Vague集在多传感器目标识别中的应用

针对具有多个特征指标的多目标识别问题,提出了一种基于Vague集的多传感器信息融合方法。该方法定义熵权客观地得到了特征的权重,将目标的各特征值转化为Vague值表达,根据Vague值的距离,给出目标识别方法。工件识别实例验证了算法的有效性和实用性。     

基于区间灰关联度的多传感器目标识别方法

针对具有多个特征指标的多传感器目标识别问题,提出了一种新的不确定性融合方法.该方法定义区间灰关联系数,通过熵权得到各目标类型的灰关联度,给出目标识别算法.克服了属性权重选取的主观性,提高目标识别结果的可信度,计算简单,易于计算机上实现.仿真实例验证了算法的有效性和实用性.     

基于模糊核熵的短语音说话人识别

为了解决由于模糊加权指数选取不当而导致系统性能下降的问题,将熵函数引入到核映射的特征空间中,提出了一种基于模糊核熵的短语音说话人识别新方法.通过定义特征空间中的模糊核熵目标函数,设计了模糊核熵矢量量化器,在高维特征空间中对说话人的语音进行训练和识别匹配.引入熵的算法具有更加清晰简洁的数学形式和物理含义.为了进一步提高系统性能,利用模拟退火法对熵函数中的模糊熵度进行全局优化,提出了一种基于模拟退火的模糊熵度更新方法.实验表明,该方法对于较短的训练语音,其识别效果优于高斯混合模型和模糊核矢量量化.     

SAR目标多尺度概率密度估计与识别

针对SAR目标识别问题,提出了一种基于核非线性映射的SAR目标多尺度概率密度特征的估计方法,并利用该特征进行目标识别。首先将SAR目标图像在多尺度域中分解,按一定规则建立多尺度根矢量;将多尺度根矢量经非线性映射到另一空间中,在该空间中利用基于核函数的技术结合parzen窗非参数估计得到概率密度函数。通过这一途径得到的多尺度概率密度分布挖掘了目标散射在尺度之间的相互关系,分布特征之间的相对熵测度可以用与目标分类识别。以MSTAR实测SAR目标数据集进行了多尺度概率密度估计和目标识别试验和分析,试验结果表明了提出方法的有效性。     

基于熵权群组决策的停车设施规划方法

本文旨在研究城市停车设施规划的多属性决策问题.论文以评价指标体系的建立为基础,运用群组决策特征根法对专家组的评判信息进行综合归纳,并采用熵权与决策者的主观权重相结合的方法确定评价指标的综合权重,建立了基于熵权的群组决策评价方法.最后通过应用举例说明该评价方法科学可靠.     

基于熵的灰色局势决策方法

针对传统多目标灰色局势决策方法等权处理决策目标而无法反映决策者的偏好和决策的实际情况问题,给出了灰色局势决策目标权重的一种赋权法。首先,计算单个目标下某一事件与其余事件的总偏差,继而形成全部目标下的偏差矩阵,再利用熵理论进行多目标权重的计算,得到的各目标熵权能够更好地反映各个局势间的差异程度,对灰色局势决策进行了补充和完善。实例也证明了该方法的可行性。     

3E系统视角下能源结构合理度评价研究

针对传统的能源结构评价方法多是重指标轻评价的局限性,提出了一种基于3E系统视角的熵权–集对分析评价方法.文章首先以DPSIR模型为基础构建了能源结构合理度评价指标体系.然后通过熵权集对分析评价模型实证分析,对我国30年的能源结构合理度进行评价.结果表明,熵权–集对评价方法能够很好的拟合我国能源结构合理度变化趋势;提高能源结构合理度需从能源、经济和环境三管齐下;政府应增加对固定资产的投资,严格控制能源价格的同时坚持实行低碳经济政策,保护环境,从而保证经济与能源、环境系统的可持续同步发展.     

基于加权证据组合的多传感器目标识别

为了解决多传感器信息融合中不同等级重要信息源数据的融合问题,在证据理论基本概念的基础上,引入证据权的概念。依据证据权的不同对各条证据进行转化,使之可以用传统的方法进行证据合成。将这种方法应用到等级不同的多传感器目标识别中可以解决传统证据理论只能进行等级相同传感器目标识别的难题。识别实例表明,该方法提高了目标识别的准确性和有效性。     

基于熵权和TOPSIS法的水安全模糊物元评价模型研究及其应用

在建立全面合理的水安全评价指标体系基础上,运用模糊物元分析,结合TOPSIS法和贴近度,提出基于熵权及TOPSIS法的水安全综合评价模型。模型采用反映评价指标特征值之间离散程度的熵值作为评价指标的权重,减少了确定权重的主观性。结合实例介绍该模型的具体运用,结果表明该模型合理、可行。     

基于特征概率分布的低分辨雷达地面目标分类

提取稳定有效的目标特征对于低分辨雷达的目标识别分类有着重要意义。在提取目标基本特征雷达散射截面积(radar cross section,RCS)与频谱熵值的基础上,提出了一种基于特征概率分布曲线的目标分类方法。该方法首先应用快速傅里叶变换计算目标回波频谱,提取目标RCS与频谱熵值,然后滑窗分段计算基本特征的概率分布曲线,从而利用概率分布曲线提取出稳定的目标特征,最后利用支持向量机对目标实现分类。基于实测数据的分类结果表明,该特征具有较好的稳健性和分类性能,同时算法便于工程实现。     

基于熵的自适应加权投票HRRP融合识别方法

基于不同分类器对同一样本分类能力不同,同一分类器对不同样本可分程度不同的思想,为不同样本赋予不同融合权重,提出了一种基于熵的自适应加权投票高分辨距离像(high range resolution profile, HRRP)融合识别方法。该方法将二分类相关向量机(relevance vector machine,RVM)扩展为多类分类RVM概率模型,并对不同HRRP特征样本进行分类,利用每个多类分类RVM输出的样本后验概率信息计算出的熵值自适应为各个样本赋予权重,使得不同分类器以及同一分类器对不同样本的决策占有不同的比重,熵值越大的样本赋予的融合权重越低,最后通过加权投票方法实现融合识别,得到目标的最终识别结果。仿真实验结果验证了所提方法的有效性。     

基于广义灰色激励因子的多源不确定性指标动态综合评价模型研究

由于多数评价指标的数据来源多、存储方式不一、处理方法各异等,使得其具有多源不确定性(multi-source uncertainty, MSU)特点,具体表现为指标评价值往往包括灰数、模糊数、区间值模糊数以及白数等。针对此类指标的评价问题,提出了新的基于广义灰色激励因子的多源不确定性指标(multi-source uncertain index, MSUI)动态综合评价模型,首先引入广义灰数的基本理念,将传统的灰色绝对关联模型扩展到评价指标为广义灰数的形式,由此得出各个时间段指标的广义灰色激励因子;然后根据指标信息不对称的特点,构建基于MSUI的广义灰色熵权模型,求解出各个指标的广义灰色熵权;接着在广义灰色激励因子与广义灰色熵权的基础上,建立基于广义灰色激励因子的MSUI动态综合评价模型;最后结合案例研究证明了模型的有效性与可行性。     

基于门控多尺度匹配网络的小样本SAR目标识别

为了解决传统合成孔径雷达(synthetic aperture radar, SAR)目标识别方法在小样本条件下泛化能力差、识别准确率低的问题, 通过在匹配网络的基础上引入权重门控单元和多尺度特征提取模块, 提出了基于门控多尺度匹配网络的小样本SAR目标识别方法。在该方法中, 多尺度特征提取模块能够提取匹配网络不同卷积层的多尺度特征, 权重门控单元能够根据不同的识别任务赋予特征不同的权重大小, 实现根据具体任务选择最具代表性的目标特征, 从而以该特征为主导完成目标识别任务。在运动和静止目标获取与识别(the moving and stationary target acquisition and recognition, MSTAR)数据集上对提出的方法进行了验证, 实验结果表明，所提方法较其他3种小样本学习方法和两种小样本SAR目标识别方法表现出了一定的优越性, 而且所提方法经实验验证在噪声环境下表现出了一定的鲁棒性。     

基于红外虚拟偏振的目标增强方法

研究了一种基于虚拟变偏振理论的红外面目标细节增强方法,该方法充分挖掘和利用了红外偏振信息的固有特点,利用入射光Stokes矢量和出射光光强之间的描述关系推导出出射光光强和起偏角度的解析关系,并据此虚拟实现了任意起偏角度的出射光光强,然后依据面目标信杂比最大准则,利用粒子群算法迭代实现了最优起偏角度的搜索,最终得到增强后的红外面目标图像。利用实测的长波红外偏振图像数据对算法的可行性和有效性进行了验证,实验结果表明,在灰度对比度、平均梯度、图像熵3种图像质量评价指标下,经此算法增强后的图像质量更高,为后续目标细节识别和攻击点选择等算法的实现奠定了良好的数据基础。     

灰色熵权聚类决策方法研究

针对传统灰色定权聚类方法中权重是事先给定的,不具有客观性的问题,借鉴信息熵的思想,提出了基于熵权确定权重的方法,构造了基于熵权的灰色定权聚类评估方法的算法。该算法利用系统状态数据为依据通过计算熵来得到决策权重。以实际问题为背景进行了算例实证研究。结果表明该方法计算简单,权重确定客观,对灰色聚类决策理论进行了补充和完善。     

基于熵权的DRASTIC模型及其在地下水脆弱性评价中的应用

针对DRASTIC模型中需要人为确定各项指标权重的缺点,将熵权系数法与DRASTIC模型相结合,建立了基于熵权的DRASTIC模型。在新的耦合模型中,各项指标的权重由客观数据计算得到,消除了人为确定权重的主观误差。将该模型应用于地下水脆弱性评价之中,对大连市5个水文地质区段的地下水脆弱性进行了评价。评价结果表明,所建立的新模型是科学合理的,其结果更加客观。表6,参7。     

基于结构熵和IGSO-BP算法的动态威胁评估

针对传统超视距空战威胁评估不能根据各类威胁因素的变化动态调整其对应权值的问题,引入前向反馈(back propagation, BP)神经网络,采用综合考虑主客观因素的结构熵权法确定各威胁指数权值并作为神经网络训练参数进行训练,提出了改进萤火虫算法(improved glowworm swarm optimization, IGSO)和BP神经网络相结合的空战动态权值计算方法。该算法采用改进萤火虫算法优化BP网络的权值和阈值,优化后的BP网络能更好地计算不同态势下的威胁指数权值,从而根据威胁估计模型进行威胁评估。以某一时刻预测多无人机空中对抗时的威胁度为想定,分别采用结构熵权法和IGSO BP进行仿真计算。结果表明：结构熵权法能够科学合理地计算各威胁指数权值,IGSO BP算法可有效解决空战目标威胁评估问题,且所提算法与现有几种算法相比在可靠性和准确性上都有明显提高。     

基于作战环和改进信息熵的体系效能评估方法

针对信息化条件下作战体系中装备种类繁多、关系复杂的问题,以敌方目标为牵引,提出了一种基于作战环和改进信息熵的体系效能评估方法。将装备和关联关系抽象为节点和边,根据节点的战技指标确定边的度量指标,构建了基于作战环的作战体系网络模型。提出了基于邻接矩阵的作战环数量确定方法和基于改进信息熵的作战环效能评估方法,根据各目标节点参与的作战环数量及其效能,建立了作战体系效能评估模型。以某打击大型水面舰艇作战体系为例进行分析,结果表明所提方法充分考虑了各装备和关联关系的异质性与不确定性,能够全面客观地评估体系效能,为作战体系效能评估和结构优化提供方法支撑。