存在证据冲突的临近空间飞行器遥测数据相关性评价与融合方法

为了解决单一的相关性分析方法在分析临近空间飞行器遥测数据时存在局限性以及证据冲突问题,在相关系数分析评价与优势组合的基础上,提出了基于支持因子的证据理论融合算法。首先分别利用Pearson相关系数、Spearman相关系数与距离相关系数对遥测数据进行相关性评价分析,表明3种相关系数可优势互补。其次,建立了基于支持因子的证据理论融合算法,实现证据的冲突基本概率赋值函数分配,避免Dempster-Shafer证据理论(D-S证据理论)的一票否决和合成规则失效问题。最后,利用3种相关系数构造相关性证据并开展遥测数据相关性分析实验。结果表明：基于支持因子的证据理论融合方法能使Pearson相关系数、Spearman相关系数与距离相关系数的证据融合更加合理;在证据冲突大的情况下,相比相容系数的证据理论融合方法,相关概率计算结果准确度提高约6.55%,能更有效地处理证据冲突问题。     

D-S证据理论数据融合方法在目标识别中的应用

为解决车辆目标识别问题 ,采用基于推理的数据融合方法 ,分析了 Dempster- shafer证据理论用于多传感器数据融合的基本概念和理论 ,并将它应用于车辆目标识别的数据融合中 ,实验结果证明了基于融合后的识别结果较单传感器的识别结果好 ,验证了这一方法的正确性和有效性     

Dempster-Shafer证据推理在数据融合中的应用

介绍了Dempster-Shafer证据推理的基本概念和理论,并将数据融合思想引入到机械设备故障诊断中,采用Dempster-Shafer证据推理进行融合计算,验证了这一方法的有效性.     

基于D-S证据理论的多传感器多特征目标识别

 传统多传感器环境下的目标识别方法主要有两种：利用多传感器获得的数据进行数据融合、利用每个传感器信号的特征向量进行特征融合。但这两种方法均存在目标识别精度不高的问题。针对这一问题,本文提出了一种基于D-S 证据理论两次组合规则的融合方法。该方法在提出多传感器目标识别系统模型的基础上,运用D-S 证据理论对单传感器的多特征信息进行数据融合;根据传感器接收信号信噪比来确定传感器可信度,将该可信度作为D-S 证据理论组合规则中的证据权值,以此来完成目标识别。本文提出的方法综合考虑了传感器的多特征信息和传感器的可信度,克服了传统的D-S 证据理论对证据冲突处理能力有限的缺陷。实验结果表明,该方法具有较高的正确性和有效性,提高了目标识别的精度。     

D-S证据理论在目标识别中的应用

分析了D-S证据理论用于多传感器数据融合的基本概念和理论,构造了融合结构,该结构通过预处理先对单一传感器在时域上融合,再对预处理后的数据进行多传感器数据融合,实验结果证明了目标识别的基本概率赋值有了明显提高,验证了这一结构的正确性和有效性。     

基于最小二乘支持向量机和证据理论的交通数据融合

针对基于浮动车辆数据(floating car data,FCD)的城市道路交通信息采集系统存在的问题,提出一种基于最小二乘支持向量机(LS-SVM)和证据理论的数据融合方法,通过融合地感线圈采集的交通流量信息,提高FCD系统交通速度信息采集的准确性.利用LS-SVM回归得到速度-流量关系曲线的临界速度参数,再根据历史数据库用统计方法计算出流量-速度关联规则的可信度矩阵,在得到这些经验知识的基础上,定义了两种证据源的基本概率分配函数.最后,通过D-S证据理论对两种证据源进行数据融合,获得融合后的速度信息.实地跑车实验结果论证了融合算法的有效性和可靠性.     

基于多源数据融合的突发水污染事故可靠预警方法

在突发水污染事故自动监测领域中,传感器节点监测数据的异常是影响自动监测系统预警可靠性的重要原因.考虑到多传感器信息之间的互补性和相关性,该文提出了一种基于多源数据融合的突发水污染事故可靠预警方法.基于改进的D-S证据理论,利用综合权重对节点证据进行加权修正,并用D-S融合规则对多源数据进行两两融合,最终根据融合结果对突发水污染事故进行预警决策.案例分析及实验结果表明:与传统方法相比,该方法能得到可靠度更高、聚焦性更好的预警结论.     

数据融合在入侵检测系统中的运用

本文针对入侵检测技术展开了相关的研究。首先对数据融合模型和入侵检测模型做了简要的叙述,其次对基于数据融合的黑板模型分析,最后对基于证据理论的入侵检测模型设计模型进行了设计。     

基于证据理论和Vague集的目标识别研究

提出了一种基于D-S证据理论和区间Vague集合的多传感器数据融合算法。D-S证据理论是一种灵活处理不确定和不完全信息的数学方法;而Vague集采用区间测度,可以同时表达对目标支持和反对两方面的信息;而且允许检测信息存在一定的不确定性。将D-S证据理论和Vague集结合,提出一种多传感器数据融合方法。仿真结果表明方法具有可行性,并具有处理目标检测信息不确定性的特点。     

一种有效处理冲突证据的DS改进算法

D-S证据理论是一种处理数据不确定性的经典方法,但是,在数据所受干扰很大的情况下,其所得融合结果常常与常识相悖。基于对D-S证据理论完备性的分析,提出了一种新的证据组合方法,该方法引入证据可信度概念,利用证据之间的相容性和互斥性,将证据分为可信部分和不可信部分分别进行处理,最后用D-S证据理论融合信息。相较于其他方法,该方法在不改变D-S融合规则的前提下,解决了D-S理论在证据高度冲突情况下无法使用的问题,提高了D-S证据理论融合结果的准确性。     

基于D-S证据理论与嵌入式传感器的监控与故障诊断

在水电站的故障监控与报警系统中一般都采用实时采集传感器数据并进行处理分析的方法,这不仅增加了通信的负担而且由于恶劣的电磁环境也容易造成数据的误传;为了克服这些缺点,提出了一种采用嵌入式传感器与数据融合理论相结合的故障监控与诊断的方案,并且在吉林丰满水电站的发电机线圈温度的监控系统中得到了实际应用     

基于协整理论的浮动车行程时间修正模型

以牌照识别数据为基础,将计量经济学中的协整理论与误差修正模型应用于数据融合技术,建立基于协整理论的浮动车行程时间修正模型. 以上海市高架路为例进行分析,证实了浮动车数据与牌照识别数据之间的协整关系,结果说明浮动车数据的短期波动受到了长期均衡与短期失衡的作用.     

基于粗糙集理论的分布式检测系统数据融合

探讨分布式检测系统数据融合的粗处理方法,给出基于粗糙集理论的分布式检测系统的数据融合结构和相容算法, 通过不可分辨关系确定属性约简、导出决策规则,并将其应用于油田输油管测漏系统中,结果证明了该方法的合理性和有效性.     

属性内-融合与数据融合挖掘

属性融合是潜藏在 P-集合内的一个重要的应用特性,P-集合的动态特性来自 P-集合的属性融合。利用内 P-集合的结构与动态特性,给出属性内-融合概念、结构和定理,最后给出在属性内-融合条件下的数据融合挖掘和数据融合挖掘准则与数据融合挖掘-筛选的应用。     

一种基于数据融合的目标跟踪方法

为了提高相控阵波束的跟踪能力,基于多设备源的测量信息,提出一种基于数据融合的目标跟踪方法。该方法依次进行数据外推时延修正,数据检择,坐标变换,再进行测量数据的平滑滤波处理,最后利用动态加权的数据融合处理方法,提高了目标的跟踪预测性能。仿真实验结果表明,提的基于动态加权数据融合的目标跟踪方法具有较高的目标跟踪精度,满足系统要求。     

基于不同算法的遥感影像融合分析

遥感影像融合使影像具有高空间分辨率和丰富的光谱信息,遥感影像融合算法是近年来遥感领域内的研究热点,而针对不同的遥感影像,有关学者提出了很多融合算法,但是融合影像的光谱信息保真度和空间信息融入度却一直是遥感融合效果研究的焦点问题,因此有必要对融合方法进行评价.以ETM+影像为例,通过ENVI软件作为遥感影像处理平台,选择均值、标准差、偏差指数、相关系数等评价指标,进行PCA变换、Multiplicative变换、Brovey变换和Wavelet变换等4种全色与多光谱遥感影像融合算法试验,并对融合试验结果进行定量评价,探讨ETM+影像融合的最佳方法.结果表明,最佳的遥感影像融合算法是Wavelet变换融合,Multiplicative变换融合要优于Brovey变换融合和PCA变换融合.这一研究结果为充分利用全色高分辨率和多光谱特性,挖掘的数据潜力奠定了基础.     

基于边缘检测与分裂合并的多区域分割研究

为了使多区域分割后的图像边缘更加清晰，提出了一种将边缘检测与分裂合并法相结合的多区域网像分割方法，其基本思想是用边缘检测算子与分裂合并法分别对同一幅图像进行分割，然后应用信息融合技术将经过上述处理后的两幅图像融合，得到新的图像，在进行图像融合时，采用了像素级和特征级两种融合方法．实验结果表明，该算法可将图像明显地分割成多个区域，且边缘清晰，分割效果令人满意．     

聚数融智的应用与挑战

数据的融合与应用与日常生活有着多方面的联系,尤其是在大数据和智能化时代,促进多元异构数据的融合和智能化的数据处理,对发挥数据作为生产要素的作用具有十分重要的理论意义和实际价值.介绍了大数据在城市、交通、医疗、电商等领域的融合及可视化应用.重点说明了海量数据、小数据分析面临的难题,并讨论了人与数据融合、数据融合共享与商密保护、开源软件与数据安全管理、数据融合中AI技术的两面性等挑战.     

基于信任度的多传感器数据融合及其应用

针对多传感器信息采集系统中的数据不确定性问题,提出了一种基于信任度的多传感器数据融合方法.该方法首先定义一个模糊型指数信任度函数,对两传感器测得数据间的信任程度进行量化处理,并通过信任度矩阵度量各传感器测得数据的综合信任程度,以合理地分配测得数据在融合过程中所占权重,得到数据融合估计的最终表达式,从而实现了多传感器数据的融合.分析土壤含水率的数据融合结果可知,应用所提出方法使融合结果的标准差降低至0.0084,随机干扰下变化幅度仅为0.0027%,不仅达到了比传统方法更高的融合精度,而且具有良好的抗干扰性.