BP和D-S结合的多传感器协同目标识别推理机制

针对多传感器协同目标识别的基本概率赋值在实际应用中存在容易导致决策可信度低等难以解决的问题,提出一种基于BP神经网络和D-S证据理论的多传感器协同目标识别的推理机制。简述了BP神经网络理论和D-S证据理论,构建了目标识别推理框架,推理了算法可行性,进行了实例仿真,通过信息融合,不确定性的基本概率赋值下降到0.000 8,表明该推理机制的有效性。     

D-S算法在信息融合中的研究与实现

多传感器的信息融合处理需要对目标进行有效识别仍是目前备受关注的问题之一,D-S证据理论作为一种重要的融合算法已被广泛应用。本文对D-S算法在目标识别问题中进行了较全面深入的研究,并从信息融合角度对D-S证据理论进行了实现和验证。     

基于D-S证据推理的车辆导航系统地图匹配算法

研究地图匹配算法中的匹配道路的选择问题,提出基于D-S证据推理理论的地图匹配算法.根据D-S证据推理的基本原理,结合车辆行驶情况,给出当前时刻车辆位置信息和方向信息的基本概率分布函数的设计方法.按照D-S合成公式,对位置和方向信息进行融合,并根据融合结果选择匹配道路.在设计方法中,引入位置信息和方向信息的可靠性参数.仿真结果表明,该方法是行之有效的,通过适当地调整可靠性参数的值,就能识别出车辆所在的道路.     

结合Dempster-Shafer证据理论与循环神经网络的网络安全态势预测

针对传统的模糊评价系统存在评价冲突和主观偏差,造成网络安全态势预测出现精度和鲁棒性较低等问题,提出一种结合Dempster-Shafer(D-S)证据理论与循环神经网络的网络安全态势预测算法;首先以专家评价为基础构建网络安全的系统角色,由三角模糊函数获取专家评估指标;然后引入D-S证据理论进行评估指标的筛选、推理和校正,构建网络安全态势损失矩阵和可能性矩阵;最后,以损失矩阵和可能性矩阵为特征输入至循环神经网络中,获取网络安全态势预测结果。仿真实验结果表明,D-S证据理论有效地解决了评价冲突和主观偏差问题,循环神经网络使得网络安全态势预测结果的精度和鲁棒性都得到了提升。     

基于神经网络与证据组合推理的入侵检测方法

给出一种智能神经网络与证据组合推理相结合的网络入侵检测方法,将神经网络检测结果认为是"证据",并引入D-S证据理论进行组合推理,为解决连续时间序列入侵行为判别的问题提供了一种新方法,并且能提高入侵检测的判别精度。     

基于主客观证据融合的高炉悬料预测方法

针对高炉关键异常炉况悬料难以预测的问题,基于D-S证据理论,提出一种综合模糊专家推理和后验概率最小二乘支持向量机的悬料预测方法.首先,结合高炉生产过程和悬料现象,分析悬料形成的内在机理;其次,通过模糊专家推理提取基于专家规则的主观证据,再通过建立后验概率最小二乘支持向量机模型提取基于数据内在客观规律的客观证据;最后,基于D-S证据理论完成主客观证据融合,实现悬料预测.该方法充分利用专家经验和最小二乘支持向量机的自学习能力,能够提高预测精度.仿真结果表明本文提出的方法有效、准确.     

异构形式背景上的不确定推理

将模糊化的形式背景应用于异构数据形成的形式背景称为异构形式背景,在异构形式背景上应用证据理论对其进行推理。首先运用D-S合成公式的思想对异构形式背景进行推理,然后给出合成步骤并按照步骤对异构形式背景的具体例子进行证据推理。     

考虑传感器置信度的改进D-S证据合成算法

为了解决多源信息融合识别算法中传统Dempster-Shafer(D-S)证据理论极少考虑传感器对融合结果产生影响的问题,提出一种考虑传感器置信度的D-S证据合成算法。首先建立传感器与参考传感器关于任一特征的置信距离,通过置信距离修正传统灰关联分析法的关联系数,从而计算传感器置信度;然后通过证据间的相似性定义任一特征所得证据的全局冲突系数,将全局冲突系数与传感器置信度相结合,定义了一种传感器所得证据可用度的计算方法;最后根据证据可用度对传统D-S证据理论进行修正,提出一种新的证据合成规则。仿真及实验数据表明,相比已有算法,新算法的目标识别率更高,对证据冲突的处理更有效。     

分布式主客观证据融合模型及其应用

为了有效地提高油田剩余油分布预测的准确率和可靠性,通过BP神经网络联合模型与两级D-S证据推理模型的优势互补进行主客观证据融合,实现了剩余油分布多属性特征的准确分类．提出了将BP神经网络分类结果的可信度及专家系统推理结论的可信度作为D-S证据推理模型输入证据基本概率赋值的有效方法．实际应用与结果分析表明了上述方法的有效性,为各类多源信息融合系统的研究和工程实现提供了示例、途径和有益的经验．     

冲突证据的D-S改进算法在容量评估中的应用

为了准确地评估机场容量,考虑评估中证据冲突时D-S证据理论的完备性,提出了一种新的证据组合方法,并引入到动态容量评估中。该方法不改变D-S证据理论的融合规则,引入证据可信度的概念。基于证据间存在的相容性及排斥性,把证据分为可信部分和不可信部分并分别进行数据处理,运用D-S证据理论融合数据。由此建立基于处理冲突证据的D-S改进算法机场动态容量预测模型,并将该模型应用在国内某机场的动态容量预测过程中进行验证。实验结果表明:该方法可以有效处理容量评估过程中的冲突证据,优化后的可信度提高了0.166 9,降低了评估过程中的主观性和空中交通管理决策的风险。     

基于模糊优选理论的空战信息融合算法

信息融合是现代空战综合电子系统的关键技术之一。为探讨解决综合电子系统中的多传感器信息融合问题,提出了基于模糊优选理论的信息融合方法,并进行了仿真计算,它优于传统的Bayes统计法、D-S证据推理方法。     

以组合故障案例为证据的一种诊断推理方法

针对单纯依靠案例特征之间的相似性进行推理、结果中将存在不确定性信息的问题,通过引入证据理论,将搜索结果中的故障模式构成目标识别框架,并基于案例之间的相似度,给定各故障模式的基本概率赋值.利用证据理论的组合规则,对搜索出的相关案例样本进行信息融合,从全局相似度中有效地分离出案例对特定故障模式的确定性信息,从而降低了推理结果中故障模式的不确定性信息.对大机组实际故障数据的应用,证明了方法的有效性,为组合故障的案例推理提供了解决思路.     

基于D-S证据理论的岩体质量分级组合评价方法

现有岩体质量分级方法评价结果存在非一致性的问题.为此,在组合评价思想的基础上,选取多种岩体质量分级方法作为基础分级方法,建立了岩体质量分级组合评价计算模型.并考虑到D-S证据理论是一种较严谨的不确定性推理方法,其具有较强的信息融合能力,并且能够反映不同信息之间的一致性和冲突性,将其引入建立一种新的组合评价方法合成规则.然后,针对D-S合成规则需要解决确定基础分级方法基本概率分配函数这一问题,引入欧氏距离建立基础分级方法基本概率分配函数的确定方法,从而最终建立基于D-S证据理论的岩体质量分级组合评价方法.最后,工程实例分析表明,3种基础分级方法存在冲突性,但是D-S证据理论能够较好地解决这一问题.     

D-S证据理论在组合导航中的决策判断

在组合导航融合算法中引入证据理论对导航信息进行决策应用,推导出2个传感器信息融合后的结论,并且通过仿真实验得出计算结果。证据理论判断公式在处理具有证据冲突的相关信息时引入不确定熵的概念。证据理论算法通过不确定熵在加权合成算法和乘权合成算法之间作适度的折中判断。这种改进的证据理论方法可以分析组合导航信息融合算法中存在的问题,并给出最后的决策执行命令。     

D-S证据理论在炮兵战场电磁辐射源识别中的应用

采用D-S证据理论的数据融合方法解决炮兵战场电磁辐射源识别问题。阐述了D-S证据理论用于多传感器数据融合的基本概念、合成法则、一般步骤及决策准则。与单传感器单周期的目标识别结果相比较,多传感器多周期的方法能显著提高目标识别能力,并将它应用于炮兵战场电磁辐射源识别的数据融合中解决了问题,试验结果证明了该方法的正确性和有效性。     

多属性决策的时间不确定事件流时序推理方法

针对信息物理融合系统时间不确定事件流调度顺序的决策依据单一问题,首先利用D-S证据理论在多证据源概率融合上的优势,充分考虑事件优先级、截止期、紧迫度、事件依赖等多个属性的影响,构建具备多属性特征的模糊结束时刻基本概率分配求解模型。然后,建立D-S证据理论与直觉模糊集的关联模型,求解模糊结束时刻隶属度与非隶属度;最后,利用直觉模糊集负向时间推理理论和相关计分函数推导模糊开始时刻概率得分,得到时序推理结果,并以此确定基于多属性判据的时间不确定事件流调度顺序。实验结果表明,当事件数量增长时,调度准确率可保持在85%以上;当模糊区间限制规模扩大时,调度准确率下降幅度不超过15%。     

基于D-S证据理论的SAR图像边缘融合检测算法

针对含噪SAR图像的统计特性,提出了一种基于D-S证据理论的SAR图像边缘检测算法。该算法采用非下采样Contourle变换,结合Ratio算法良好的抗噪和恒虚警性能,构建基本置信指派函数。最后对实测的SAR图像进行仿真,仿真结果表明该算法具有良好的抑制斑点效果,并能完整和准确地检测直线边缘,对弱边缘检测也表现良好。     

基于D-S证据信息融合方法的全地形车行驶工况辨识

磁流变阻尼器的全地形车智能悬架可以使车辆面对不同行驶工况下提供更好的减振效果,为了解决在传感器存在噪声或异常等情况下车辆行驶工况辨识困难的问题,文中提出了一种基于D-S(Dempster-Shafer)证据理论的多传感器信息特征值的融合技术提高行驶工况辨识的准确性。通过改进的距离评估方法对全地形车行驶工况的传感器敏感特征值进行了提取和筛选,采用区间估计将传感器的噪声和异常值当做不确定性信息。利用D-S合成对特征层的辨识结果进行决策层融合,基于可行区间的决策规则完成对车辆行驶工况的辨识。最后使用Carsim整车仿真试验平台,验证了基于D-S证据理论的决策层融合方法的有效性。