基于证据异常度的水下多源信息预处理方法

Dempster-Shafer证据理论在水下多源目标识别领域有着广泛而重要的应用, 但经典的证据理论在融合高度冲突的证据时往往会导致一些反常理的结果, 如Zadeh冲突悖论。针对这一问题,综合考虑证据体之间的冲突程度和支持程度,提出一种证据异常度的概念并对原始证据集进行异常检测,基于检测结果对原始证据体进行权重分配,引入全集项,修正证据源。在保持Dempster组合规则不变的前提下,进行有效的证据预处理,实验仿真结果验证了算法的有效性。证明对证据体进行有效的修正,可以改进经典证据理论的缺点,达到更好的融合结果。     

基于证据可信度的D-S理论协作频谱感知方法

D-S证据理论频谱感知算法中,针对当协作用户数增加时所引起的报告数据量迅速增大、带宽开销增加问题,将本地测量统计量中不确定度分配到确定信息中,减少了向融合中心发送的数据量,有效降低了带宽开销。其次,针对高冲突数据对D-S证据理论融合结果影响大的问题,通过评估每个证据的可信度,将可信度作为权重来计算加权平均证据,降低了高冲突证据对融合结果的影响。仿真结果表明,所提方法在有效降低了报告带宽开销的同时,能够减少高冲突证据对融合结果的影响。     

基于主元证据理论在车辆识别中的应用

车辆识别技术作为智能交通管理系统中的研究热点和难点;在车辆识别技术中,应用Dempster- Shafer证据组合规则融合冲突信息时会产生不合理的结果;基于修正证据源的思想,提出了一种新的权重系数确定方法,该方法从证据主元角度分析,确定各组证据主元,利用该主元求出证据相容度、可信度,进而确定证据权重系数;通过新的证据冲突衡量方法,确定冲突值,归一化权重,修正证据源,按ER规则融合各组证据对目标进行识别;仿真部分以实际路面车辆车型识别为算例,将该方法与其他方法对比,结果表明:该方法能更有效地融合高度冲突的证据,减小计算复杂度,目标识别的准确性提高20%。     

基于灰色关联和D-S证据理论的感应电转子故障诊断

针对单一的灰色关联或D-S证据理论在转子故障诊断中存在的不足,将灰色关联和D-S证据理论相融合的决策级信息融合方法应用到感应电机转子故障诊断中;首先用灰色关联对故障进行初步诊断,然后,将灰色关联分析的诊断输出结果作为D-S证据理论的基本概率分配,最后,依据证据组合规则进行合成,得出转子故障的最终诊断结果;实验仿真结果验证了方法在转子故障诊断中的有效性,可以减小诊断的不确定性,提高故障的诊断准确率和诊断精度。     

基于证据理论的小波萎缩图像去噪

提出了一种基于D-S证据理论的小波萎缩图像去噪方法。对含噪图像进行离散平稳小波变换后,运用Bayes方法分得各层高频子带的小波萎缩系数,根据小波萎缩系数的空间及层间相关性,利用D-S证据理论的合成法则对初始小波萎缩系数进行融合修正。实验结果表明,该方法在有效地去除图像中的噪声的同时,还能较好地保留图像的边缘信息。算法在性能指标和视觉质量上均优于Donoho的小波软阈值去噪方法、传统的中值滤波法和Winner滤波法。     

基于改进证据推理规则的变压器故障诊断

为克服已有证据推理规则处理冲突证据时收敛慢甚至不收敛的缺陷,提出了一种按相关性对证据进行修正及对冲突信息合理分配的改进证据推理规则,并将其应用于变压器故障诊断。数值算例表明,改进证据推理规则可以充分利用变压器故障诊断中的一致性或冲突性多源故障征兆信息,提高变压器故障诊断的收敛速度,降低故障误判率。     

基于模糊支持向量机和D-S证据理论的钨矿石初选方法

单一特征识别的钨矿石初选准确率低,稳定性差,本文提出结合模糊支持向量机和D-S证据理论相的多特征钨矿石识别方法.对矿石图像预处理后,分别提取矿石的颜色、灰度和纹理等3类视觉特征,对这3类视觉特征进行模糊分类得到各自的信任度,再以这3类信任度为独立证据,采用D-S证据理论对3类证据进行融合,并依据分类判决规则得到最终的识别结果.试验结果表明,通过D-S理论对模糊向量机证据的融合,钨矿石初选的正确识别率达到96%以上,其准确率和稳定性较单一特征均有大幅度提高,满足生产过程中初选工艺的要求.     

近红外光谱法与循环伏安电化学法联用进行葡萄酒品种溯源研究

提出一种将循环伏安电化学法和近红外光谱法联立,用PLS-DA的D-S证据理论融合二者信息进行葡萄酒品种溯源研究的方法。分别采集来自不同产区的三类不同品种的171个干红葡萄酒样品的循环伏安曲线和近红外透射光谱。用PLS-DA法分别建立循环伏安电化学法和近红外光谱法的判别模型,以此为证据;用两个证据的D-S合成规则实现近红外判别结果与循环伏安法判别结果的重新决策。融合后的结果为：多产区不同品种葡萄酒溯源模型的建模集准确率为95.69%,检验集准确率为94.12%;单一产区不同品种葡萄酒溯源模型的建模集准确率为99.46%,检验集准确率为100%;判别结果都比融合前单一循环伏安电化学法和近红外光谱法的判别准确率得到了提高。实验结果表明, 该方法具有较高的溯源识别准确度, 可以快速准确地对待测葡萄酒品种进行定性检测。     

基于红外/毫米波双模融合的目标识别方法

在数据融合的基础上,以红外/毫米波双模传感器的智能融合结构为模型,将模糊神经网络与D-S证据理论相结合,提出了一种新的目标识别方法.该算法根据红外/毫米波传感器的性能及工作范围,构造模糊变量作为神经网络的输入,根据神经网络的不同输出判别目标的真伪,并利用D-S证据理论进行目标身份识别.仿真结果证明了该算法的可行性.     

基于STAMP的航空管制空中危险目标识别方法研究

为了保证航空管制中航空器的完整性,提高航空器的使用寿命,并且可以最大限度的保障航空乘客和其他航空人员的人身安全,需要对航空管制空中危险目标进行识别。但采用当前目标识别方法对空中危险目标识别时,识别系统对空中危险目标无法稳定识别,存在空中危险目标识别精度低的问题。为此,提出一种基于STAMP的航空管制空中危险目标识别方法。该方法先利用STAMP模型对航空管制空中危险目标识别系统各组成部分进行任务分配,然后采用Harris法对空中危险目标进行特征选择和提取,依据Mean-Shift法的Bhattacharyya系数,描述候选空中危险目标和空中目标的危险概率分布相似度,随着Bhattacharyya系数的不断增加,候选空中危险目标和空中危险目标的相似度越大,使危险目标跟踪系统朝着空中目标危险密度增大的位置移动,在最优位置收敛,从而实现空中危险目标跟踪,最后利用D-S理论对跟踪结果进行识别,通过引入空中目标危险性基本概率赋值函数获得空中目标危险基本概率,采用Dempster组合规则对空中目标危险证据进行合成,依据空中危险目标证据融合结果完成对航空管制空中危险目标的识别。实验仿真证明,所提方法增强了航空管制空中危险目标识别的效果,提高了航空管制空中危险目标识别的精度。     

Conflict Data Fusion in a Multi-Agent System Premised on the Base Basic Probability Assignment and Evidence Distance

The multi-agent information fusion (MAIF) system can alleviate the limitations of a single expert system in dealing with complex situations, as it allows multiple agents to cooperate in order to solve problems in complex environments. Dempster–Shafer (D-S) evidence theory has important applications in multi-source data fusion, pattern recognition, and other fields. However, the traditional Dempster combination rules may produce counterintuitive results when dealing with highly conflicting data. A conflict data fusion method in a multi-agent system based on the base basic probability assignment (bBPA) and evidence distance is proposed in this paper. Firstly, the new bBPA and reconstructed BPA are used to construct the initial belief degree of each agent. Then, the information volume of each evidence group is obtained by calculating the evidence distance so as to modify the reliability and obtain more reasonable evidence. Lastly, the final evidence is fused with the Dempster combination rule to obtain the result. Numerical examples show the effectiveness and availability of the proposed method, which improves the accuracy of the identification process of the MAIF system.     

基于改进自适应加权的多传感器融合监测

针对加注系统多传感器测量数据融合,为满足融合的可靠性与准确性需求,提出了一种改进的自适应加权融合算法。加权融合算法的关键是如何准确判定测量数据权重值,在总结分析当前权重值判定方法优缺点的基础上,将证据理论中的修正证据距离引入测量数据间距离计算,生成融合权重值,完成传感器数据融合。通过一般算例与加注系统典型算例,对所提融合算法进行验证,结果表明算法融合效果较好、鲁棒性强,具有一定的理论意义和较好的工程实用价值。     

Micro-phase measuring profilometry: Its sensitivity analysis and phase unwrapping

Global illumination affects shape measurement accuracy, and phase unwrapping is an important problem in phase measuring profilometry. In this paper, a micro-phase measuring profilometry is proposed to reduce the effects of global illumination. The wrapped phase error level of the proposed method is lower than that of the traditional micro-phase shifting method. First, a frequency selection rule is developed in combination with the micro-phase rule to design the frequencies of the proposed phase measuring profilometry. The frequency rule is obtained by analysing the uncertainty of the wrapped phase caused by intensity noise. Then, phase unwrapping is regarded as a congruence problem, and the closed-form robust Chinese remainder theorem algorithm is adopted to determine the correspondence. Finally, the comparative experiments are conducted on a projector-camera system. Experimental results show that the effects of global illumination can be effectively reduced with the proposed phase measuring profilometry, and the proposed frequency selection rule is valid. In addition, the performance of the robust Chinese remainder theorem in addressing the phase error is better than that of traditional Chinese remainder theorem. Furthermore, the unwrapping accuracy can nearly reach 100% if the frequency selection rule is satisfied. Otherwise, the performance degrades.     

基于波段子集特征融合的高光谱图像异常检测

高光谱图像分析中，对未知环境下伪装目标的检测识别具有较大难度，因为缺乏背景与目标的先验光谱信息.针对这一问题，提出一种高光谱图像异常检测算法.将高光谱图像分成波段子集进行特征提取，利用对图像中噪声程度及目标、背景之间可分性敏感的特征样本高阶统计量构造基本置信指派函数，通过D-S证据推理实现特征层智能融合异常检测.理论分析及仿真实验结果表明了算法的有效性.     

基于LSSVM混淆矩阵和改进DS合成的多源传感器网络安全态势预测

针对现有的网络安全态势预测方法正确性和合理性难以得到保证,同时不能有效应对不确定情况的问题,设计了一种基于最小二乘支持向量机(Least square support vector machine, LSSVM)和改进证据理论的网络安全态势预测方法。首先,将由多源传感器采集的历史标记数据作为样本数据,实现对LSSVM的训练,然后,将当前采集的数据输入LSSVM进行分类,并通过混淆矩阵获得数据对应每个类的概率,为了有效地对采集的数据进行进一步融合,将各类转换为证据,同时将数据相对每个类的概率作为证据的基本信度分配,采用改进的DS证据合成规则对各证据进行融合,实现对网络安全态势的预测,最后,设计了基于LSSVM和改进DS证据合成规则的网络安全状态预测算法。在MATLAB环境下进行实验,实验表明了文中方法能对网络的安全态势进行实时精确的预测,与其它方法相比,具有更高的预测精度,是一种可行的网络安全态势预测方法。     

改进的对向传播网络及其在多传感器目标识别中的应用

针对多传感器数据融合和目标识别的特点,提出了改进的对向传播网络(MCPN),并与Dempster-Shafer(D-S)证据推理相结合,实现了决策层数据融合目标识别.文中利用仿真数据对所提出的网络训练算法和融合结构进行了实验研究.结果表明:改进后的对向传播网络识别性能优于传统的对向传播网络(CPN),融合后的目标识别率较单传感器明显提高.最后,将该方法应用于前视红外(FLIR)和可见光摄像机目标跟踪系统对算法和融合结构进行验证,结果表明文中提出的方法是可行的.