基于信息融合理论的空间点目标识别实验结果分析

提出一种三级融合的多传感器信息融合空间点目标识别方法,将BP网络和D—S证据推理有效地结合起来.第一级融合采用神经网络进行识别,第二和第三级采用D—S证据理论进行识别.仿真结果证明,本文提出的方法能较好地解决复杂目标和诱饵的识别问题.     

D-S证据理论在小电流故障选线中的应用研究

介绍了在不同的情况下选取适当的故障选线算法来处理故障信息,并对故障信息进行D—S证据理论的信息融合,提高了故障选线的准确率．指出如何将选取的群体比幅比相算法和小波分析方法进行改进以适合证据理论的融合,如何设计算法计算D—S证据理论中的不确定性问题．     

基于证据理论的AUV目标识别研究

根据D2S证据理论能很好表示“不确定性”和“不知道”的特点,对比不同的数据融合算法,在分析D2S证据理论的性能特点基础上,提出了一种基于自主式水下航行器的扫描声纳和水下摄像机两种视觉传感器采集信息的基本概率分配函数的方法和规则,并且分析了自主式水下航行器上的扫描声纳和水下摄像机这两种视觉传感器的信息在目标位置求解中的应用,同时利用Dempster合并规则,分析计算这两种视觉传感器在自主式水下航行器进行目标类别识别时的合成融合值.通过列表分析,表明增加了目标识别的可信度,减少了目标的不确定性.     

D-S证据理论中冲突证据组合分析

分析了D—S证据理论组合冲突证据时存在的缺陷，以及国内外对此的各种改进方法，包括对证据组合规则的改进和对融合模型的改进，并通过实验比较检验了几种方法的有效性。     

双指纹认证体系中D—S证据理论的应用

运用D—S证据理论对指纹信息进行融合,可以提高系统的识别率,降低了对指纹质量的要求,从而在不降低安全性的前提下提高了系统的可行性。     

毫米波辐射计/红外敏感器/激光雷达信息融合技术及其应用

该文以灵巧弹药为应用背景,对毫米波辐射计／红外敏感器／激光雷达三模探测器的信息融合技术进行研究。采用D—S证据理论进行决策级融合,并利用灰关联分析来构造基本概率赋值函数,突破了传统方法中需要大样本量和典型分布规律的约束条件,从而能够适应现代战场的复杂环境和系统实时性的要求。仿真结果表明该方法是可行的,融合识别率比单模传感器识别率有较大的提高。     

北京地区汉族群体D1S1612 STR基因座的遗传多态性

目的首次调查中国北京地区汉族群体D1S1612基因座的等位基因频率分布.方法采用扩增片段长度多态性(Amp-FLP)分型技术对D1S1612 STR基因座进行检测.结果D1S1612检出9个等位基因,25种基因型.其STR基因座基因型频率分布符合Hardy-Weinberg平衡(P＞0.01).个人识别机率(DP)为0.901～0.927.结论D1S1612 STR基因座属高杂合度、高识别能力的遗传标记,可用于法庭科学亲子鉴定和个人识别.     

基于D—S证据理论的自治车行为决策

在对有多个不同类传感器进行特征融合基础上应用D－S证据理论进行自引导车的行为决策，解决了单一传感器信息冗余度小、可靠性差和单一融俣方法进行行为决策存在不确定性因素的问题，在结构化或半结构化环境下，制定了采取概率上下限的决策规则，较好地将上一级融合的多个结果融合成对决策的一致描述。实验证明D－S证据理论完全可以满足自引导车实时跟踪和导航的决策需要。     

基于专家信任度的弹道导弹目标识别方法

为了改进弹道导弹目标识别过程中多传感器系统传输数据容易产生冲突,以及现有D-S改进算法对冲突证据与不冲突证据难以统一融合的问题,提出了基于专家信任度的弹道导弹目标识别算法,并给出了基于专家信任度的弹道导弹目标识别系统模型和专家知识库模型。新算法将收集到的证据分为冲突证据和不冲突证据,冲突证据集采用专家评判系统进行评判,不冲突证据采用传统D-S理论进行融合,然后将两者得到的结果进行再融合,得到决策结果。实例分析表明,与现有方法相比,新方法不仅能够在证据一致性很好时具有很高的精度,而且当证据高度冲突时也具有很好的融合效果。     

基于遗传算法的二阶段结构损伤探测方法

为了有效地进行工程结构的损伤识别,提出了一种基于遗传算法的二阶段损伤探测方法.首先利用基于频率的多损伤定位准则和基于位移模态的多损伤定位准则分别计算出有关损伤的初步决策,然后利用信息融合技术中的证据理论方法,将两者的初步决策进行融合,从而获得较为精确的损伤位置估计,最后在已识别出的可能损伤单元的基础上,利用改进的遗传算法进行更精确的损伤位置和程度估计.数值仿真结果表明,采用证据理论进行融合可以获得较为精确的损伤位置估计,比单纯的多损伤定位准则识别效果更好,而采用改进的遗传算法则可以更为精确地判定损伤的程度,优于简单的遗传算法.     

基于D-S证据理论的纹理图像分类方法

在阐述Dempster-Shafer证据理论的基础上,给出了基于Dempster-Shafer证据理论的多源信息融合的方法,并将Dempster-Shafer证据理论的信息融合技术应用于遥感图像纹理的分类.图像灰度均值特征和图像灰度共生矩阵的熵特征作为纹理图像的不同特征被提取,并构成该理论中的证据,利用一定的决策规则,选择融合证据作用下最大的假设.实验结果表明,基于Dempster-Shafer证据理论的多特征融合分类识别图像纹理的新方法是切实有效的和可行的,分类结果要优于仅仅利用单个特征进行分类的结果,能极大地提高图像纹理的识别分类能力.     

来袭鱼雷类型识别指标提取与算法设计

针对水面舰艇在鱼雷防御行动中难以准确识别来袭鱼雷类型的问题,该文从战技特征层信息入手,提炼出14个与鱼雷类型识别密切相关的证据指标;根据荻取性难易程度将指标进行分类.针对登普斯特-谢弗证据理论的不足,引入了一种改进的融合算法,提出了对证据进行确定性信息预处理的方式,建立了完整的信息融合算法流程.仿真结果表明,通过提取证据指标和改进融合算法,该文算法对鱼雷类型的识别精度比传统方法大大提高,从而为水面舰艇采取有针对性的鱼雷防御措施提供了重要保障.     

灰色关联和证据理论在故障识别中的应用和改进

针对复杂检测环境下传感器获得的特征信息具有不确定性和模糊性等问题,提出了利用熵权灰色关联算法获得基本可信度赋值函数(BPAF).根据基于证据理论的信息融合方法,设计了单传感器多量测周期时域融合和多传感器空域融合的二级证据融合算法,采用基于可信度的判决方法作为故障检测和识别依据.熵权方法解决了灰色关联算法中特征权重的选取问题,二级证据融合算法提高复杂环境下识别结果的准确率.仿真结果表明,这种方法比一般的故障识别算法具有更高的识别率、更强的鲁棒性和更广的适用性,是复杂环境下故障模式识别的一种正确可行的新方法.     

基于神经网络数据融合方法的模拟电路故障诊断

根据模拟系统故障检测原理，采用神经网络与数据融合相结合的方法进行模拟电路故障诊断，提出了一种新型的基于D-S证据神经网络的故障检测与诊断方法．应用D-S证据理论对径向基函数网络进行了修正，用具有一个输入层、两个隐含层和一个输出层的神经网络实现．各个证据体的基本概率赋值的获取是D—S证据理论在实际应用中的难点问题，本方法中采用的是根据输入模式与原型模式之间的相似度以及原型模式的类别隶属度来确定基本概率赋值．借助神经网络自学习的功能，实现对类别隶属度的最优化．结果表明该方法能快速有效地进行故障诊断中大量数据的处理，具有很强的鲁棒性．     

基于信度函数的冲突证据组合新方法

为了有效地处理冲突证据,提出了一种基于信度函数的新方法.设计了一个证据信度函数,并用此函数来计算证据之间的后验权重分配.给出了先验权重和后验权重的合成方法,从而得到最终权重分配.采用最终权重对现有证据进行加权平均,并采用Dempster-shafer组合规则进行融合,从而得到最终融合结果.与其他方法相比,该方法考虑的因素更全面、适用性更强.实例表明,该方法能够比其他方法更快、更有效地识别出目标.     

16个基因位点在亲子鉴定和个体识别案例中的应用

将短串联重复序列应用于法医物证学案件中.用PCR复合扩增结合四色荧光检测及聚丙烯酰胺垂直电泳技术对一起碎尸案进行CSF1PO、D3S1358、D5S818、D7S820、D8S1179、D13S317、D16S539、D18S51、D21S11、FGA、PentaD、Pen taE、THO1、TPOX、vWA及Amelogenin性别位点的基因型检测,进行法医学亲子鉴定和个体识别.16个基因位点非父排除率为0.99999999999999996,个体识别率为0.99999999999999998.本方法及这些基因位点均实用于法医物证学个体识别.本方法鉴定快速,准确,结果分析标准化,使不同实验室的认定结果有了可比性.     

多特征和神经网络相融合的体育视频识别

为了提高体育视频识别的精度,提出一种多特征和神经网络相融合的体育视频识别模型(MF-RBFNN).分别提取反映体育视频的静态和动态特征,然后采用RBF神经网络对静态和动态特征分别分类,并将初步识别结果构造基本概率指派,运用证据理论对初步结果进行融合,得到体育视频识别结果.结果表明,相对于对比模型,MF-RBFNN提高了体育视频识别精度,是一种有效的体育视频识别方法.     

基于证据理论的信息融合储层损害诊断技术研究

在分析了储层损害多源信息的特征后,构造了基于决策层融合与证据理论、针对储层损害诊断识别的信息融合数学模型,给出了决策层融合的实现算法.通过对储层水敏损害程度的诊断识别,融合模型从多方面将反映储层损害类型的多源信息进行综合分析和决策融合处理,系统地对储层损害类型进行了识别和特征判断,有效地提高了储层损害诊断的准确性和可靠性.     

D-S算法在信息融合中的研究与实现

多传感器的信息融合处理需要对目标进行有效识别仍是目前备受关注的问题之一,D-S证据理论作为一种重要的融合算法已被广泛应用。本文对D-S算法在目标识别问题中进行了较全面深入的研究,并从信息融合角度对D-S证据理论进行了实现和验证。     

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