基于非均匀粒度聚类的电子目标多传感器识别

在对电子目标进行识别时,一般采取多传感器融合的D-S证据理论,但是在实际应用中,证据理论存在不同证据冲突的问题。针对此问题,将证据转化成欧氏空间中的点,证据之间的冲突程度转化成距离,对证据进行聚类,用经过聚类后的证据来实现电子目标多传感器融合识别。仿真实验的结果证实了该方法的有效性和实用性。     

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D-S证据理论的多模复合制导目标识别

多传感器信息融合已成为现代条件下目标识别的重要手段.研究基于D-s证据理论的多传感器信息融合算法,提出一种基于Dempster-Sharer理论的推广方法以解决融合信息的证据冲突问题,并将其用于红外成像/毫米波复合制导系统,进行目标识别的决策信息融合,结果比较理想,能够有效地化解证据间的冲突问题.     

基于证据置信熵与相似性的目标识别方法研究

针对多传感器目标识别中证据存在非一致性问题,提出一种面向目标识别的基于证据置信熵与相似性的多传感器证据融合算法。首先,利用传感器证据非一致性不确定度与非特异性不确定度,提出了一种基于置信熵的传感器证据不确定性度量模型;在此基础上,结合传感器证据距离与证据冲突,设计了一种基于置信熵与相似性的传感器证据权重生成方法;最后,构建了一种多传感器证据融合模型。仿真结果表明,所提出的多传感器信息融合方法进行目标识别时,相较于传统算法具有更好的有效性。     

一种结合证据可靠性和D-S理论的综合识别方法

为了满足复杂战场环境的目标身份识别需求,需要将多种传感器的识别信息进行融合,实现有效的身份判断。该文从传感器的基本信度评价和稳定性2个方面对识别证据进行可靠性评估,反映传感器工作机制、目标分布和配准关联为识别证据引入的不确定性;结合证据的可靠性与冲突情况,动态选择D-S证据的融合结构,降低冲突证据对融合结果的不利影响,并进行历史识别证据溯源,有效整合时间上离散的多个证据,排除不独立证据造成的误识别。最后通过仿真验证了方法的有效性。     

基才模糊C均值聚类和D-S证据理论的多传感器信息融合技术研究

D-S证据理论能很好地表达"不确定"和"未知"等信息融合中的重要概念,在多传感器信息融合领域得到了广泛的应用.针对传感器数量较多时,D-S方法计算量很大的问题,提出了利用模糊C均值聚类来减少证据体数目.再结合D-S证据理论进行信息融合的办法.实验数据表明,该方法大大减少了计算量,保证了目标识别的准确度.     

D-S证据理论方法在目标识别中的应用

D-S证据组合理论已经成为不确定性推理的一种重要方法,基于该理论的多传感器决策层数据融合已得到广泛应用.介绍了D-S证据理论及其有关概念和D-S合成法则,阐述了基于D-S证据组合理论的数据融合一般步骤及决策层判决方法,运用D-S证据理论对目标进行了融合识别.与单一传感器的目标识别结果相比较,上述方法能明显提高目标识别能力,同时降低目标识别的不确定性,提高目标识别的可靠性.     

冲突证据的目标识别系统的研究

目标识别系统中的不确定性信息常常表现为模糊性和冲突性信息.提出了一种在证据理论框架下实现模糊信息融合的方法.针对决策级信息融合中的冲突证据组合问题进行了深入的研究.在对现有组合算法分析的基础上,提出了一种新的冲突证据组合的方法.该方法采用先验概率加权与实际战场环境模糊加权相结合,最后采用归一化的可信度对证据进行加权平均并进行DS融合.仿真实验结果表明,此方法可有效地处理冲突证据,得到合理的融合结果.     

采用粗BP神经网络和D-S证据理论的目标识别

为克服传统的目标识别方法的不足,提高目标识别的实时性和准确性,提出将粗BP神经网络与D-S证据理论相结合的识别模型.在多传感器数据融合中利用粗集理论对大量的传感器数据进行处理,对输入信息进行约简,剔除冗余信息,简化了生成规则和BP神经网络模型结构,提高了网络训练速度和运行速度.以BP神经网络输出作为证据,后端对不同传感器的证据用D-S证据理论进行融合,得到待识别目标的识别概率.实验表明该模型减少了识别的主观因素,简化了BP神经网络结构,提高了运算速度和识别效果.该混合模型有比较好的应用前景.     

互补证据组合规则

针对Dempster组合规则"一票否决"和现有修正方法主观分配冲突信息的缺点,提出一种全新的证据组合方法.新方法直接利用定义的互补证据进行融合,不再采用Dempster组合规则中的纯乘性策略组合证据,成功解决了"一票否决"问题.并将冲突信息转化为证据权重融入组合规则进行直接融合,不再主观分配其信度.新的组合规则是一类广义的加性集成算子,既满足交换律又满足结合律,既能够直接组合单类证据,也能够基于TBM组合复合类证据.通过多传感器融合识别算例,验证和对比分析了新的组合规则的优势.     

一种有效处理冲突证据的组合方法

为了有效融合高度冲突的证据,提出一种新的基于证据距离的组合方法,首先引入了一个证据体距离函数,之后求出系统中各证据被其它证据所支持的程度,对支持度归一化后获得各个证据的可信度,并将可信度作为证据的权重,对系统中的证据加权平均后再利用Dempster组合规则实现信息融合,与其它方法比较,该方法在系统存在伪证据(干扰)时仍然能够有效快速地识别出目标。     

基于Pignistic概率转换和奇异值分解的证据冲突度量方法

针对常见证据冲突度量方法适应性差、准确性低的问题,提出了一种基于Pignistic概率转换和奇异值分解的证据冲突度量方法。首先通过Pignistic概率转换将证据焦元差异映射到信度差异上,构建证据复合信任函数矩阵。然后采用奇异值分解的方法提取矩阵特征,根据奇异值特性将矩阵特征空间划分为相似子空间和冲突子空间,综合考虑证据矩阵相似特性和冲突特性,将冲突子空间奇异值与相似子空间奇异值之比作为新的冲突度量因子。最后在全冲突场景、变信度场景、变焦元场景、焦元嵌套场景等多种证据冲突场景下将所提方法与常见方法进行了对比分析,结果表明所提方法具有适应性广、准确性高、稳定性好的特点。     

基于改进冲突度量的多证据直接融合算法

针对Jousselme证据距离函数不能较好描述证据局部冲突和不能对高冲突证据进行准确冲突度量的不足,该文首先提出改进的Jousselme证据距离函数,该函数基于能够较好描述证据之间局部冲突情况的非重合度对Jousselme证据距离函数进行改进,使其冲突度量结果随非重合度取值及其取值范围的变化按适当比例进行变化;其次,基于冲突系数和新改进Jousselme证据距离函数共同构建改进的融合冲突度量函数。在此基础上,对焦元权系数计算式进行改进,并依此对局部多维冲突信息进行按比例分配。理论及应用分析结果表明,新算法是一种适用性广泛且抗干扰性能好的证据融合算法。

     

基于改进证据理论的建筑环境CPS决策级融合

针对传统D_S证据理论存在高冲突证据时,而引起＂悖论＂将导致建筑环境CPS决策不准确的问题,采用计算证据间的博彩许诺距离方法,结合传统冲突因子,对D_S证据理论数据源的处理方法进行调整。该方法由证据间的博彩许诺距离得到证据冲突程度,再按＂互补＂原理转化为相互支持度,从而确定证据的权重系数,使D_S证据理论的决策更加精确。数据分析和仿真表明,改进后的D_S证据理论方法可以有效地处理证据冲突,并使得决策结果更加合理。     

一种基于局部冲突分配的DST组合规则

 冲突证据融合是信息融合中一个非常重要但始终没有很好地解决的问题.本文从选择有效的冲突衡量参数的角度出发,分析了悖论与证据冲突的关系,给出了新的冲突衡量参数,并基于此参数提出了一种新的基于局部冲突分配策略的证据推理组合规则.大量实例表明,提出的证据推理组合规则能够解决现有的证据理论悖论问题,是一种较为通用的证据推理组合规则.     

基于相关系数的证据冲突度量方法

当证据高度冲突时,使用D-S组合规则将会得到不合常理的结果,因此,针对证据组合规则的改进成为一个重要的研究课题,在选择合适的证据组合方法之前,确定证据之间是否冲突、冲突程度如何,是个至关重要的问题,为了更加准确地描述证据间的冲突,在分析证据相似度与证据冲突关系的基础上,基于证据相关系数提出了一种新的证据冲突度量方法,理论分析和数值计算表明该方法可有效表示证据之间的冲突程度,相关系数越大,证据间冲突就越小,与其他方法相比,该方法更具全面性和合理性。     

D-S故障诊断中证据冲突衡量研究

在基于D-S证据理论的故障诊断中,由于干扰或可靠性等原因,各传感器用来判断故障原因可能性的基本置信分配会出现相互冲突的现象.在冲突证据下,进行D-S诊断的前提条件是解决各传感器基本置信分配间矛盾性的衡量问题.虽然人们已对此做了一些探讨,但都没有反映D-S故障诊断的需要,研究成果无法得到应用.文中首先介绍了D-S故障诊断;然后分析了已有证据矛盾性衡量方法的不足;最后提出了一种新的衡量各传感器基本置信分配间矛盾性的方法,并进行了详细证明,实验结果表明了所提方法的正确性.     

Correlation coefficient measurement for conflict evidence

The complex battlefield environment increases the uncertainty of reconnaissance information processing, so the uncertain information processing is investigated, especially the conflict evidence measurement, based on the belief functions. The normalized evidence correlation is defined as the correlation coefficient measurement for conflict evidence. In order to solve the drawback that the existing conflict evidence measurement methods do not distinguish the single set and multiple sets, the union core and core relational matrix are defined to modify the union core and core correlation respectively and further obtain the modified conflict evidence measurement. Finally, the efficiency of the proposed correlation coefficient measurement for conflict evidence is illustrated in the classical simulation example.     

一种有效处理冲突证据的组合方法

针对证据理论应用过程中,冲突证据的组合问题和基本概率赋值函数难以确定的问题,提出了一种新的冲突证据的组合方法。该方法以修改模型为基础,而不改变Dempster组合规则的结构。首先,在充分考虑焦元属性之间及证据之间的相互关联性基础上,引入证据体距离函数,然后,求出系统中各证据被其他证据所支持的程度,对支持度归一化后获得各个证据的可信度,并将可信度作为证据的权重,再将平均证据代替冲突证据,最后利用Dempster组合规则实现信息融合。通过仿真实验,将该方法与现有方法进行了分析比较,结果表明应用该方法是一种有效可行的证据组合方法。