识别方法.应用模糊积分进行融合的核心问题就是确定反映各传感器重要性的模糊密度.目前确定模糊密度的方法主要有利用混淆矩阵或者采用遗传算法对模糊密度赋值.这些方法在对模糊密度赋值时,利用的都是训练样本的先验静态信息.本文提出了一种利用训练样本先验静态信息结合各传感器判决包含的动态信息对模糊密度进行自适应动态赋值的方法.仿真实验结果表明该方法能得到更好的融合效果.     

基于模糊积分的信息融合研究

基于模糊积分的信息融合的方法将模糊测度的模糊积分应用于信息融合,通过融合来自多个信息源的特征,达到主观期望和客观证据间的最佳匹配,从而提高了对目标的识别率,并将该方法应用到人脸识别中。实验结果表明该方法提高了识别率,证明了其有效性。     

基于模糊贴近度和DS推理的辐射源识别方法研究

在复杂的战场电磁环境中,基于多传感器的属性特征关联方法是获得稳健辐射源目标识别的有效途径.考虑到单一识别算法的缺陷,综合模糊集合理论和DS理论的优点,提出一种基于模糊贴近度的DS推理辐射源识别方法,采用格贴近度作为相似性测度确定概率分配函数,并利用DS理论对多传感器信息进行有效融合.仿真结果表明,即使在恶劣的噪声环境下该方法亦具有较好的目标识别率,从而为工程应用提供了有益的参考.     

分布式多传感器的模糊决策融合

分布式多传感器数据融合属于决策层融合。针对分布式多传感器融合的目标识别应 用,本文提出了一种新的融合传感器模糊属性的模糊决策函数,它通过自适应方法调整模糊决策函数中的参数以适应不同的融合应用。文章利用计算机仿真实验对此决策函数融合的目标识别结果进行了分折,表明这种方法使融合系统可以适应不同的融合要求,具有较好的目标识别效果。     

基于模糊积分的可信度融合目标检测

针对可见光和红外热图像序列中的远距离目标检测问题,提出了一种基于模糊积分的可信度融合的目标检测方法。该方法通过帧间差累积,在两种传感器的图像中确定了运动目标区域,根据目标区域的强度分析,定义了目标可信度度量,进而利用模糊积分融合函数进行可信度融合以实现目标检测。试验结果表明模糊积分分类效果较好,从而证明了该方法在目标识别中的可靠性和可信度,具有一定的实用性。     

传感器可靠性相异的信任函数理论融合识别算法研究

本文在信任函数理论框架下,针对决策层融合目标识别问题,对可靠性相异的多传感器融合目标识别提出了一种新算法.该算法结合各传感器混淆矩阵的先验静态信息以及其当前输出判决的动态信息,获得各传感器当前输出识别证据的可靠性因子,并将其用于相应信任函数的折扣,最后用Dempster组合规则对修改后的识别证据进行融合.仿真表明和现有一些考虑可靠性问题的融合算法相比,本文算法能够得到更好的融合效果.     

灰局势决策方法在决策层融合目标识别中的应用

本文提出了一种基于灰局势决策的决策层融合目标识别算法,并利用各子源传感器判决结果包含的动态信息,通过计算灰关联系数对各类目标进行了加权处理。实验中利用上述方法对五类目标雷达观测数据的分类结果进行了融合,其结果表明该方法的目标识别性能与子源传感器相比得到了有效地提高。     

超短基线定位系统融合分类解模糊技术研究

针对超短基线水声定位系统面临的相位差模糊问题,该文提出一种基于多分类器融合的定位解模糊算法。首先构建多分类器系统,将解模糊问题转化为对模糊数进行分类识别的问题,并采用Choquet积分对各分类器结果进行融合,得到模糊数所属类别,进而对目标进行定位。给出了目标位置的无模糊观测条件。该算法优点是无需构造小于半波长间距的阵列,有效扩大了无模糊阵列孔径,而且由于充分利用了相位差观测数据的统计特性,定位精度可接近克拉美-罗界。仿真结果验证了该算法的有效性。     

基于模糊逻辑的多传感器管理算法

针对目标识别过程中的传感器管理问题,提出了一种基于模糊逻辑的多传感器管理算法.该算法首先运用Vague集表达识别目标的不确定性,利用自适应神经模糊推理系统度量传感器性能.通过模糊隶属函数模糊化传感器性能和目标识别特性,依据模糊推理规则实现目标识别的传感器管理.仿真结果表明,该算法合理有效、简单易行,有较好的工程实践意义.     

动态模糊密度的多分类器融合算法

在分析现有模糊密度计算方法的基础上,本文从分类器的隶属度分布和输出一致性两方面探索计算模糊密度的新方法,提出一种基于决策信任度和支持度的动态模糊密度赋值方法,旨在根据各分类器识别具体目标时输出的客观信息,实时地刻画分类器在融合系统中的可靠性.在表情识别上的实验结果表明,本文方法可以有效提高模糊积分融合的决策性能,降低单分类器输出不可靠决策信息的干扰,是一种有效的多分类器融合方法.     

高光谱图像波段子集模糊积分融合异常检测

针对高光谱图像中背景及目标先验知识未知条件下的异常目标检测问题,该文给出一种基于高相关性波段子集分割的模糊积分低概率目标检测融合算法。依据高光谱图像数据的波段相关性将原始高光谱数据分割为若干连续波段子集;利用非参核密度估计得到原假设下各波段子集数据RX检测器输出的概率密度函数,构造出非参隶属度映射函数;利用数据光谱维的特征值定义目标信号噪声能量比(TNER),衡量各波段子集信源检测结果的重要程度;最后,通过Sugeno模糊积分实现波段子集检测结果的决策级融合。使用可见光/近红外波段OMIS-I高光谱图像进行了实验,实验结果证明了算法的有效性。     

用遗传算法实现模糊测度赋值的一种多分类器融合算法

由于模糊理论可以很好的表达和处理不确定性问题,因而得到了广泛的应用,并成为信息融合领域中的有效方法.只要选取合适的模糊测度值,基于模糊积分的多分类器融合方法就可以达到比最优的单分类器更好的分类效果.用遗传算法来计算模糊测度的值时,可以得到解空间中的最优解,从而实现比非优化方法更好的融合效果.模拟实验结果也证实了这一点.     

基于模糊密度分解的遥感图像光谱和纹理 信息的融合

根据遥感图像的纹理特征具有不确定性和各类别的分类精度有较大差异的特点,针对常用的表示分类器置信度的模糊密度,在信息融合过程中,存在削弱低置信度分类器中高精度类别对融合结果起作用的问题,提出了一种对模糊密度进行分解的模糊积分方法,分解后的模糊密度表示分类器中各类别的置信度,从而突出了分类器中类别的分类精度对系统最终决策的重要程度.实验表明采用分解的模糊密度的模糊积分融合分割方法具有较高的精度.     

基于格拉布斯准则和改进粒子滤波算法的水下传感网目标跟踪

水下无线传感网络(UWSN)执行目标跟踪时,因为各个传感器节点测量值对目标状态估计的贡献不一样以及节点能量有限,所以探索一种好的节点融合权重方法和节点规划机制能够获得更好的跟踪性能。针对上述问题,该文提出一种基于Grubbs准则和互信息熵加权融合的分布式粒子滤波(PF)目标跟踪算法(GMIEW)。首先利用Grubbs准则对传感器节点所获得的信息进行分析检验,去除干扰信息和错误信息。其次,在粒子滤波的重要性权值计算的过程中,引入动态加权因子,采用传感器节点的测量值与目标状态之间的互信息熵,来反映传感器节点提供的目标信息量,从而获得各个节点相应的加权因子。最后,采用3维场景下的簇-树型网络拓扑结构,跟踪监测区域内的目标。实验结果显示,该算法可有效提高水下传感器网络测量数据对目标跟踪预测的准确度,降低跟踪误差。     

基于Mamdani型直觉模糊推理的图像融合算法

提出了一种基于Mamdani型直觉模糊推理的图像融合算法,该算法首先根据融合目标设定推理规则,并根据推理规则建立直觉模糊推理系统,并将待融合图像的每个像素点直觉模糊化并输入系统,经过推理得到输出图像每个像素点的隶属、非隶属程度,最后通过解模糊计算输出图像的灰度值得到融合图像。实验结果证明,该算法的有效性,且由于直觉模糊集更加精确地描述了客观事物的不确定性,其融合结果优于基于模糊推理系统图像融合算法得到的结果。