基于证据推理的高铁综合客运 枢纽客流图像背景建模

针对高铁综合客运枢纽客流图像特征,提出基于证据推理的客流图像背景建模方法. 利用均值背景模型和灰度分区处理提高背景模型的处理速度,通过引入证据推理构建合适的mass函数,提高背景灰度值的取值范围的置信度,从而提高背景图像的精确性. 结果表明,该方法原理正确,在高铁综合客运枢纽客流安全预警实际应用中,能够快速准确地生成客流背景图像,保证了客流信息提取的速度和精度.     

基于地理关联度和证据理论的地名消歧方法研究

针对目前地名消歧方法普遍缺乏理论基础和统一形式化方法的现状,以地理学第一定律为理论基础,使用地理关联度形式化地理实体之间的邻近性。在此基础上,提出基于证据理论的地名消歧计算模型,用于表示与合成上下文中共现的地名证据。该模型模拟人类阅读和理解文本中时空语义的认知过程,并为地名消歧处理提供一个统一的易扩展的形式化框架。最后,给出本文地名消歧方法的实现算法及其实验评估。结果显示,算法综合性能指标F1达到89.60%,取得较好的实验效果。     

基于证据理论的协同频谱感知算法

针对认知无线电系统中的有效检测授权用户需求,研究了中心节点未知先验信息时的协同频谱感知问题。为了在中心节点未知先验信息的条件下实现对授权用户的有效检测,基于证据理论,对认知用户的本地感知结果提取证据,在中心节点进行融合并判决,提出了一种新的协同频谱感知算法。仿真表明,该算法能够在中心节点未知先验信息情况下,获得很好的频谱感知性能,在先验信息和感知性能之间取得了很好的折中。     

基于贝叶斯网络的目标融合识别方法研究

利用贝叶斯网络模型进行目标融合识别是近年来的一个研究热点。以电子战环境中的数据融合为背景，提出了一种以朴素贝叶斯分类器和扩展的朴素贝叶斯分类器为基本结构的目标融合识别模型，采用同质传感器数据优先融合原则对雷达侦察、通信侦察和红外成像侦察数据进行融合。仿真实验表明，该模型可以有效地提高识别系统的准确率、可靠性和稳健性。     

船舶动力装置监测与故障诊断系统研制

结合模糊神经网络(Fuzzy Neural Network,FNN)与Dempster-Fhafer(D-S)证据理论,研制开发了船舶动力装置数字化监测与故障诊断系统.该系统由信号采集系统、软件控制系统和分析系统组成,主要对主推进机组、柴油发电机组、辅机进行监测.采用压力示功图法和瞬时转速法对主机运行状态进行实时动态监测,且并行构建热力性能参数和瞬时转速2个子模糊神经网络,再运用D-S证据理论进行主机状态信息融合判断,最后得到故障诊断结果.试验表明,该系统的实时性、测量精度满足要求,而且运用FNN与D-S证据理论进行故障诊断具有较高的可靠度.     

基于多信息融合的失效DPM码识别

针对复杂生产流通过程中,传统算法无法对因防护不当和磨损污染等原因造成的金属刀具表面二维条码缺损和磨损等失效问题进行定位和识别的缺陷,设计了一个基于多信息融合的失效条码识别系统,完成刀具产品的识别和条码信息的提取.该系统利用图像传感器和重量传感器对刀具形状、残余条码纹理和重量等特征进行量化,提取高维特征向量.通过支持向量机与证据理论相结合,实现对失效条码的分类识别.实验结果表明,该系统能够对条码存在污损的刀具进行准确、快速地分类和识别,满足实际生产中的要求.