Ω焊缝多通道涡流检测定量方法研究

本文在数据融合理论基础上采用改进的一致性算法,编程实现了Ω焊缝多通道涡流检测信号融合,最后结合试块缺陷示意图综合分析检测到的缺陷,从而对Ω焊缝缺陷做出定量分析.结果表明:改进的一致性算法融合多传感器的测量数据,克服了一致性算法中两个传感器在测量精度不同时置信距离不同的缺点,对支持矩阵进行模糊化处理,避免了人为定义阈值而产生的主观误差.     

基于组播树的改进一致性数据融合算法

提出了一种结合路由的基于组播树的数据融合算法.该算法由3个阶段构成:组播树的构造阶段、兴趣散布阶段和数据融合阶段.算法构造了一棵以汇节点为根的组播树,在汇节点进行兴趣散布阶段,通过一种基于被动分簇的优化定向扩散路由协议进行路由扩散;数据融合阶段,借鉴多传感器中的一致性融合算法,通过重新定义其置信距离避免人为定义阈值而产...     

多粒度语言信息判断矩阵的满意一致性判定方法研究

首先对多粒度语言判断矩阵定义了导出函数,相应地得到多粒度语言判断矩阵的互补导出矩阵,针对多粒度语言判断矩阵的互补导出矩阵,提出了多粒度语言判断矩阵满意一致性的新概念,并通过定义多粒度语言判断矩阵的偏好关系矩阵,给出了满意一致性的充分必要条件,进一步提出了多粒度语言判断矩阵的满意一致性的判定方法和基于满意一致性的语言判断矩阵方案优劣的排序算法。最后通过具体实例说明多粒度语言判断矩阵的满意一致性的判定方法和基于满意一致性的语言判断矩阵方案优劣的排序算法具有可行性与有效性。     

基于矩阵分析的一种不确定性推理的数据融合方法

采用不确定性推理的矩阵分析方法，建立了用于目标识别的多传感器数据融合的数学模型。该模型综合了来自多种不同传感器的基于正态分布的检测数据，通过定义相关系数矩了来获取基本可信度分配值矩阵。提出了一种多传感器信息融合的新算法，该算法依靠可信度的积累，通过多级递推融合可获得目标状态基于全局信息的融合估计值。实例分析表明：基于融合后的识别结果较各传感器单独决策的结果性能优化，具有较强的容错性和有效性，并且不确定值较融合前平均下降了74%，从而可精确快速地控制工业生产。     

基于分离协方差交叉的全局反馈航迹融合

针对多传感器数据融合中互协方差未知的问题,提出了一种基于分离协方差交叉的全局反馈航迹融合方法,将误差协方差矩阵分离为相关信息误差协方差矩阵和独立信息误差协方差矩阵.在此基础上,提出了分离形式的卡尔曼滤波算法,并设计了全局信息反馈的分布式融合结构,克服了简单凸组合融合算法和协方差交叉算法中将所有的信息一起考虑的缺陷.仿真实验表明:本文算法比简单凸组合融合算法和协方差交叉融合方法具有更小的均方误差.     

一种模糊传感器数据融合的方法

基于模糊传感器数据相关的特性，给出了一种模糊传感器数据融合的方法．该方法从传感器的重要度，各个传感器对模糊命题支持度的一致度，以及传感器重要度对数据融合结果的复合作用3个方面分析了它们对模糊传感器数据集成的影响．定义了一个一致性系数综合反映了这3个因素．基于该一致性系数实现了模糊传感器的数据融合，并将该方法用于工件识别中．     

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.     

多传感器数据融合的数学方法研究

为了有效融合多个传感器的测量数据,得到准确的融合结果,综合对比了基于关系矩阵应用综合支持度的数据融合方法、基于Bayes理论的数据融合方法和基于分批估计理论的分组融合方法.提出了分批数的大小和与其他测量数据偏差比较大的数据的分配方式决定了分组融合方法融合结果的准确性,详细分析了不同分批数对融合结果的具体影响,提出了有效的数据分配方法.实例计算结果表明,合适的分批数以及对偏差比较大数据的合理分配可以有效地提高融合结果的准确性,对提高测量系统的测量准确性有很好的促进意义.     

基于颜色纹理和SVM的体育视频分类

针对现有体育视频分类方法中采用单个特征或简单组合无法提高分类精确度问题,提出一种颜色和纹理非线性融合的特征提取方法,并进一步设计基于SVM的分类器.主要工作包括:颜色空间转换、颜色索引矩阵定义、颜色共生矩阵定义、颜色纹理提取和多分类算法设计.实验结果表明非线性融合方法比单颜色、单纹理或颜色和纹理的简单融合在体育视频分类上具有更好的类别区分度,分类精确度平均分别提高了9.94%,8.66%,6.90%.     

用于车辆分类的多传感器车型特征融合算法

为避免单一地磁传感器进行车型识别时存在的误差,结合自主研发的地磁传感器网络,提出一种基于多传感器的车型特征融合算法.该算法通过计算传感器网络内不同车型特征信号的相关关系来确定车辆运行状态,并利用最大似然法则结合皮尔逊相关系数进行数据融合,以获取更加准确的车辆特征信号,为现有车型分类方法提供更加准确的输入参数.实际道路试验表明,与现有单节点分类算法相比,文中算法对中大型车辆的分类准确率可以提高17.5%.     

基于不敏Kalman滤波的多传感器数据融合算法

针对非线性系统状态估计的有效融合问题,给出了一种基于不敏Kalman滤波的多传感器数据融合算法.首先,依据单传感器的量测利用不敏Kalman滤波器得到局部状态估计值;其次,依据模糊集合理论中隶属度的性质构建反映局部状态估计结果的支持度函数和支持度矩阵,进而实现对于各局部状态估计之间蕴含冗余和互补信息的充分提取;最终,通...     

考虑自支持度和互支持度的多传感器一致性测度算子

针对传感器观测结果可能存在虚假甚至错误信息从而影响数据融合估计的问题,研究了一种度量多传感器观测结果一致性的测度算子.在进行数据融合估计之前,首先对多传感器的观测结果进行一致性检验,从而识别并剔除失效传感器的观测结果,最终获得一致性估计.该一致性测度算子基于Hampel粗差鉴别思想,同时考虑传感器的自支持度和传感器之间的互支持度,经过综合后给出传感器观测结果的一致性测度信息.仿真实验结果表明,该方法简单有效,能够准确识别传感器的虚假和错误观测结果,剔除失效传感器,同时能够给出传感器观测结果的质量评价,为数据融合估计提供可靠的一致性传感器组.     

基于多传感器数据融合的故障诊断技术

提出了一种基于多传感器数据融合的故障诊断系统框架 ,给出了故障诊断融合技术的详细算法和提高系统柔性与开放性的方法 ,以及与其他故障诊断方法相融合的方法与算法 .提出的基于多传感器数据的故障诊断融合技术具有较好的实时性、柔性与开放性 .检测、控制与多传感器故障诊断相融合可使系统在不增加设备投资的前提下改善系统的性能     

形式背景上基于矩阵信息熵的矩阵熵约简

概念格的属性约简是知识表示和数据处理的一种有力工具，已被成功应用到多个领域，寻求高效快速的属性约简算法仍然是概念格理论的主要研究热点.从信息熵和布尔矩阵的角度研究形式背景的属性约简，提出属性约简的新方法.首先，在形式背景上定义矩阵信息熵、矩阵条件熵、矩阵联合熵和矩阵互信息熵，研究它们的性质和相互之间的关系.接着，在形式背景上提出基于矩阵信息熵的矩阵熵协调集和矩阵熵约简的定义，给出了属性的重要性度量，利用矩阵信息熵刻画核心属性、相对必要属性和不必要属性的属性特征，再给出获取矩阵熵约简的方法和算法.最后，利用UCI数据集进行测试，验证了基于矩阵信息熵的矩阵熵约简算法的有效性.通过对比实验，证明该算法具有更加高效的约简性能且适用于大数据样本.     

基于扩展足迹矩阵的一致性检测

一致性检测是过程挖掘研究的重要内容,现有的一致性检测方法不足以找到准确的偏差位置。本文以Petri网作为描述过程模型的形式化方法,根据基于日志的次序关系重新定义了一种基于日志的扩展次序关系,并以此定义了基于日志的扩展足迹矩阵和基于模型的扩展足迹矩阵。通过对比两个扩展足迹矩阵得到日志和模型之间精准的偏差位置。最后,通过索赔申请处理的实例验证了方法的有效性。     

基于一致性处理和模糊理论的数据融合算法研究

本文针对异类多传感器对同一物理量进行高精度测量,各测量数据的可靠度估计困难和如何对测量数据进行融合的问题,提出了对多传感器数据进行一致性处理的一种新方法,并基于模糊理论,用模糊贴近度的方法获得多传感器测量数据的融合结果。该方法计算简单,能够客观地反映各传感器测量数据的一致性和可靠程度。既无需知道数据的先验信息,也无需人为设定判别值。实例验证表明,该算法运算过程简洁、快速、有效,获取的结果具有更高的稳定性与精度,适合工程实际应用。     

多传感器数据融合在切割机器人系统中的应用

为了对造船中所用型材变形进行在线检测，在高精度划线切割机器人系统中，建立了多传感器检测系统，引入基于小波变换和虚拟噪声自适应卡尔曼滤波的多分辨率最优多传感器数据融合方法，实现了对噪声统计量缺乏先验知识和模型参数不确切的多分辨率多传感器的数据融合。实验结果表明，多传感器数据融合可以有效地实现变形型材的在线检测，提高系统的测试精度和可靠性。     

基于无迹卡尔曼滤波和协方差交叉融合的分层多簇无线传感器网络多速率跟踪算法

针对无线传感器网络(WSNs)在跟踪过程中精度低,性能差等缺点,提出基于无迹卡尔曼滤波(UKF)和协方差交叉(CI)融合的分层多簇WSNs多速率跟踪算法。将传感器分成多个簇,同一簇中的传感器可以采用不同的采样和传输速率对目标的数据进行采集和传输。首先,采用UKF处理传感器节点采集的数据,生成局部估计。然后,利用CI融合算法将收集到的局部估计值形成融合估计。通过定义一个附加权重因子,为真实协方差的不确定性定义一个更严格的界限。仿真验证了方法的有效性,采用多速率分层融合估计的精度更高,效果更明显。     

多传感器数据融合处理的时间对准研究

针对空中交通管理中的多种类型航迹信息以及信息质量不一致等问题,采用了聚类的时间片技术,提出一种基于多类型传感器数据信息的时间归一化外推数据对准算法,融合航迹数据,提高了航迹信息的一致性和准确性。结合终端区及航路上的多类型传感器数据信息,在保证实时性的前提下,完成了一,二次雷数据、ADS、VDL数据的航迹融合处理,结果符合实际情况,验证了本算法的正确性。应用该算法的ATC航迹融合处理,提高了航迹的精确度、一致性和可靠性。     

一种多流形正则化的多视图非负矩阵分解算法

在大数据时代,多视图数据普遍存在.多视图聚类是分析多视图数据的一种常用方法.基于多流形正则化非负矩阵分解的多视图聚类是一种极具竞争力的多视图聚类算法,但该算法没有考虑非负矩阵分解的簇排列问题,并且在实验中没有考虑每个视图的差异性.基于上述问题,提出一种优化的多流形正则化的多视图非负矩阵分解算法.该算法的关键问题包括如何利用多视图信息聚类以及如何融合多流形.对多视图数据聚类时,令所有视图的数据共享一个低维的子矩阵,并且最小化所有视图的加权目标函数,从而体现每个视图对聚类的重要性并确保所有非负矩阵分解的簇排列的一致性.在融合多流形信息时,使用基于多视图谱聚类的权重计算方法,加权寻找一致的流形,从而体现每个视图中流形的重要性.实验结果表明,提出的优化策略可以提高多视图聚类的效果.