多传感器信息时空融合模型及算法研究

在目标识别中,为了获得观测目标的准确状态,需要同时考虑数据融合的时间性和空间性。提出了一种多传感器信息的时间和空间两级融合的结构模型。首先对同一时刻不同传感器的信息进行空间融合,然后对经空间融合后的时间序列进行时间上的融合。就该模型提出了基于证据理论和模糊积分的融合算法。将该模型和算法应用于目标识别。仿真实验表明,该模型可以提高系统的识别率和可靠性。     

一种空间信息融合的D-S算法研究

多传感器信息融合技术已获得了普遍的关注和广泛的应用,其理论和方法已成为智能信息处理的一个重要领域,证据理论是主要的技术之一。在目标识别系统中,为了获得可靠的识别结果需要考虑时间和空间的融合问题。从多传感器信息的时间域和空间域的融合出发,提出了在目标识别中多传感器信息的时空两级融合模型,以及基于证据理论的信息融合算法。仿真结果表明,该模型和算法具有方法简单、运算量小、可靠等优点,具有一定的理论意义和使用价值。     

多传感器优化部署下的机动目标协同跟踪算法

针对资源有限的传感器网络中目标动态跟踪问题,提出了一种能够自适应选择跟踪传感器的机动目标协同跟踪算法。首先,采用粒子群优化算法优化传感器网络能耗与有效覆盖率,进行传感器位置部署;然后,以最大化候选传感器的Rényi信息增量与最小化传感器间信息传递能耗为适应度函数,采用二进制粒子群优化算法自适应选择最佳跟踪传感器组;最后,利用交互多模型粒子滤波对机动目标位置进行估计并进行分布式融合。仿真结果表明,与现有方法相比,该方法可在非高斯非线性环境下自适应选择最优跟踪传感器,显著提高目标跟踪精度,降低网络能耗。     

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。     

基于加权表决的决策层融合多系统调制识别

利用信息融合技术研究多系统调制识别问题，提出一种加权表决融合算法。该算法首先定义系统对识别结果的贡献度，用来描述多个系统的联合对识别性能的提升，并将其作为分配权重的依据。然后将这种多系统识别问题建模为合作对策模型，利用合作对策的Shapley值来决定各系统的权重。最后通过所提出的加权表决算法，对多个系统的调制方式判决结果进行决策层融合。计算机仿真表明该算法有助于提高调制识别的性能。     

多尺度特征融合车辆检测方法

针对传统的车辆目标检测算法检测精度低,小尺度目标识别效果差等问题,提出了一种基于YOLOv4(you only look once v4)算法的目标检测方法,以提升对交通场景小目标车辆的检测性能。通过对YOLOv4网络进行再设计,使用MobileNetv2深度可分离卷积模块代替传统卷积,将CBAM(convolutional block attention module)注意力模块融合到特征提取网络中,在保证模型检测精度的同时减少模型参数。采用PANet-D特征融合网络融合获取到4个尺度特征图深浅层的语义信息,增强对小目标物体的检测能力。通过使用Focal loss优化分类损失函数,加快网络模型的收敛速度。实验结果表明,改进后的网络识别准确率达到96.55%,网络模型大小较原YOLOv4网络降低了92.49 M,同时检测速度比原网络提升了17%,充分证明了本算法的可行性。     

支持向量机在目标融合识别中的应用

针对传感器观测的数据可能存在不完整、缺失的情况,提出了基于支持向量机分类器的空中目标智能融合识别模型。首先,介绍了目标融合识别的原理和层次模型。其次,探讨工程上的需求及其应用,并给出仿真实例。从优化算法的角度上,讨论了将Boost-SVM理论应用于目标融合识别。该模型进行仿真,能较精确的识别目标。最后,进行两种模型识别结果的对比并提出了改进措施。     

基于多传感器多目标特征信息的模糊数据关联算法

本文针对高干扰环境下测量数据的不确定性，提出了多传感器多目标特征信息融合的数据关联模糊逻辑推理方法。研究了基于最陡下降法构造全模糊模型关联系统的自学习算法，以及多个主传感器数据融合对模糊关联系统性能的改善。其基本思想是通过融合多种特征信息进行模糊逻辑推理，改善数据关联质量的同时，不增加整个目标跟踪系统的复杂性。理论分析和应用举例都证明了模糊逻辑系统融合多种数据形式解决关联问题的能力。     

DSmT理论在综合敌我识别中的应用

战场环境的复杂性要求使用多种传感器对战场目标进行综合敌我识别,而综合敌我识别有待解决的基础性难题之一是如何对异类传感器输出的不确定性信息进行有效处理。针对一包含雷达、红外、电子支援措施和敌我识别器等传感器的综合敌我识别系统,对异类传感器敌我识别过程进行分析,根据其特点提出采用DSmT理论进行决策级融合,同时针对每类传感器构造不同的基本置信指派方法,并进行了算法仿真。实验结果证实了该方法的有效性。     

弹道中段雷达目标识别仿真系统的关键模型及实现

雷达是弹道中段的主要传感器,在中段目标识别中发挥着核心作用.根据弹道目标雷达识别仿真系统的要求及弹道目标识别的特点,建立了弹道目标雷达特征数据产生、雷达目标识别特征提取、识别算法融合等多个关键模型,设计并实现了弹道中段雷达目标识别仿真系统.进行了典型战情下的雷达目标识别仿真,仿真结果表明所设计的仿真系统稳健可行,系统可以为弹道中段雷达目标识别研究提供仿真支撑.     

施工网络进度计划的多目标优化

通过对施工网络进度计划的研究 ,提出一种新的评价准则——工程质量 ,并建立了网络计划的数学模型 .同时综合前人已研究出的各种优化方法 ,得出网络计划的多目标优化模型 .由于各优化目标之间的矛盾性 ,用多目标决策理论可以科学客观地优化网络计划.     

基于D-S融合证据的决策新方法

针对现有基于D-S融合信息进行决策存在的问题,提出一种基于不确定融合证据的决策方法.该方法结合基元属性和非基元属性进行决策.首先给出了对候选决策集进行精简的原则,建立了焦元属性对目标决策属性的属性层面支持度以及证据层面支持度计算模型;然后对决策属性的决策向量、决策矩阵、理想状态向量进行定义,给出决策属性总体支持度的计算方法;最后对多源目标识别融合结果进行决策分析.结果证明了该方法的合理性与有效性,它同时具有对高冲突证据融合结果与低冲突证据融合结果的决策能力.     

基于模糊综合函数的故障诊断

在决策级信息融合的故障诊断中,根据各传感器所作决策不可避免地带有主观性和模糊性。针对这种情况,如何准确地判断是否存在故障并尽快找到故障源就取决于合适的融合方法。提出了一种新的属于决策级的信息融合方法,即:先求出各传感器所作决策的可能性分布,然后利用模糊综合函数来进行融合故障识别与诊断,从而可解决多信息源信息融合中普遍关心的信息可信度以及融合准则问题。     

拓扑可调无标度网络上的雪堆博弈研究

复杂网络上博弈个体间合作行为的涌现具有重要的现实意义.为了研究无标度网络拓扑结构对合作涌现的影响,结合雪堆博弈模型和比例模仿策略,研究了拓扑结构可调的无标度网络上的博弈动力学演化,具体研究内容为网络的幂律指数、平均度和平均聚类系数与合作密度的关系.仿真结果表明,无标度网络的合作密度与网络度分布的均匀程度正相关,高聚类结构可以有效增强网络上的合作密度,即幂律指数越高,平均聚类系数越小时,合作水平越低;另外,平均度与合作密度呈现非单调关系,存在一个最佳平均度.     

On the Relationship Between Network Structure Features and Link Prediction Algorithms北大核心CSCD

This paper experimented with five virtual networks, such as the Air network of US, the Coauthorship network of Scientists, the Neural network of the nematode C, etc. and quantified the relationship between the network structure features and the link prediction algorithms by the experiment's data. The network structure features could be measured by assortativity coefficient, clustering coefficient, etc. and the link prediction algorithms could be divided into local-information based and global-information based. After analyzed the data, we found that if the value of network's assortativity coefficient is positive and the value of network's clustering coefficient is greater than the threshold which is about 0.1, the local-information based would be the better choice, otherwise the global-information based would be better. And the clustering coefficient and the network efficiency is proportional to the result of link prediction algorithms based local information and is reverse proportional to the result of algorithms based global information. These conclusions provide quantitative basis for selecting the right algorithm. © 2017, The Journal of Agency of Complex Systems and Complexity Science. All right reserved.     

基于数据库的神经网络轧制力建模

冷连轧过程控制的轧制力模型对于提高轧制精度和降低生产成本具有重要的意义，而传统的轧制力模型结构简单，精度较低，即使在实际生产中采用自适应技术，也无法满足高精度轧制的需要。为此针对5机架冷连轧机，提出并联结构的BP神经网络模型；采用Levenberg-Marquardt算法进行训练，确定网络的结构和参数；在数据库中建立钢种与神经网络的结构和参数一一对应的关系表，保存网络训练结果。对神经网络模型的仿真测试表明该神经网络轧制力模型有较强的泛化能力，收敛速度快，不易陷入局部最优，精度明显高于传统的轧制力模型。     

复杂系统态势评估模型及其本体论实现方法

针对复杂系统的在线态势评估问题，依据信息融合理论，提出了一种新的网络在线态势评估模型。它采用定性与定量、局部与综合相结合的评估策略，即首先进行快速定性评估，一旦系统异常，立即启动集成神经网络组对来自系统多侧面的故障特征信息进行定量分析和分类，最后两级D-S证据推理模型在各自的融合中心实现对各子网络的融合，提高了评估的精度和可靠性。基于本体论成功地实现了该模型，在丰满水电数字仿真系统的成功应用验证了模型的有效性和实际应用价值。     

ANFIS在车辆导航系统信息融合中应用的仿真研究

采用了一种分层级联的信息融合结构,对车辆导航系统中应用不同导航定位技术得到的定位信息进行融合。决策级融合采用基于零阶Sugeno模糊模型的ANFIS(adaptive-network-basedfuzzyinterferencesystem),根据性能指标调节最终的位置估计值中不同位置信息的权重。仿真研究的结果表明将ANFIS应用于车辆导航系统信息融合能充分利用导航信息,提高定位精度,说明文中采用的方法是可行的有效的。     

不确定性网络直接优化规划模型建立(Ⅰ)

分析了不确定性网络直接优化的现状、优化的困难、目前存在的问题 ;给出了不确定网络直接优化的原则以及一般方法 ,同时建立了 PERT网络工期压缩、最优工期的线性规划模型、灰色线性规划模型 ,改进了传统的资源优化法.     

基于梯度域导向滤波器和改进PCNN的图像融合算法

为解决当前融合后图像存在的光晕伪影现象以及不利于视觉感知的问题, 提出了一种基于梯度域导向滤波(gradient domain guided filtering, GDGF)和改进的脉冲耦合神经网络(pulse-coupled neural network, PCNN)的图像融合算法。首先, 利用图像结构、清晰度以及对比度显著性的图像特征构建图像融合模型。其次, 采用梯度域导向滤波取代传统优化方法, 通过像素间相关性优化初始决策图。然后, 将优化决策图作为外部输入刺激改进PCNN模型, 得到融合权重图。最后, 对源图像和融合权重图进行加权操作得到最终融合图像。实验结果表明, 所提方法更好地保留图像边缘、纹理和细节信息, 避免目标边缘的光晕伪影现象, 且利于视觉观察。