自抗扰控制技术在高低温环境模拟系统中的应用

针对现有健康状态评估方法主观性较强,准确度不高等问题,提出一种基于DSmT理论和模糊综合评判的健康状态评估模型。首先,确定评估对象的评价指标体系,对采集的原始数据进行预处理;然后利用模糊综合评判理论确定广义基本信度赋值;接着采用DSmT融合规则对广义基本信度赋值合成,得到健康状态等级。对于多级的系统评估,可将融合后的结果作为新的广义基本信度赋值进行DSmT融合。实例验证表明,该状态评估模型能够准确有效地实现对系统的健康状态评估,而且能够克服高冲突证据的融合问题,具有良好的应用价值。     

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%。     

普通物理学试题质量的统计评估

对２３０多份普通物理学考试试卷成绩进行难度、区分度、信度和效度等指标的统计分析来评估试题的质量。     

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。     

基于小波包变换和数学形态学结合的光谱去噪方法研究

对反射光谱数据进行去噪是提高光谱信息准确度的前提。传统时域平滑和频域去噪方法存在诸多缺点,本文首次将广义形态滤波方法用于可见近红外光谱的去噪处理,并提出基于小波包变换和数学形态学结合的光谱去噪方法。使用USGS光谱库中的植被光谱进行实验,采用信噪比(SNR)、均方误差根(RMSE)、波形相似度(NCC)和平滑度(SR)四个指标来评估去噪效果。结果表明,小波包最佳基阈值法和广义形态滤波法都能较好地保持波形和平滑度,广义形态滤波法能较好地消除幅值较大的随机噪声,但其对连续随机噪声中幅值较小的噪声成分不能有效消除; 而小波包最佳基阈值法不能有效消除幅值较大的噪声成分; 二者结合的方法组合了这两者的优点,使得幅值较大、较小的噪声成分都能较好地消除,同时还提高了相似度和平滑度指标,充分表明小波包最佳基阈值与广义形态滤波结合的方法是一种更好的可见光近红外光谱去噪方法。     

工科物理实验理论知识问卷的设计和定量评估研究

在物理教育中,科学的定性及定量评估是重要的研究手段。本文通过设计测试问卷,对本校工科八百多名学生发放前测和后测试卷,进行了工科学生物理实验理论知识部分掌握程度的调查,并对测试结果进行了定量分析和结果评估。我们计算了题目及试卷的难度指数、区分度指数、点双列系数、信度指数和Ferguson变量。结果表明,得到的值大部分都在期望值范围内,测试的区分度较高,基本可行。但我们也发现了试卷信度略低的问题,分析了原因,并给出解决方法。     

基于选择判据和贴近度的D-S证据融合方法

针对传统D-S证据理论难以融合高度冲突证据的问题,并考虑到证据正常时Dempster规则具有优越的聚焦性能,提出了一种基于选择判据和贴近度的证据融合方法。把贴近度概念引入到D-S证据合成中,通过证据的一致性度量来计算证据的权重,从而实现了冲突证据的加权融合。同时提出了证据修正的选择判据,将证据分成冲突与非冲突两类,对冲突的证据进行修正后再进行合成,而非冲突证据可直接进行合成。通过实例验证表明,所提出的方法不但保持了Dempster规则优越的信息聚焦性能,而且较好的解决了冲突证据的合成问题。     

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。     

基于S P S S的物理试卷分析与评价

借助统计学软件S P S S, 介绍对物理试卷质量定量分析的方法. 包括对样本资料绘制成绩分布曲线, 进 行难度、 区分度、 信度及效度, 即分析试卷质量常用的“ 四度”指标的定量计算与分析, 提高广大教师分析试卷的效 率, 准确得到分析结果, 为今后的教学和考试提供科学依据     

《大学物理实验》试卷的分析

本文统计分析了１５８名学生《大学物理实验》的考试结果,对每道试题及整张试卷的信度、区分度、难度进行了计算分析,讨论了信度、区分度、难度之间的关系及具体取值范围．评估了各试题及整张试卷的质量,为《大学物理实验》试题库的建立、提高和完善提供了依据．     

复杂装备退化状态早期识别方法研究

针对复杂装备早期退化状态难以识别的问题,提出一种将相关向量机(RVM)和Dezert-Smarandache 理论(DSmT)相结合的多特征融合决策识别方法。该方法首先分别采用时域分析法和时频域小波包变换法对装备的状态特征进行提取;之后将状态特征向量输入RVM模型中完成对状态属性的判定并获得各种状态模式的基本置信度分配;最后依据DSmT的PCR6规则对含有冲突信息的多个识别结果进行决策融合,得到早期退化状态的最终识别结果。在对某航空机电设备的实例应用中表明,该方法可以有效地解决信息高冲突条件下的早期退化状态识别问题,结果可靠准确。     

一种多尺度边缘测度融合加权HD算法

一般的边缘加权Hausdorff算法,由于单尺度边缘检测算子本身对噪音敏感,会造成真实和虚假边缘显著性差异小,从而加权后对噪音鲁棒性改善有限.为此,提出了一种基于多尺度边缘测度融合加权的Hausdorff景象匹配算法.对图像提取多尺度边缘测度后,引入证据推理理论,提出一种双向指数基本置信指派构造方法,并构造出多尺度边缘测度的基本置信指派函数,然后采用冲突再分配DSmT组合规则进行融合.为了进一步区别真实边缘与高频噪音,对加权Hausdorff公式进行了一些改进,给出了更为有效利用融和后边缘测度的加权Hausdorff公式.对可见光和SAR景象的匹配实验证明:本文算法所提取边缘在抑制噪音的同时保留了大量景象细节信息,并通过横向对比验证本文算法提高了噪音鲁棒性.     

一种多尺度边缘测度融合加权HD算法

一般的边缘加权Hausdorff算法,由于单尺度边缘检测算子本身对噪音敏感,会造成真实和虚假边缘显著性差异小,从而加权后对噪音鲁棒性改善有限.为此,提出了一种基于多尺度边缘测度融合加权的Hausdorff景象匹配算法.对图像提取多尺度边缘测度后,引入证据推理理论,提出一种双向指数基本置信指派构造方法,并构造出多尺度边缘...     

Image quality assessment in multiband DCT domain based on SSIM

The performance of image quality assessment method based on SSIM (structural similarity) is better than the PSNR (peak signal to noise ratio), but the assessment effects of SSIM is poor for seriously blurred image, therefore, the model that combined HVS (human visual sensitivity) and SSIM was established. The basic idea is based on the human eye's sensitivity to different frequency distortion image, the image is two-dimensional discrete cosine transform frequency component into low, mid, high-frequency component, to obtain the frequency component of light, contrast and structural information, using Pearson coefficient for weight and sum processing to the sub-image according to frequency bands of different sensitive degree, finally, get the sharpness of the image. Through nonlinear regression analysis of objective assessment and DMOS, experiments showed that this method was closer to human perception than SSIM and GSSIM for serious blurred distortion image. At the same time, compared to conventional algorithm MAE (mean absolute error), MSE (mean square error) and PSNR, this model was more consistent with human visual characteristics.     

A Hybrid Multi-Criteria Decision-Making Approach Based on ANP-Entropy TOPSIS for Building Materials Supplier Selection

This article will tell you how to combine “entropy” in the model to reduce the bias of multi-criteria evaluation. Subjective weights are usually determined by decision makers based on their professional background, experience and knowledge, and other factors. The objective weight is obtained by constructing an evaluation matrix of the information based on the actual information of the evaluation criteria of the scheme, and obtained through multi-step calculations. Different decision-making methods are based on different weight types. Considering only one of the two weights often leads to biased results. In addition, in order to establish an effective supply chain, buyers must find suitable merchants among suppliers that provide quality products and/or services. Based on the above factors, it is difficult to choose a suitable alternative. The main contribution of this paper is to combine analytic network process (ANP), entropy weight and the technique for order preference by similarity to an ideal solution (TOPSIS) to construct a suitable multi-criteria decision (MCDM) model. By means of ANP-entropy weights to extend the TOPSIS method, ANP-entropy weights are used to replace subjective weights. A supplier selection decision-making model based on ANP-entropy TOPSIS is proposed. At last, the sensitivity analysis shows that, taking the selection of building materials suppliers as an example, the hybrid ANP-entropy TOPSIS method can effectively select suitable suppliers.     

基于联合变换相关器的Dempster-Shafer理论计算

提出了用联合变换相关器(JTC)来实现证据理论概率分配函数正交和的光学计算,在理论上对于如何用联合变像相关器实现证据理论分配函数正交和作了详细的讨论,并作了相应的仿真测试,结果显示该方法是可行的。与John Caulfield提出的用声光器件矢量外积实现的正交和计算相比,在该结构中由于采用二进制编码的数值计算,因此其计算精度得到了提高,同时对联合变换相关器输入端二进制编码的数值空间位置的适当调整可以直接得到所需要的证据理论正交和矢量,在处理步骤上得到了简化。     

基于模糊距离和DS证据融合的清洁机器人定位设计

针对现有清洁机器人定位算法具有的定位精度不高且难以保证在线定位的实时性问题,设计了一种基于模糊距离和DS(DEMPSTER-SHAFER)证据融合的清洁机器人自定位算法。首先,对清洁机器人的总体结构进行了建模和分析,并对其进行硬件设计,为了实现清洁机器人的实时精确定位,采用DS证据数据融合方法对多传感器采集的数据进行有效数据融合,为了进一步提高其精确性,引入了模糊距离,定义当前传感器采集数据与理想结果之间的距离,根据距模糊距离的大小自适应地调大或减少传感器采集数据分配信度的权重,将加权信度作为新的信度进行融合得到最终的融合结果。在不同的场地中进行实际试验,对文中设计的清洁机器人进行实际定位,实验结果表明文中方法能有效地进行定位,较经典的DS证据融合和其它方法具有较高的定位精度,且具有较小的时间复杂度和空间复杂度, 具有较大的优越性。     

加权实时数据融合在线阵CCD测温中的应用研究

针对面阵CCD测温系统的复杂性及对波长的不可选择性,提出了一种利用线阵CCD进行温度测量的方法,并在2.5kW热处理炉上对其进行了实验研究。实验结果表明,该方法简单易行,可任意选择波长组合,利用CCD光谱响应及比色测温原理,得到了测量点的温度值。由于受波长等多种因素的影响,所测得的值之间偏差较大。为了减小误差,引入了加权实时数据融合算法。与传统的算术均值方法相比,该算法计算量小,精度较高,且无需任何先验知识,仅根据各传感器的输出信息就能使融合后的估计值得到优化。