证据特征提取及其在证据理论改进中的应用

尽管DS证据理论可以有效地处理不确定性信息,但是在证据高度冲突情况下,经典DS证据组合规则因归一化过程往往会产生有悖常理的融合结果.为此,很多学者提出了许多不同的修改方法,可以归为两类修改组合规则和修改证据.在总结这两类修改思路的基础上,分析了几种代表性的改进方法,同时通过引入证据距离,对证据源进行特征提取,提出了相应的改进方案.理论分析和数值实验结果表明,改进后的3种方法不仅能充分体现相应的改进思想,而且可以更好地实现证据组合,较快地收敛真实目标,得到合理的融合结果.     

基于证据间距离和不确定性度量的证据组合方法

针对Dempster组合公式无法组合冲突证据的问题,提出了一种证据组合的权重分配方法.该方法充分考虑证据间的关系和证据本身的特性,用证据间距离度量证据间的不一致程度,用证据的不确定度来度量证据本身的不确定性;在此基础上扩展了文献[7]提出的权重确定准则,认为证据组合规则既要考虑使组合后证据与各源证据间的距离和尽量小,也要注重降低组合后证据本身的不确定性.最后根据新的准则给出了权重因子的确定算法和证据组合方法.算例表明,该方法改进了文献[7]权重分配方法的结果,且使权重分配更加灵活.     

利用偏差进行冲突证据融合的改进方法

本文对D-S证据理论组合冲突证据时存在的缺陷进行了研究, 在前人的基础上提出了一种改进的处理冲突证据的融合方法, 该方法通过计算各证据到命题平均支持度的偏差, 来检测和消除冲突证据,并对最后结果进行了修正, 以处理来自不同识别框架的证据的合成. 实验计算结果表明,该方法能有效处理冲突, 得到符合实际的组合结果, 相对于其他典型算法, 本文方法在收敛性和可靠性上有了明显改进     

基于pignistic概率距离的改进证据组合规则

针对使用传统冲突系数识别证据冲突存在的不足,采用pignistic变换后得到的概率赋值函数之间的距离,结合传统冲突量化标准,讨论了Dempster组合规则适用条件,并提出了一种改进的证据组合方法.该方法通过证据之间的pignistic概率距离表示证据之间的冲突程度,将证据间的冲突程度转化成相似程度,然后求出证据之间的支持程度,并确定权重系数,最后采用Dempster组合规则合成权重系数调整后的基本概率赋值.数值算例分析结果表明,改进的证据组合方法可以有效地处理证据冲突,且具有较快的收敛速度.     

一种新的证据组合规则

通过对证据组合问题进行深入的理论分析,提出一种新的基于局部冲突、局部分配和一致性部分进行合取规则的证据组合方法,同时利用证据的可信度来修正证据结构.在确定证据的可信度时,给出一种通用的计算模型.与很多改进的组合方法相比,该方法不仅适用于冲突情况,而且也适用于证据间比较一致的情况.数值仿真表明,所提出方法能加快收敛速度,同时降低决策风险.     

解决冲突证据合成问题的改进D-S证据理论算法

冲突证据在证据合成时会造成合成结果与直觉相悖的现象.为解决冲突证据合成问题,分析了传统D-S证据理论的基本性质及其改进方法的不足,提出一种结合斯皮尔曼等级相关系数的证据合成方法.该方法首先计算出证据之间的相关系数并且得到相关性矩阵;然后根据相关性矩阵构造修正系数来折扣基本可信度分配函数;最后利用D-S证据组合规则对修正后的证据进行合成.经典数值算例结果表明:改进后的算法具有更高的目标辨识率,并且此方法计算过程简捷,适用范围广,有效解决了证据间的高度冲突问题.     

基于偏差的冲突证据融合的改进方法

在Dempster-Shafer(D-S)证据理论中,传统D-S组合规则在证据高度冲突时存在失效问题,会产生与常理相悖的结论.为此,文中提出了一种改进的处理冲突证据的融合方法,即通过计算各证据到命题平均支持度的偏差,来检测和消除冲突证据,并对最后结果进行修正,以合成来自不同识别框架的证据.计算实验结果表明,该方法能有效处理冲突,得到符合实际的组合结果,相对于其他典型算法,该方法在收敛性和可靠性上有明显改进.     

一种新的基于证据权重的D-S改进方法

针对D-S证据理论处理高冲突证据时会出现于直觉相悖结论的问题,提出了一种基于证据权重组合的方法。首先通过引入Jousselme距离函数来确定证据权重。然后冲突证据由平均证据代替;且其权重也赋给平均证据。最后对修正后的证据加权平均后再用Dempster组合规则实现数据融合。与其他改进方法通过实例比较,表明该方法在有冲突证据时更能有效快速地识别出目标。     

Vague集间相似度量在证据理论中的应用

在证据理论中,证据组合方法是一个非常重要的研究工具,然而当面对高度冲突的证据时,用传统的方法直接进行正则化处理将会导致与直觉相悖的结论。较好的解决方法是在对证据进行组合前先进行预处理,即对证据进行加权平均。在考虑了证据理论与Vague集的对应关系后,将Vague集之间的相似度量方法运用到证据组合方法中,通过组合结果比较可以看出,选用的Vague集相似度量方法与改进的Dempster-Shafer证据组合方法有相近的目标识别与收敛效果,这表明可以将Vague集理论的一些有用结论运用于证据理论中,以更好地处理和研究不确定性知识。     

证据理论及其在目标识别中的应用

随着防空作战环境的日益复杂,快速准确地进行空中目标识别显得尤为重要。多元信息融合为目标识别提供了一个新的思路,信息融合可在像素级、特征级及决策级3个层次上进行。基于证据推理的决策级融合以其在自动目标识别中特有的优势而成为研究的热点。为了解决Dempster组合规则在高冲突证据下存在的问题,对组合规则的思想进行了分析;讨论了针对该组合规则的两大主流修正方向:基于修正证据源的改进措施和基于修正Dempster组合规则的方法一些改进措施;针对空中目标识别问题,提出了综合运用各种改进思想的融合方法,给出了识别过程的流程图,算例结果表明本文方法的有效性。     

基于MRF模型和EM算法的多源图像融合方法

提出了两种图像融合方法。该方法首先利用EM-MRF算法与模糊分类方法的等价性,将EM-MRF算法引入到图像融合领域。在此基础上,利用统计模型对图像进行非监督分类的模型参数估计转化通过EM算法从不完全数据中估计模型参数的问题,并利用Markov随机场模型建立类别的先验概率、EM迭代算法进行图像分类的方法有较高的分类精度和鲁棒性,导出了基于分布式和集中式多传感器图像融合模型的两种融合方法。最后仿真试验表明,这两种融合方法既可以提高分类精度,又可以加强对噪声的抗干扰能力。     

高精度故障电弧检测多传感器数据融合算法

 由于故障电弧的物理特性复杂, 且电路中存在与故障电弧波形相似的负载, 因此传统 检测故障电弧的方法误判率较高. 提出了一种多传感器数据融合算法, 用于提高故障电弧的检测精度. 该算法包括自适应加权融合算法和神经网络融合算法, 实现了对温度传感器、声音传 感器和弧光强度传感器所获取的传感信号的数据融合. 自适应加权融合算法克服了单个传感 器的不确定性, 实现了同质传感器中故障电弧特征的提取, 为神经网络融合算法提供了精确的测试样本数据; 神经网络融合算法可自行调整各类异质传感器的权重, 使故障电弧的辨识率更高. 实验结果表明, 该算法可有效提取故障电弧的特征, 辨识精度超过98%, 实现了高精度的故障电弧检测.     

加权分层卡尔曼滤波融合算法

目的 分析传统分层卡尔曼滤融合算法,指出传统卡尔曼滤波融合算法不能很好地提高跟踪精度且算法复杂的缺陷,提出一种加权分层卡尔曼滤波融合算法,方法应用理论分析和蒙特卡洛仿真方法,对传统融合算法和新算法进行比较,并给出了均方根误差的统计值,结果加权滤波融合算法原理简单、数据处理量小、速度快、容错性好,结论 加权分层融合算法原理简单、数据处理量小、速度快、容错性好、结论 加权分层融合算法特别适用于失效传     

基于多传感器信息融合技术

笔者根据多年的跟踪研究，将多传感器信息融合作为一种信息处理技术来理解，阐述了信息融合的概念，融合的方式、方法，重点介绍了D-S证据理论和Bayes方法，并总结了信息融合存在的问题以及信息融合技术的研究发展方向。     

基于尺度间梯度方向的多尺度边缘融合

在分析了传统的多尺度边缘融合方法存在的角点漏检和大尺度边缘信息丢失等问题的基础上,提出了一种新的基于相邻尺度间梯度方向的多尺度边缘融合方法.该方法充分利用相邻尺度间对应边缘点梯度方向相近这一特点,在没有增加其它辅助方法的前提下,只是通过改变多尺度边缘融合的依据和条件,即可改善边缘检测的最终效果,在保持算法简单性的同时,相比于传统方法有更好的弱边缘检出率、角点检出率、抗噪能力和更高的算法效率,仿真研究也证明了该融合方法的有效性.     

基于智能优化算法的物联网异构数据融合方法

针对当前物联网数据融合方法速度慢、 融合精度低等问题, 以改善物联网异构数据融合效果为目标, 提出一种基于智能优化算法的物联网异构数据融合方法. 首先采用多个节点采集监测对象状态数据, 并对每个节点采集的数据噪声进行过滤, 初步减少数据规模, 提高物联网异构数据质量； 然后引入聚类分析算法处理簇首数据, 消除簇内数据间的冗余； 最后在汇聚节点采用智能优化算法对簇首数据进行加权融合, 并在相同环境下与其他融合方法进行对比实验. 实验结果表明, 该方法能对物联网异构数据进行有效融合, 获得了较高精度的物联网异构数据融合结果, 物联网异构数据融合错误少、 速度快, 提高了物联网数据融合的效率.     

数据融合技术在车辆动态称重系统中的应用

为了提高车辆动态称重的抗干扰能力,设计了包含压力传感器和加速度传感器的称重板,并依据此系统的结构和特点,提出了三种数据融合计算方法:同一传感器多测量周期的数据融合、同类传感器的多传感器数据融合和异类传感器数据融合,以保证参数检测的可靠性和准确性。试验证明,该系统的测量精度较高,并能满足系统的实时性要求。     

用于三维重建的改进特征匹配策略

为了能够更加快速地获取特征点以及提高特征匹配结果的稳定性,提出了一种改进的匹配策略。首先,对图像进行下采样,通过低分辨率的图像进行匹配,快速筛选掉匹配失败的匹配对,然后对匹配成功的匹配对对应的原始图像进行匹配,以达到加速的目的。其次,为有效提高三维点云的精度,对SIFT的匹配结果和SURF的匹配结果进行融合,将融合后的结果应用到三维重建技术中。最后,通过使用自采数据集和公开数据集对算法进行测试,并对实验数据进行分析。结果显示,改进的特征匹配策略使三维重建的运行速度提高了40%,并大幅增加了三维点的个数。所提出的方法不仅可以减少特征匹配过程的运算量,还可以提高三维重建的稳定性,在三维重建研究工作中具有一定的参考价值。     

基于小波变换的多聚焦图像融合方法

为了改善图像融合效率,针对当前图像融合方法存在的局限性,提出一种基于小波变换的多聚焦图像融合方法.首先确定最优的小波分解层数,采用小波变换对图像进行多次分解;然后考虑低频子带与高频子带各自的特点,选择局部平均梯度准则作为高频子带的融合规则,低频子带采用3个系数的平均值作为融合规则;最后通过仿真实验对图像融合的有效性进行测试.实验结果表明,该方法获得了更理想的图像融合结果,提高了融合后的图像质量,且融合效果明显优于对比图像融合方法.     

基于改进IMM-UKF算法的一种融合航迹推演的红外路标室内定位方法

在结构化环境中,针对室内机器人导航对精度和实时性的要求,在一种新型红外路标定位方法的基础上,为满足全局导航的需要并简化硬件结构,提出一种融合航迹推演的红外路标室内定位方法,将单个大功率红外发射管作为路标,移动机器人上的红外摄像头作为接收传感器,融合采用改进的交互多模型无迹卡尔曼滤波(interacting multiple models unscented Kalman filter,IMM-UKF)算法.将融合航迹推演的红外路标室内定位方法和一般的定位方法做了比较,并将融合所采用改进的IMM-UKF算法与一般的融合算法做了比较.实验结果表明,提出的基于改进IMM-UKF算法的融合航迹推演的红外路标室内定位方法获得了比一般的定位方法更快的定位速度和更高的定位精度,且改进IMM-UKF算法比一般融合算法获得的定位精度更高.