一种中国手语单手词汇识别系统

利用数据手套，视觉设备和肘部弯曲传感器作为输入设备，提出了一种基于特征匹配和信息融合的中国手语单手词汇识别系统，首先利用手姿信息和手势信息的类型判别来确定待识词所属类别，并选择相应的词库，然后根据所属类别将待识词和库中词的相应特征按一定的规则进行匹配；最后利用D-S证据理论将各特征的匹配结果进行融合，选择具有最大基本概率赋值的词汇作为输出，实验结果表明，该系统不但具有较好的实时性和灵活性，而且识别率比较高。     

一种基于D-S证据理论的红外小目标融合识别方法

为了提高低信噪比弱小目标识别的可信度 ,提出了一种基于D S证据合成理论的多传感器信息融合识别方法。并使用该方法对来自多个红外成像传感器的实际图像进行了信息融合仿真处理。仿真结果证明 ,该方法对低信噪比条件下的红外弱小目标具有良好的识别效果     

一种基于证据理论和条件规则的目标识别方法

针对多源信息融合识别目标属性的问题,提出了一种将先验条件规则应用于多传感器目标识别方法。该方法根据证据理论(D-S theory)和可传递信任模型(TBM)中证据所对应的信度传递规则,将不同辨识框架之间的条件规则映射成辨识框架的改变,并通过计算pignistic概率,得到利于决策的单命题结论。在此基础上,总结了多传感器融合识别目标的基本步骤,仿真结果说明了方法的有效性。     

基于证据理论的SAR图像融合识别方法

由于事物的多样性、现代战争的欺骗性和破坏性,军事目标经常会发生部分外形改变的情况,基于几何散列表技术可以有效解决这个问题,但在特征库中已知目标不满足360度全姿态角时,该方法的识别效果下降.为了提高正确识别率,提出一种基于D-S证据理论融合的识别方法,并详细探讨了在贝叶斯结构和准贝叶斯结构下基本概率赋值的构建.利用MSTAR数据对该方法进行了仿真实验,验证了该方法的有效性和可行性.     

一种基于D-S推理的异源信息目标识别方法

讨论了多帧异类信源的目标识别问题,将D-S证据推理应用于多传感器的数据融合,将异类辨识框架下的证据体组合得到新置信指派,利用多个传感器共同或联合操作的优势来提高目标识别的有效性和精确性。同时给出基于基本概率赋值决策的目标识别时序累积方法。最后通过仿真验证了该方法的有效性,可信度及准确性得到提高,具有比累积前更可信的特点。     

一种基于证据理论的战时备件需求预测方法

为解决战时备件需求预测缺乏数据的问题,提出一种基于证据理论的战时备件需求预测方法。构建马尔可夫链模型,从备件需求历史数据中挖掘平时备件需求规律;进而设计一种基于战斗强度变化的战时备件需求马尔可夫链转移概率调整策略,用于模拟战时备件需求规律;最后结合专家经验,综合利用模糊理论和证据理论实现对战时备件需求的预测。仿真算例表明,该方法能够有效实现战时备件需求的预测。     

一种基于D-S证据理论的控制器设计方法

采用单一传感器的单输入单输出回路控制器在工业控制领域应用非常广泛。由于单一传感器难以准确反映被测量的变化 ,故控制效果往往不能满足要求。采用多个传感器对被控量进行检测 ,必须解决不确定信息的融合问题。提出了一种采用Dempster Shafer证据理论的融合算法的控制器设计方法 ,并提出采用模糊控制方法构造基本概率赋值函数。最后将这种控制器应用于水厂加矾控制系统中     

一种解决D-S理论证据冲突的有效方法

D-S证据理论是一种有用的不确定性推理方法,由于证据合成公式存在不足,影响了证据理论的应用。针对有效融合高度冲突的证据,提出了一种新的有效加权冲突证据组合方法。该方法通过引入一个证据体距离函数,利用证据之间的相对距离确定了证据的权重,对系统中的证据加权平均后再利用Dempster组合规则实现信息融合。与其他方法比较,该方法在系统存在伪证据(干扰)时仍然能够有效快速地识别出目标,实例表明了该方法的有效性。     

一种基于步态分析的身份识别方法

近来年,步态作为一种生物特征识别技术倍受计算机视觉研究者的关注。提出了一种基于计算机视觉运动分析的步态识别方法,从图像序列中提取特征进行识别。本方法提取的特征包含步态外观和运动信息。区别于基于模型的步态识别方法,提出一种新的提取肢体角度的方法,该方法通过分析侧影宽度变化获取角度信息,无需对人体建模。首先,采用背景减除技术提取人的侧影;分析侧影的高宽变化获取步态周期。然后,采用离散余弦变换分析了步态外形特征和角度特征。最后运用K邻法在几个不同的数据库上进行了算法验证。实验结果表明,本方法行之有效。     

基于证据理论的交互式目标识别算法

在充分利用信息处理中心的人工情报和其它信息源数据的基础上,提出了基于证据理论的交互式二级融合算法。对数据融合系统获得的不同信息源数据进行了详细分类,并阐明了非实时信息和半实时信息在数据融合前期及中期的不同作用。首先在多传感器数据时域融合的基础上,获得对目标的初步判定值;其次在信任加权的基础上接收其它识别单元对目标的判别概率,通过信息处理中心传来的目标数据,对不同识别单元的目标数据融合的结果进行修正,解决了问题规模扩大时计算量快速增长的问题。仿真结果证明,该算法能有效实现对目标的快速、准确性判别     

基于神经网络与可能性理论的雷达型号识别模型

提出了一种雷达型号的融合识别模型。将人工神经网络、模糊匹配和可能性理论有效地结合起来,用人工神经网络进行粗分类,识别出雷达体制,用模糊匹配识别出该体制下的雷达型号,再用可能性理论对不同空域和时域的数据进行融合。实验结果表明,该模型可以提高雷达型号的识别率、可靠性和强噪声环境下的误差容错能力。     

基于D-S推理的模糊模式识别方法

针对战场环境下数据融合系统的ESM设备获得的辐射源信息在时间上的冗余性,提出了一种基于D-S证据推理的模糊模式识别方法。该方法通过对观测样本信任度(模糊隶属度)的重新分配,有效地解决了辐射源信息不确定性问题,提高了辐射源的正确识别率。最后通过单一的模糊识别和D-S证据组合的模糊识别两种方法的仿真对比实验验证了后者的有效性。     

基于人体静态和动态特征融合的步态识别

提出了一种简单有效的自动步态识别算法.对于每个序列用背景减除方法检测行人的运动轮廓,算法利用步态轮廓图像下肢左右边界的距离矢量对步态轮廓图像进行描述,采用步态图像两脚的宽度进行准周期性分析.利用连续隐马尔可夫模型并融合步态的静态外观信息模型进行步态时变数据匹配识别.算法在Little和Boyd,NLPR和CMU数据库上进行实验均取得了较高的正确识别率.     

灰色关联理论在辐射源识别中的应用

针对复杂战场电磁环境中辐射源目标识别难的问题,提出了一种基于灰色关联理论的辐射源识别方法.该方法首先提取辐射源信号的特征参数,同时选取灰色关联分析中的比较数列和参考数列;其次定义辐射源数据库为识别框架并计算各传感器基本概率赋值;最后进行证据组合与决策实现目标识别.最终的应用举例及对比实验验证了该方法的有效性.     

多传感器基于证据理论的机载雷达用途识别

雷达用途识别是分析雷达型号和进行威胁评估的基础。在简要阐述D S证据理论基本概念的基础上 ,较系统地论述了基于D S证据理论的多传感器机载雷达用途识别的信息融合方法。该方法同时采用多个传感器 ,并且每个传感器进行多个周期的测量 ,然后利用多传感器多测量周期的信息 ,基于Dempster组合规则 ,采用中心式融合算法 ,对机载雷达用途进行识别。识别实例表明 ,该方法识别结果令人满意 ,使原来采用单一传感器可能存在的无法识别或误识别等现象得到了明显的改善。     

模糊灰关联模式识别方法及其应用

首先建立灰关联分析的新的理论模型,然后将其与模糊集理论结合起来,提出了一种模糊灰关联模式识别方法．通过应用于场地土类别的评定,从而说明了本文方法的有效性