基于模糊神经网络的特征信息融合

研究多传感器特征信息融合问题。基于自适应模糊神经网络,提出一种新的特征信息融合算法。仿真结果表明,该方法计算量小,具有较强的处理不确定信息的能力和多种理想的融合特性等特点。     

一种基于模糊遗传神经网络的信息融合技术及其应用

在基于广义模糊加权型推理的模糊神经网络基础上,融合非一致性自适应遗传算法,建立了一种模糊遗传神经网络,并将其诮地科研智能管理专家系统中。实际应用表明了网络模型和算法的有效性,并取得了令人满意的效果。     

基于信息融合的改进型模糊神经网络

结合模糊控制和神经网络的优点,采用模糊神经网络弥补数据融合算法中的不足;在此基础上提出一种新的模糊神经网络结构模型,分别以模糊化、模糊规则的组合和清晰化作为网络的学习算子,使神经网络与模糊控制的结合更加完善更加紧密;通过隐层构造和学习算子的推导发现,这种网络能很好的弥补数据融合算法的不足,并能进一步提高系统精度,且使计算量减少.     

基于改进遗传神经网络的入侵检测模型

本文针对目前基于BP神经网络的入侵检测已陷入局部极值和收敛速度慢等问题,提出一种基于改进的遗传算法和BP神经网络的混合入侵检测方法。仿真实验结果表明,此方法比单独使用BP神经网络的检测方法收敛速度更快,误差更小。     

基于遗传算法聚类的车辆跟踪

运动车辆的跟踪技术已成为目前计算机视觉研究的一个焦点问题。均值聚类和滤波预测跟踪方法常用于基于区域分割的运动车辆跟踪,但c均值聚类对初始聚类中心非常敏感,用遗传算法克服均值聚类对初始聚类中心的依赖性,遗传算法聚类数目由α-β-γ滤波的预测值确定。序列图像中帧间信息融合实现当前帧图像运动区域与信息链中的车辆关联,从而正确区分新车驶入和虚警现象。实验中有效、鲁棒地获得车辆在当前帧图像的位移等运动参数。     

基于信息融合团队一致法的车辆识别方法

介绍了一种基于信息融合的团队一致法的车辆识别方法.该方法把传感器组看成共同协作环境下不确定性问题的一队"专家",按一定的规则得到最终的综合决策.将该方法应用在车辆识别的实验中,实验结果表明了该方法的有效性.     

网络安全战略预警系统的特征信息融合方法

提出将一种特征信息融合的方法一基于Mamdani模糊神经网络的方法引入到战略预警系统的威胁评测中，并进行了相关规则的推理，证实了该方法的可行性及合理性。     

基于信息融合的柴油机故障诊断技术

针对传统柴油机故障诊断方法诊断准确率不高的问题，提出了一种多传感器信息融合的方法，将模糊神经网络与D—S证据理论结合起来，使两者优势互补；通过简化网络结构提高局部诊断网络的诊断能力，并使证据理论的基本可信度分配不再完全依赖专家进行的主观化赋值，实现赋值的客观化；通过建立的多传感器信息融合系统对柴油机的故障进行识别，使不同的信息源相互补充，很好地建立故障与征兆之间的定量映射关系，获得对故障状态的最优估计和判决。     

基于神经网络信息融合的印刷体字符识别研究

针对印刷体字符识别,提出一种基于神经网络信息融合的方法.在对待识别目标提取特征后,分别采用2种反向传播算法的改进算法和遗传算法构造神经网络分类器模型,并进行网络的训练和识别工作.通过实验数据着重分析和比较了3种算法的特点,将此3种分类器得出的分类结果进行决策级的信息融合,最终得出识别结果.实验结果表明,此方法简单可行,具有较高的鲁棒性和识别率.     

基于信息融合技术的车辆行驶状态估计

针对车辆行驶状态估计问题,基于扩展卡尔曼滤波(EKF)理论设计了汽车横摆角速度、质心侧偏角和纵向车速的估计算法.建立了车辆非线性三自由度估算模型,应用扩展卡尔曼滤波对纵向加速度、侧向加速度和方向盘转角低成本传感器信号的信息融合,实现对车辆行驶状态的准确估计.选择高速双移线工况,通过CarSim与Matlab/Simulink联合仿真对算法进行仿真验证.结果表明:算法能够准确估计车辆的横摆角速度、质心侧偏角和纵向车速,并具有良好的实时性.     

基于卷积神经网络的实时车辆检测

为了解决对于尺度变换较大车辆及遮挡车辆检测性能不足的问题,提出了一种实时车辆检测模型.针对车辆检测算法对于尺度敏感的问题,通过使用深度残差网络作为特征提取层,构建特征金字塔网络用于多尺度检测;利用软化非极大抑制线性衰减置信得分解决车辆遮挡问题,从而降低车辆的漏检率;同时对模型进行通道级裁剪缩减模型参数规模,节省计算资源...     

火灾探测的模糊神经网络数据融合算法

为提高火灾报警系统的正确率,提出一种多传感器火灾探测系统的数据融合算法.采用模糊神经网络建立了数据融合决策模型,并用改进的BP算法对网络进行学习和训练,自动调整模糊系统参数.根据国家标准试验火数据进行网络训练,系统误差小于试验火标准误差要求,表明了算法的有效性和可行性.与其他方法探测结果进行比较,体现了所设计的算法的优越性.     

基于小波网络和证据理论的多源信息融合系统研究

在多源信息融合中，不确定、不完整和冗余现象普遍存在。为了解决这个复杂问题，本文首先利用相空间重构理论对输入的信息在相空间中进行重构，以充分提取相关信息。然后在重构相空间上，利用模糊理论、小波网络和遗传算法对上述重构信息进行了时间域信息融合。最后，利用D—S证据理论将时间域融合结果进行了空间域信息融合，并根据决策规则进行了决策。结果表明．据此形成的分布式多源信息融合系统具有良好的目标探测能力、抗干扰能力和容错能力。     

改进YOLOv3的车辆实时检测与信息识别技术

在复杂无约束自然场景下对车辆实时检测和相关信息的提取识别一直是计算机视觉领域内重要的研究内容之一。该领域问题的突破不但可以为汽车自动驾驶技术的实现和完善带来实际效果的提升,并且在停车场的自动停车调度算法和实时泊车监控系统的改进上有着重要的现实意义。针对当前实时车辆信息检测中存在的车辆检测区域不完整、精度不高以及无法对场景中较远车辆进行准确定位等相关问题,提出了一种Vehicle-YOLO的实时车辆检测分类模型。该模型在最新的YOLOv3算法基础上,通过更改图像输入参数,增强深度残差网络的特征提取能力,采用5个不同尺寸的特征图依次对潜在车辆的边界框提取等方式来提升车辆实时信息检测的精度和普适性,并通过KITTI、VOC等数据集进行性能验证和分析。实验结果表明,Vehicle-YOLO模型在KITTI数据集上达到了96%的均值平均精度,传输速度约为40 f/s,在精度提升的情况下仍能保持良好的实时检测速率。此外,Vehicle-YOLO检测模型在VOC等其余数据集上的实验结果也展现了不同程度的精度提升,故该模型在常见物体的定位检测中有较好的普适性,相较于传统的物体检测算法模型有更好的表现。     

基于模糊积分的多神经网络集成信息融合

使用模糊积分实现集成神经网络中的子分类器信息融合,提出一种更加有效和全面的模糊密度,用于模糊积分的计算。以双螺旋分类问题为实验对象,使用集成神经网络实现具有较高正确率的分类方法,对神经网络集成的有效性和各类参数的设定作实验分析,并通过多种模糊密度的比较数据说明该模糊密度函数的有效性。     

基于信息融合的入侵检测模型与方法

研究了入侵检测系统(IDS)研究现状，针对当前IDS系统误报率高和对时间及空间上分散的协同攻击无法有效检测的缺陷，引入信息融合和多传感器集成的观点，提出了一个多层次的IDS推理框架和原型系统．该原型系统采用贝叶斯网络作为多传感器融合的工具，用目标树的方法来分析协同攻击的攻击企图，并最终量化系统的受威胁程度．相比现有的IDS，该原型的结构更加完整，能够更容易发现协同攻击并有效的降低误报．     

基于自组织神经网络的信息融合在故障诊断中的应用

提出了一种用于某机舵面系统故障诊断的方法．应用自组织神经网络的非线性拟合能力扩展相关传感器的测量信息,采用D-S证据论算法将相关传感器的输出信息进行融合．信息融合诊断策略根据这些信息确定出故障,同时对故障信号进行识别．建立了某机舵面系统故障诊断的数学模型,并进行了计算机仿真．仿真实验结果表明,该故障诊断结构形式能够对舵面常见故障进行有效的识别和告警,显著地降低了故障诊断的不确定性,提高了故障模式的识别率．     

一种基于多分量信息融合的人脸检测方法

人脸检测是全自动人脸识别系统和许多监视系统的基础,在许多领域有着广泛的应用。文章提出了一种基于多分量信息融合的人脸检测方法。首先进行彩色空间的变换,检测出图像中的肤色区域;建立眼睛颜色模型,并根据眼睛﹑嘴在不同分量上的分布特征,将它们提取出来;最后融合眼睛﹑嘴候选区域的信息,利用特征不变的方法进行人脸的确定。实验结果表明,该方法能够快速有效地检测出人脸,并能够确定眼﹑嘴的位置。     

一种新颖的基于模糊信息融合的目标空间分布结构检测算法

该文提出一种基于模糊信息融合的目标空间分布结构探测算法,文中称之为S-Prim(SpatialPrim)算法,它是融合了模糊空间关系信息的受限Prim算法,用于识别具有规则空间分布关系的目标斑点集合。在很多情况下,目标之间会呈现出有规则的阵列分布关系。为检测这类关系,S-Prim算法将子目标相互之间的空间分布关系、距离关系,以及特征属性关系进行模糊信息融合,借助Prim算法生成最小支撑树的机制,评估邻近节点之间可能具备的某些有规则的空间分布关系,主动探测子目标之间可能存在的空间分布规律,并识别目标群。实验证明,该算法稳定有效。