基于核判别分析与证据理论的图像伪作分层融合检测

现有图像伪作融合检测算法一般直接采用特征融合或决策融合技术,普遍存在算法不易扩展或检测准确率不理想等问题。在综合利用原始图像固有特征和篡改所引入特征的基础上,探讨了一种基于特征融合和决策融合的分层融合框架,并实现基于核判别分析(kernel discriminant analysis,KDA)和证据理论的图像伪作检测算法。该算法包含粗分类和细分类两阶段。在粗分类中,利用原始图像固有特征,采用KDA技术实现特征融合,输出结果为原始图像、篡改图像和待定图像三种类别。在细分类中,利用篡改操作所引入的特征,采用证据理论进行决策融合,实现对待定图像的进一步分类。实验结果表明,该算法能有效地检测模糊操作、重采样操作、JPEG压缩以及多种篡改组合操作。     

基于高度冲突专家意见融合的水利工程应急决策

为解决D-S(Dempster-Shafer)证据理论无法有效集结高冲突专家意见对水利工程应急决策结果的影响,提出了基于Lance距离和信息熵改进D-S证据理论的水利工程应急决策中的专家意见融合方法。首先,利用改进的直觉模糊熵计算属性权重,充分考虑了决策信息的模糊性,得到各专家对方案的Mass函数;然后,使用Lance距离衡量任意两个专家之间的冲突和差异性得到评价证据的可信度,使用信息熵描述专家决策时的随机性问题得到评价证据的不确定度,并将二者折扣处理后得到专家综合权重,保证修正权重的准确合理;最后使用D-S证据组合规则计算修正后各专家对方案的Mass函数,得到最终决策结果。通过实例分析及方法对比验证了模型的有效性,结果表明,提出的方法可以有效集结高度冲突专家意见,与其他方法相比融合结果精度更高,考虑问题更为科学有效,可为水利工程应急决策提供依据。     

适用于信息融合算法性能评估的DS改进算法

为了解决信息融合算法管理过程中的最优算法决策问题,引入Dempster—Sharer证据理论。针对在实际应用过程中,由于相关证据合成而出现的评估结果超估计现象,提出了一种改进的证据合成方法。通过建立不同指标之间的相关性度量函数,对相关证据的基本概率赋值进行相应的调整,对修正后的证据再进行证据组合。实验结果验证了所提方法...     

基于D-S证据理论的不完全信息作战方案优选

针对带有不完全信息的作战方案优选问题,提出了一种基于D-S证据理论的多属性决策方法.首先由属性值构建残缺决策矩阵(矩阵中有某些未知元素),然后根据属性值的特征确定各属性对应的焦元.利用信任函数、似然函数和证据推理算法求得每个方案的效用区间和优先度,并根据优先度对所有方案进行排序,从而完成方案优选.该方法通过对作战方案优选过程中繁杂、不确定信息进行融合,可以较好地处理作战信息不完全对作战指挥决策的影响.以一类炮兵作战方案优选为应用算例,证明了该方法的有效性.     

基于多传感器融合的机器人导航系统设计

随着传感器技术的进步,多传感器信息融合技术在移动机器人中的应用已经成为一个热门的研究领域,为移动机器人探索不确定和未知环境提供了一种技术途径,是机器人实现更高级智能行为的基础。目前,用于移动机器人避障和导航控制的多传感器信息融合方法主要有模糊逻辑和神经网络。在机器人避障和导航控制中,本文采用了基于模糊逻辑的多传感器信息融合算法。通过对多传感器的信息进行融合能较好地实现机器人在未知环境中的自主避障与导航,并对这种控制方法进行了MATLAB仿真。通过对MATLAB仿真结果的比较,证明了在机器人的避障和导航控制中,该信息融合算法是优于传统信息融合算法的。     

基于证据理论的信息融合储层损害诊断技术研究

在分析了储层损害多源信息的特征后,构造了基于决策层融合与证据理论、针对储层损害诊断识别的信息融合数学模型,给出了决策层融合的实现算法。通过对储层水敏损害程度的诊断识别,融合模型从多方面将反映储层损害类型的多源信息进行综合分析和决策融合处理,系统地对储层损害类型进行了识别和特征判断,有效地提高了储层损害诊断的准确性和可靠性。     

基于证据理论的信息融合储层损害诊断技术研究

在分析了储层损害多源信息的特征后,构造了基于决策层融合与证据理论、针对储层损害诊断识别的信息融合数学模型,给出了决策层融合的实现算法.通过对储层水敏损害程度的诊断识别,融合模型从多方面将反映储层损害类型的多源信息进行综合分析和决策融合处理,系统地对储层损害类型进行了识别和特征判断,有效地提高了储层损害诊断的准确性和可靠性.     

信度决策树中推理策略的改进

指出现有信度决策树中推理算法的不足之处,给出了一种新的基于规则的推理算法.新算法充分利用信度函数理论处理不确定信息的优势,采用折扣规则修正叶节点的输出,考虑了测试属性权重对分类结果的影响,提高了分类的精度和可靠性.针对现有证据组合规则处理冲突证据的不足,提出了一种新的证据组合规则,可以将相对可信度等信息有效融入证据组合过程.     

基于D-S证据理论的自治车行为决策

在对有多个不同类传感器进行特征级融合基础上应用D-S证据理论进行自引导车的行为决策,解决了单一传感器信息冗余度小、可靠性差和单一融合方法进行行为决策存在不确定性因素的问题,在结构化或半结构化环境下,制定了采取概率上下限的决策规则,较好地将上一级融合的多个结果融合成对决策的一致描述.实验证明D-S证据理论完全可以满足自引导车实时跟踪和导航的决策需要.     

基于修改模型的冲突证据组合方法

针对冲突证据的组合问题,提出一种基于修改模型的冲突证据组合方法.该方法具有以下特点:①只修改模型,不改变Dempster组合规则的结构.②考虑焦元属性之间及证据之间的相互关联性,引入距离函数,确定证据的权值,将平均证据代替冲突证据,减少冲突证据在组合规则中的作用,降低干扰对最终融合结果的影响;同时充分利用原始证据信息,提高了组合结果收敛到正确目标的效率.③能够解决一般冲突、一票否决、鲁棒性等冲突证据的组合问题.④认为冲突证据也是一种信息,加以利用,避免证据有效信息的损失.通过实验,验证了所提出方法的有效性.     

GA-BP网络与D-S证据相结合的多传感器信息融合

针对反向传播(back propagation,BP)网络与D-S(dempster-shafer)证据理论各自在处理不确定性信息方面的不足,提出了一种遗传算法(genetic algorithms,GA)优化的BP网络与D-S证据相结合的多传感器信息融合方法。一方面利用GA-BP网络获取D-S证据理论所需的基本概率赋值,另一方面通过D-S证据理论对GA-BP网络的输出进行融合。将此方法应用于高压电器设备故障诊断,仿真结果表明,该方法能克服传统BP网络易陷入局部最优问题,同时具有更好的识别结果。     

GA-BP网络与D-S证据相结合的多传感器信息融合

针对反向传播(back propagation,BP)网络与D-S(dempster-shafer)证据理论各自在处理不确定性信息方面的不足,提出了一种遗传算法(genetic algorithms,GA)优化的BP网络与D-S证据相结合的多传感器信息融合方法.一方面利用GA-BP网络获取D-S证据理论所需的基本概率赋...     

基于差异信息量的多源数据融合方法

D-S证据理论可应用于多源数据融合领域，但在处理高度冲突的证据时，可能会出现反直觉的结果.为解决这一问题，本文提出了差异信息量的概念及融合方法.首先，通过信息熵表明证据的相对重要性，采用散度获取证据可信度.然后利用证据可信度优化证据差异度以得到差异信息量，经过计算获取数据的最终权重，并将其作为D-S证据理论中的基本概率分配进行决策.在处理冲突证据、一致证据及不同数量证据等方面的数据融合问题时与其他方法对比，所提方法收敛更快，准确度更高.故障诊断的应用实例表明，所提方法的不确定性更小，优于现存的其他方法.     

D-S证据推理及算法实现

D-S证据理论在多源信息数据融合领域得到广泛应用,针对该理论的实现算法也逐渐为人关注。本文首先简要分析了D-S证据推理的基本理论,然后以一具体示例描述了D-S算法的推理过程,最后基于微软最新推出的.NET平台,利用C#编程语言实现了D-S证据推理算法。     

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。     

基于二元树复数小波变换的特征融合算法

提出了一种利用二元树复数小波变换(DT-CWT)提取遥感图像纹理特征的方法，不仅使得纹理分析具备小波分析的多尺度特性，而且具备了6个方向的选择性、良好的重构性和近似的平移不变性．利用DT—CWT变换提取目标图像的纹理特征，构造目标概率密度函数，并采用基于D-S证据理论的特征层融合算法对目标进行识别处理，实验结果表明，采用基于DT-CWT纹理特征的特征层融合算法对多源低分辨率可见光遥感图像中小目标的识别是有效的．     

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。     

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。     

一种基于加权证据合成的多传感器目标识别方法

针对多传感器数据融合目标识别问题，基于D-S证据理论，提出了加权证据合成的时空域目标识别算法。该方法充分利用了多传感器多周期的测量数据，并根据D-S合成规则要求参与合成的各证据具有相同权重的特点，充分考虑了提供证据的信源即各个传感器的可靠性。在合成中，引入证据权的概念，解决了不同权重的多传感器数据融合问题，在一定程度上改善了目标识别系统的性能。最后通过计算实例表明算法是有效的。