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。     

基于策略融合的电网运行异常值检测方法

电力系统的异常数据会影响电力系统的安全稳定运行。传统的异常数据检测方法已无法实现对海量电力系统运行数据的有效识别与判断,对此,提出了一种策略融合的电网运行异常值检测方法,该方法结合了机器学习算法与统计学算法,通过机器学习快速确定异常数据出现的时间段,随后采用统计学算法对电网运行异常值进行有效判断。将提出的方法应用于包含了多种用电消费端的电网运行数据,并将实验结果与三种传统方法的实验结果进行了比较。实验结果表明,提出的策略融合异常值检测方法的F1-score高于其他三种方法,相比于其他三种方法具有显著性,可以快速且有效地识别电网运行异常数据。     

基于空谱联合异常度的高光谱异常目标检测

随着高光谱图像技术的不断发展,光谱分辨率和空间分辨率不断提高,相比于其他遥感图像,能够获得更为精细的光谱特征。这为地物的高精度分类、解混和目标检测等研究领域提供了理论平台,其中由于高光谱异常目标检测技术不需要地物的先验信息,更符合实际应用的需求。针对现有的大多数高光谱异常目标检测算法只关注目标和背景在光谱信息方面的差异,而忽略两者空间信息的差异,导致检测精度不高的问题,提出了一种基于空谱联合异常度的高光谱异常目标检测算法。该算法不需要假设图像的背景模型,建立在滑动双窗口的基础上,提出了光谱异常度和空间异常度两个概念。在光谱异常度计算中,考虑了波段间的非线性特征,采用光谱角匹配的核函数方法进行检测,基于双窗口模型的基础上逐个计算中心像元与局部背景像元的核光谱角并设置阈值来获得中心像元的光谱异常度;在空间异常度的计算中,由于物质在空间方面的聚类特性,通过构建像元点的空间窗模型能够得到代表像元类别的图像块灰度向量,同时求解不同像元之间图像块灰度向量的欧式距离并设置阈值来获得中心像元的空间异常度;最后将中心像元的光谱异常度与空间异常度进行加和则可得到中心像元的空谱联合异常度,基于滑动双窗口模型对整幅图像的像元进行逐个检测,即可得到图像的异常检测结果。采用AVIRIS的三组真实高光谱数据对所提算法进行仿真实验,并与传统的RX算法、LRX算法和KRX算法进行对比研究,结果表明本文算法具有较好的检测效果,与KRX算法相比,运行速度具有较大幅度的提升。     

基于多源信息加权融合的研制阶段测试性评估方法

装备在研制阶段通常缺乏有效的试验和使用数据,其测试性水平往往难以评估,针对上述问题,提出基于多源信息加权融合的研制阶段测试性评估方法;方法综合考虑了装备研制阶段可利用的仿真信息、专家经验信息以及类似装备的历史信息,构建了以3类信息为基础的装备测试性指标值密度分布函数,同时依据可信度原则确定了3类信息的融合权重;在此基础上,利用证据折扣组合方法评估装备当前的测试性水平;最后,通过案例应用证明了该方法的有效性。     

基于DS证据理论和压缩感知的WSN数据融合策略设计

为了降低WSN数据量和延长网络生命周期,设计了一种基于DS证据理论和压缩感知的WSN混合数据融合策略;首先,在分簇协议的基础上引入了基于DS证据理论和压缩感知的混合模型,然后,采用改进的DS对所有簇成员节点的基本信度分配函数进行加权处理,在簇头处采用加权和归一化的信度分配函数计算证据对各命题的支持程度,将支持程度较大的若干命题作为DS融合结果,在此基础上采用压缩感知方法通过构造测量矩阵对融合结果进行稀疏化表示,并在基站处对稀疏信号进行重构;仿真实验表明,文中方法能有效地实现数据融合,且和其他方法相比,具有重构误差较小和网络生命周期较长的优点,具有较大的优越性。     

基于环状检测器的WSN节点异常度双向多重检测方法

双向多重检测一直是WSN节点异常检测的难点,结合人工免疫原理提出了基于环状检测器的WSN异常度双向多重检测方法,引入人工免疫原理,设计了环状检测器,利用环状检测器能够实现对异常信号的分级,并根据小波包提取信息的异常特征信号,结合设计的环状检测器进行检测,无需知道异常信号的参数和特点,只要有正常的信号样本就能对WSN节点的早期故障进行检测,实时预警;以美国Crossbow公司生产的内置震动传感器的WSN节点进行测试,测试结果表明,环状检测器在选择合适的内径和外径后,能够准确地对WSN节点的异常进行检测,检测准确率高达95%以上,比传统系统准确率提高了35%左右,满足了WSN系统对WSN节点准确检测的要求,有效地解决了传感网络节点异常双向检测的问题。     

基于模糊证据理论的多特征目标融合检测算法

提出了一种基于平方证据权重的模糊证据组合方法,并应用于弱小目标多特征融合检测算法中,采用了证据理论中的基本概率分配函数来描述判决结果的不确定性,首先提取检测图像的局部灰度均值对比度、局部梯度均值对比度、局部差值和局部熵四个特征,然后对特征进行归一化,再对其进行模糊化并根据先验知识和测量统计的结果对目标各特征值所取空间和待识别目标假设集进行基本概率分配,接着采用自适应加权融合的方法得到目标的基本可信度,最后采用基于博弈概率分布的决策规则得到检测后的目标图像。实验结果表明,该算法能在较大程度上降低目标检测过程中的不确定性,提高系统的检测性能。     

基于共振异常的消偏振型窄带滤波器分析

亚波长光栅因光栅参量的不同而具有不同的衍射特性,通过对亚波长光栅参量的合理设计来实现消偏振窄带滤波是一种新的方法与途径。首先分析了基于共振异常的窄带滤波的物理机制及存在条件,讨论了二维亚波长光栅实现消偏振窄带滤波的可能性。然后,利用严格模式理论进行了计算模拟,其计算结果与导波理论所得结果基本吻合,其衍射特性表现出周期性共振异常、敏感的角度依赖性和波长依赖性。最后,讨论了由工艺误差对滤波特性所带来的影响。为具体工艺制作提供了一定的指导。     

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。     

基于扩展数学形态学的高光谱图像异常检测

提出了一种新型的基于扩展数学形态和光谱相似度测量的高光谱图像异常榆测方法.在日标与背景未知的情况下.同时利用光谱和空间信息实现日标的定位与检测,实现离光谱遥感数据的日标检测.通过扩展的膨胀和腐蚀操作实现目标特征提取;通过正交投影散度计算扩展形态学操作的累加距离确定排序关系并利用其融合特征提取结果实现特征提取结果的融合.算法性能通过合成的OMIS数据进行评价.与经典异常检测RX算法进行比较.并应用于具有相似光谱特征目标的区分.实验证明,本文提出的算法性能优于RX算法.具有低虚警率的异常目标检测结果,并且能够较好地区分了相似光谱特征的异常日标.     

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.     

基于主成分分析的不同预处理方法对关节软骨分类的影响

本文采用不同方法对来自正常和病变关节软骨样本的红外光谱进行预处理,而后利用主成分分析对关节软骨进行鉴别分析。首先对关节软骨切片实现傅里叶变换红外光谱采集,其次分别采用基线校准、标准化、多元散射校正和标准正态变量变换对软骨的红外光谱进行预处理,然后对原始光谱(矩阵)以及预处理光谱进行主成分分析,根据得分矩阵对样本进行分类分析。结果表明:预处理方法结合主成分分析可以更好地对正常和病变关节软骨样本进行分类,而且多种预处理方法的结合可以更好地增强样本间的区分度。另外,针对关节软骨样本,多元散射校正比标准正态变量变换具有更好的增强效果。     

基于区域特性量测的图像融合方法

在图像融合过程中,融合规则及融合算子的选择对于融合的质量至关重要,也是图像融合中至今尚未很好解决的难点问题。本文给出了一种新的融合规则——基于区域特性量测的融合规则,即在对某一分解层图像进行融合处理时,为了确定融合后的像素不仅要考虑参加融合图像中对应的各像素,而且要考虑参加融合像素的局部领域。     

基于支持向量描述的自适应高光谱异常检测算法

提出了一种应用于高光谱异常检测的自适应支持向量数据描述方法.根据高光谱数据和局部异常检测模型的特点,通过局部背景分波段二阶分布统计,分析了核参量与局部背景总体标准差的变化关系,构造了随检测背景变化的局部检测核参量,使得检测算法针对不同背景分布自适应地调整检测核参量.克服了传统支持向量描述算法由于采用固定核参量带来的复杂背景下检测性能下降的问题.通过模拟数据和真实高光谱数据的测试检验,接收机特性曲线表明该算法相对于传统固定核参量支持向量数据描述方法,在相同虚警概率下检测概率提高了10%.     

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.     

基于支持向量描述的自适应高光谱异常检测算法

提出了一种应用于高光谱异常检测的自适应支持向量数据描述方法.根据高光谱数据和局部异常检测模型的特点,通过局部背景分波段二阶分布统计,分析了核参量与局部背景总体标准差的变化关系,构造了随检测背景变化的局部检测核参量,使得检测算法针对不同背景分布自适应地调整检测核参量.克服了传统支持向量描述算法由于采用固定核参量带来的复杂背景下检测性能下降的问题.通过模拟数据和真实高光谱数据的测试检验,接收机特性曲线表明该算法相对于传统固定核参量支持向量数据描述方法,在相同虚警概率下检测概率提高了10%.