基于粗集理论和支持向量机的多源信息融合方法及应用

针对目前多源信息融合存在的问题,本文提出采用模拟人类思维的方法来实现信息融合.该方法首先利用粗集理论的强定性分析能力对多源输入信息进行约简,消除了样本中的噪声和冗余,在此基础上,再利用支持向量机对约简信息进行融合.为了获得最优的融合精度,该方法还利用遗传算法对融合进行了优化.文字识别的实例研究表明,该方法具有良好的容错性、稳健性和准确性.     

基于改进D-S证据理论的多源空战信息博弈融合方法

多传感器系统与单传感器系统相比能够更大限度地获取被探测目标的信息量,但在空战中无人机传感器探测得到的数据在一定程度上具有欺骗性,利用博弈融合技术对多传感器数据进行融合,能够获得更加符合空战实际需要的信息。为此,研究了一种基于改进D-S(Dempster-Shafer)证据理论的多源空战信息博弈融合技术,在信息融合前采用Jousselme距离进行预处理,并利用费雪信息进行冲突数据博弈,所得策略集使空战数据更加可靠。在此基础上,根据邓熵方法对基于D-S证据理论的融合方法进行改进,与传统D-S证据理论方法相比,融合数据符合空战实际。最后对存在冲突的多源空战信息进行博弈融合仿真,仿真结果验证了该方法的可行性与优势。     

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D-S理论的多源信息融合冲突问题处理方法

D-S理论在不确定性的表示、量测和组合方面的优势,使得它在多源信息融合领域得到广泛应用。对于证据源本身的优先级别、可靠性及重要性,Dempster组合规则没有给予考虑,使其在证据推理过程中会产生与直觉相悖的结论。在多源信息融合处理中,针对基于D-S理论融合产生的冲突问题,进行了全面分析和总结,归纳为三个方面的问题:一般冲突问题、“一票否决”问题及“鲁棒性”问题;对其相应的解决方法进行分析,指出各自的优缺点。最后,指出解决冲突问题的方法存在的问题及未来研究方向。     

基于模糊粗糙集和D-S证据理论的多源灌溉信息融合方法

针对多源灌溉信息决策过程中不确定性信息难以融合的问题,提出了一种基于模糊粗糙集和D-S证据理论相结合的决策融合方法。运用模糊粗糙集理论,建立基本概率分配函数,计算各灌溉因子与灌溉决策之间的依赖程度,构建多个融合灌溉因子对灌溉决策的识别框架;然后运用改进的D-S证据理论,进行多源灌溉信息决策层级的融合,最终解决不确定信息的表达和合成问题。应用上述方法对华北地区冬小麦土壤水分、光合速率和气孔导度等信息进行灌溉决策融合,结果显示：灌溉决策的不确定性由融合前的最高38%降至9.84%,该方法可有效地提高灌溉决策精度,降低灌溉决策的不确定性     

一种多源信息的最优融合方法研究

针对目前多源信息融合存在的问题，本文模拟人类思维机制，尝试将粗集和支持向量机两者结合起来，利用粗集理论的强定性分析能力以及支持向量机的快速联想能力对多源信息进行融合引入了遗传算法，借助其优越的全局最优搜索能力来进行融合的优化实例研究结果表明，该方法具有良好的容错性、鲁棒性和准确性．     

基于Rough-Vague集与证据理论的态势估计方法

针对态势估计中的事件检测需要依靠领域知识,提出一种基于Rough-Vague集与D-S证据理论的态势估计方法。基于Rough集与Vague集进行事件检测,根据目标历史数据建立事件决策表,通过属性约简得到简约的事件决策表,提出一种基于简约决策表获得目标事件Vague集的方法,根据Vague集的相似度建立评价系数来判定事件结果。目标在不同时刻发生的事件就是证据,基于证据合成公式得到最终的目标态势估计结果。实例分析表明该态势估计方法中事件检测不需要任何领域知识,对态势结果的不确定性具有很强的聚焦能力。     

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。     

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证据理论的多传感信息融合方法研究与应用

针对全自主式移动机器人,以首届CCTV全国机器人电视大赛为背景,提出了通过D—S证据理论和模糊集合理论相结合的方法,对多传感器信息进行融合,较好地解决了机器人在复杂环境下运动的多传感器信息融合问题,实现了移动机器人的准确定位。     

基于模糊逻辑和组合证据理论的信息融合技术在网络管理中的应用

研究基于模糊逻辑和组合证据理论的综合信息融合技术在网络管理中的应用．研究了用于网络管理的来源于多信息源的关联规则的融合方法和推理机制，以及故障与故障原因的模糊关系和模糊规则的融合方法及推理机制；在故障定位方面，采用组合证据理论对网络专家、规则推理和模糊推理所给出的故障原因进行融合得出综合的诊断结果。     

基于粗糙集和D-S证据理论的井下风险评估方法

针对以单传感器监测数据作为井下安全性评估依据存在难以获得丰富、全面、准确的环境信息的问题,提出一种基于粗糙集和D-S证据理论的井下风险评估方法,并进行了具体的实例分析。该方法对多传感器采集的参数进行基于粗糙集的一级数据融合及基于D-S证据理论的二级数据融合,实现了对井下多种信息的整合,优化了现有的风险评估方法。测试表明,该方法可保证预测信息的完备性和独立性,实现了对矿井安全性变化趋势的动态预测。     

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.     

基于D-S证据理论的信息融合软件的设计与开发

基于D-S证据理论,采用手工方式融合多源信息,具有劳动强度大、计算结果出错概率高等问题。针对这些问题,本文设计、开发了基于D-S证据理论的信息融合计算分析软件(DSIF)。DSIF软件以Delphi7和SQLServer2000等为开发工具,采用模块法设计思路,具有使用方便、维护简单、稳定性好、通用性强、扩展性好等特点。同时,该文依据D-S证据理论信息融合的特点,给出信息融合计算分析流程图及DSIF的体系结构。以水质监测数据为对象,DSIF软件为工具,进行信息融合,来说明DSIF软件的特点及其功能。     

基于距离测度的D-S证据融合决策方法

针对多源信息融合结果并依据D-S证据结构进行决策的问题,提出一种基于距离测度的D-S证据决策方法.该方法结合决策基元和非决策基元的属性进行决策,将依据D-S证据的决策问题分解成两个层面：属性层面、证据层面.属性层面上,给出候选决策从证据焦元获得支持度的方法;证据层面上,基于辨识框架幂集的元素,构造一个证据焦元向量空间,引入候选决策的理想状态向量,定义距离测度,构建决策模型.最后,对多源水质监测信息融合结果进行决策分析,结果表明该方法是合理、有效的,且具有处理冲突或非冲突证据的优点.     

模糊证据理论及其在信息融合中的应用

为了使证据理论能更加有效地应用,把证据理论向模糊集推广,利用模糊集的隶属函数提出一种构造证据理论中的基本概率赋值函数的方法,实现了模糊理论和证据理论的有效结合。不但有效地解决了证据理论中的基本概率赋值函数的不易确定问题,而且由于证据理论应用于实际更加方便和有效,融合结果也更加合理。     

D-S证据理论信息融合在故障诊断中的应用

介绍D-S证据理论信息融合算法的基本原理,研究D-S证据理论信息融合理论在电子设备故障诊断中的应用,它可有效地提高故障模式的识别能力,克服单一信息诊断的片面性和孤立性.