基于Dezert-Smarandache理论的递归目标识别融合方法

多源信息融合的一个主要应用方向是目标识别, Dezert-Smarandache理论(DSmT)是一种有用的不确定推理方法, 能较好地解决强冲突情况下的信息融合问题. 在经典DSmT的融合过程基础上提出3种递归时空信息融合的方法: 集中式、分布式无反馈和分布式有反馈的融合方法. 当系统引入完整性约束条件时, 需要采用证据的冲突系数来确定组合顺序, 这在一定程度上克服了混合DSm组合规则不满足结合律的缺陷. 最后用数值算例说明了本文所提出方法的有效性.     

多层激光雷达在无人驾驶车中的环境感知

为了使无人驾驶车获得可行驶区域和障碍物信息, 通过分析大量激光雷达扫描点数据, 总结并得出路沿数据点独有的特征, 提出一种基于路沿数据点特征和多层融合技术的路沿检测算法.应用Dezert-Smarandache理论 (Dezert-Smarandache theory, DSm T) 对无人驾驶车前方道路环境建立栅格地图, 并利用证据理论中的冲突系数检测动态障碍物.最后, 采用膨胀算法、侵蚀算法和改进的八邻域区域标记算法对动态障碍物进行聚类和信息提取.实车实验结果表明:本算法可稳定、准确地感知无人驾驶车周围环境信息.     

证据推理理论组合规则评价方法研究

证据推理理论(包括DS理论和DSm理论)是处理不确定信息的重要方法,其组合规则性能的好坏直接影响推理结果.为了有效评价证据推理理论组合规则的性质,总结了基于DS理论的组合规则评价方法存在的问题,并深入分析了问题出现的原因;根据DSm理论的特点,提出了基于DSm理论组合规则的评价方法.该评价方法主要从冲突证据处理、证据时序性和计算量3个方面对基于DS理论的组合规则评价方法进行了改进.     

一种快速分层递阶DSmT近似推理融合方法(A)

 本文提出了一种分层递阶的DSmT快速近似推理融合方法,该方法针对超幂集空间中仅单子焦元具有信度赋值的情况,利用二叉树或三叉树分组技术对其刚性分组,与此同时,对每个信息源对应的各个分组焦元进行信度赋值求和,以便实现细粒度超幂集空间向粗粒度超幂集空间映射.然后运用DSmT组合规则和比例冲突分配规则对粗化超幂集空间的两个信息源进行融合,保存该融合结果作为父子之间节点连接权值,然后对每个分组焦元信度赋值归一化处理,通过设定树的深度,来确定分层递阶的次数.最后通过从多个角度比较新、老方法,从而充分地验证了新方法的优越性.     

基于Haenni方法的证据冲突原因分析

由于Dempster组合规则所存在的不足,在组合冲突信息时,会得出与直觉相反的结论。针对Zadeh悖论,Haenni给出了反驳,但冲突产生的原因分析不够全面。鉴于此,本文在他们的基础上,总结出冲突产生的原因,它不仅与传感器受干扰有关,与识别框架不完整也有关系,其中识别框架不完整还包括框架中的元素不详尽,出现了新目标和在两两证据进行推理过程中目标丢失导致的潜在冲突。     

一种基于DSmT推理的物品融合识别算法

针对目前提升深度模型分类表现方法存在的硬件性能不足、结构创新不易、训练样本有限等问题,提出一种基于DSmT(Dezert-Smarandache)推理的物品融合识别算法。对于待识别目标,应用数据融合思想将来自不同深度学习模型提供的识别信息进行融合处理。利用已有的预训练深度学习模型,根据分类识别任务进行特定的微调;针对DSmT理论中构造信度赋值困难的问题,使用深度学习网络对图像的判别输出进行证据源信度赋值;在决策级层运用DSmT组合理论对信度赋值融合处理,进而实现物品的准确识别。在不改变网络模型结构与同一数据集的情况下,将提出的方法与单一网络模型和平均值处理方法进行对比测试试验。试验结果表明,该方法可以有效地提高物品图像的识别率。     

解决冲突证据的两级组合方法

针对DS理论(DST)中Dempster组合规则在处理高冲突证据时的不足,提出一种解决冲突证据的两级组合方法。该方法将高冲突和低冲突区别对待,在第一级组合中采用基于DSm理论(DSmT)的PCR6规则,化解可能的高冲突证据;在第二级组合中采用Dempster规则,保证良好的收敛速度和计算性能,从而合理、有效地处理各种程度的冲突证据。通过算例分析验证了该方法的有效性。     

DSmT框架下的自适应通用分配法则

针对Dempster-Shafer证据理论（DST）及Dezert-Smarandache证据理论（DSmT）均无法处理不确定信息的问题,定义了辨识框架中的不确定因子,通过深入分析比较DSmT框架下的各个冲突分配法则（PCR）,提出了一种基于PCR2的自适应通用分配法则（AUPR）,并根据声纳的数学模型构造了一组新的声纳信度赋值函数（gbbaf）,用以描述声纳获取的不确定和不精确信息,甚至于高冲突信息。最后,以Pioneer 2-DXe机器人为实验平台,绘制了实验场景的各种信度分布图。实验结果充分验证了所提方法的有效性和实用性,为信息融合理论中如何处理不确定信息提供了有力的理论依据。     

New method for measuring the degree of conflict among general basic probability assignments

There is doubt about Dempster’s rule of combination because of counter-intuitive results when dealing with conflict information in intelligent reasoning.Therefore,many modified combination rules have been presented in the literature on multi-source information fusion and reasoning with uncertainty.However,the issue of identifying conflict among evidence has been ignored.A new parameter measuring conflict evidence called the conflict distance parameter is defined to determine whether there are conflicts in evidence based on the analysis of existing conflict parameters.At the same time,a decisive rule,which a reasonable conflict measure function should satisfy,is put forward.Finally,an analysis of two typical counter-intuitive situations is given,showing that the new parameter can not only satisfy the decisive rule,but can also attain the same effect as a two-dimensional measure when deciding whether to use the Dempster’s rule of combination,and can exceed its effect when deciding whether to use Dezert-Smarandache theory.