模糊神经网络在数据融合技术中的应用

本文主要阐述了模糊神经网络技术，尤其是模糊联结聚合神经网络技术在数据融合技术中的理论与应用。     

多雷达系统数据融合与航迹预测

为了便于准确定位传感器网络,分布式的单雷达系统首先进行各自的数据处理,包括:地理坐标换算至平面直角坐标;剔除孤立的异常点迹;采用模糊c-均值聚类方法和"动态分区",将单雷达数据中属于同目标的相似点迹归类集合;根据雷达观测和目标运动的特征,在每个点迹集合中设计门限滤波和相关矩阵检验,提取完整连续的目标运动的航迹;结合各航迹特征进行种类分析.接下来对属于不同雷达的航迹两两比较,找出有相交时间段的航迹,采用三次样条对两条航迹的进行内插和外推,再通过模糊综合函数对这两条航迹给出一个相似性度量,并取阈值为0.85.最后得出雷达间各航迹匹配关系.通过该雷达所观测到的航迹的稳定程度来近似估计其观察精度.首先对每一条航迹进行分段拟合得到其剩余方差,然后直接用每一条航迹的剩余方差来衡量雷达的观察精度,最后我们得出雷达的精度排序29107728,7724253720252539.对航迹融合,我们首先采用D-S证据理论并利用分析得到的雷达精度,对表示同一目标的航迹对进行融合.其次试图运用卡尔曼滤波对航迹进行融合:思路一是设法离线估计出噪声矩阵,得出系统噪声方差矩阵和观测噪声方差矩阵,从而用于标准卡尔曼滤波方程;思路二是探究较为实用的自适应滤波,兼顾Sage-Husa自适应滤波算法的高精度与强跟踪自适应滤波算法的可靠性,采用了一种混合算法给出收敛的估计.最终给出了雷达7728和2910的融合算例以及10秒钟的预测轨迹.最后,我们将导弹拦截飞机建模为三维的追逃问题,建立了运动学关系方程,最终归结为最小能量导引律问题.采用"模糊T-S线性模型"以及RH控制方法和伴随技术,在目标作对抗性机动条件下,获得了一个有效拦截的导引律.还对多雷达系统平均处理周期、数据融合系统的航迹处理周期进行了分析,对雷达网络实时性做了评价.     

基于模糊的投影寻踪算法在中医证候分类中的应用

本文提出一种新的聚类算法-基于模糊的投影寻踪算法,可以有效的处理医学中常常遇到的高维混合数据的模糊聚类问题.并将其应用在慢性肾衰的辩证分析问题中,为已有的慢性肾衰证候的分型标准提供科学支持.本文的研究方法为中医辩证的现代化研究开拓了新的思路,值得进一步深入探讨。     

一种多数据融合算法

针对证据理论在数据融合中存在的局限性,提出了一种新的算法,通过实例分析了这种算法的优点,最后指出了该算法存在的不足.     

多指标面板数据融合聚类分析

针对多指标面板数据的样品分类和历史时期划分问题,从多元统计分析理论角度提出一个多指标面板数据的融合聚类分析方法。该方法改进了多指标面板数据的因子分析和系统聚类方法,依据Fisher有序聚类理论,构造了Frobenius范数形式的离差平方和函数,提出了多指标面板数据的有序聚类方法。实证结果表明,该方法能够满足系统分析的统一性要求,保证指标之间的不相关;能够克服时间维度上均值处理造成的偏误,信息损失较少;能够解决面板数据有序聚类的问题;弥补了单一分析的片面性和局限性。     

以直觉模糊熵改进权重的模糊数据关联算法

针对多中心点的观测数据存在不确定性的问题,首先将观测数据和预测数据进行直觉模糊化,然后利用直觉模糊熵改进直觉模糊集的数据权重,再计算直觉模糊集之间的加权距离以获得观测与预测数据的隶属度,最后依次搜索最大隶属度实现观测与预测的关联.通过实例将改进的直觉模糊C-均值聚类(IFCM)算法应用于数据关联计算,计算结果表明,存在模糊观测数据情况下,可以比较好的处理距离的权重信息,并得到更好的处理结果,实例证明算法是可行的.     

基于模糊径向基函数神经网络的模糊数据建模研究

提出将模糊径向基函数神经网络(FRBFN)用于模糊数据的建模,并提出融和圆锥模糊向量的聚类方法和模糊线性回归的学习算法。仿真研究表明．FRBFN及其算法在模糊数据建模方面有一定的优势。     

模糊聚类挖掘在综合评价中的应用研究

探讨了聚类分析这一重要的数据挖掘方法在综合评价中的应用,将模糊聚类与综合评价相结合以解决待评价方案数较多的排序问题,并且文中还改进了建立模糊相似矩阵的方法.     

基于模糊聚类分析的小波神经网络模型在径流预测中的应用

提出了一种在对预报因子集进行模糊聚类分析基础上构建径流预测模型的新方法:先通过模糊C-均值聚类将历史径流数据进行分类,然后利用小波神经网络分别建立预报因子集类别变量特征值与观测值之间的局部预测模型,并设计了特征值分类识别器,自动搜寻相适应的局部网络模型进行预测.通过西南某水库2011年日平均入库来流的计算实例对简单小波神经网络预测模型和所建的基于FCM与小波神经网络的预测模型进行了比较,结果较为满意.     

组网雷达系统中的数据融合

将数据融合技术应用于组网雷达系统的目标状态融合,研究多种条件下的融合算法,逐一建立组网雷达测量设备的精度已知和精度未知的线性模型,以及非线性融合模型,分别给出这些模型的理论分析结论和算法流程。分析过程表明理论推导的严谨性,仿真计算结果说明算法是实用的。     

一种遗传模糊神经网络数据挖掘算法

数据挖掘是近年来信息处理领域出现的新的研究方向。本文探讨了扩展型TS模糊神经网络和遗传算法在数据挖掘中的应用,并提出了一种把模糊神经网络与遗传算法相结合的数据挖掘方法。在该方法中由遗传算法自适应地构造和优化TS模型,TS模型完成预测,这种预测是建立在遗传算法的聚类结果之上的。二者的结合,提高数据挖掘的应用效果。文章最后给出该方法的应用实例。     

一般模糊极小极大神经网络的改进研究

针对一般模糊极小极大神经网络在处理重叠超盒和包含超盒时,出现新的类而标识为未知类,进而无法达到聚类预期效果的问题,提出了通过超盒的收缩过程来加入新类或删除一个已存在类的一般模糊极小极大神经网络,它继承了一般模糊极小极大神经网络的优点,并且避免了一般模糊极小极大神经网络在分类时的随意性,弥补了一般模糊极小极大神经网络无法达到聚类预期效果的目的,以及提高了模式分类的准确性和高效性.最后,通过实例验证了方法实用有效.     

基于时间序列的混合神经网络数据融合算法

针对传统的数据融合算法对高噪声、大规模、数据结构复杂的时间序列数据融合性能较差的问题,该文提出了一种混合神经网络的数据融合算法(即SCLG算法).SCLG算法的思想如下:首先利用奇异谱分析算法对数据分解重构以达到去噪的目的;其次,通过深层卷积神经网络提取数据的空间特征和短期时间特征;然后,利用长短期记忆(LSTM)网络...     

故障诊断中模糊神经网络的应用研究

文章给出了利用模糊神经网络诊断故障的数学模型、基本原理、方法、步骤 ,和模糊网络的学习流程 ,并利用梯度法推导出两种诊断算法 ;在对某发动机滑油典型故障样本的仿真过程中 ,结果完全正确 ,对非样本故障的仿真 ,准确率达 90 % .     

基于模糊评价方法对煤炭质量分级评价研究

利用模糊神经网络建立煤炭评价模型,模型输出值作为中间结果,结合隶属度函数,最终确定煤炭质量级别.依据煤炭国标和行业标准,生成样本集,然后对样本集预处理,建立煤质评价模型,并以新疆某煤矿不同煤层深度的煤样为验证对象进行煤质评价.结果表明,评价模型的输出结果符合煤炭实际使用的情况.评价模型克服人为主观判断因素的不足,为目前存在的定性评价转为定量评价提供理论参考价值.     

模糊RBF神经网络在音频零水印中的应用

针对当前零水印不能"嵌入"有意义水印的不足,构建了在小波域中基于神经网络的零水印系统,提出了一种基于模糊RBF神经网络的音频零水印方案,有效解决了音频水印的鲁棒性与透明性之间的矛盾.模糊神经网络模糊系统的隶属度函数和推理规则决定RBF神经网络的结构和学习算法.因为水印方案不改变原始音频数据,所以具有良好的透明性,实验结果表明,方案具有很强的鲁棒性.     

一种新型的模糊神经网络及其应用

本文提出了一种新型的模糊神经网络，从理论上论证了其推理的合理性和逼近能力，同时应用于系统辩识，取得较好的效果。     

基于模糊神经网络的MVP评价模型及实证分析

利用模糊数学和神经网络方法建立对运动员进行评价的模糊网络模型,采用NBA流行的各评价指标作为其输入,模糊综合评价结果作为输出。样本数据采用2003~2004赛季NBA各单项50强的常规赛数据,分别用BP网络和RBF网络,建立分析系统,比较结果证明RBF网络仿真效果最好,完全可以实用,该模型也可以用在其它综合评价系统中。     

模糊ART神经网络在运动目标识别中的应用

本文在讨论模糊ＡＲＴ神经网络及其算法的基础上，研究和提出了一种三维运动目标识别方法，利用模糊ＡＲＴ神经网络对运动目标的目标侧面图形进行学习和模式识别。模拟实验表明了该方法的有效性。