汽车仪表系统中的数据融合技术研究

探讨汽车仪表系统中适用的数据融合技术。运用算术平均值算法与分批估计相结合的融合算法,提高单传感器数据的测量精度;提出的汽车仪表系统中基于最大隶属度的多传感器数据融合方法,则提供了安全决策辅助,增加了仪表系统的新功能。测量实例证明了这些方法在汽车仪表系统中应用的有效性和准确性。     

HVAC系统多传感器数据融合研究

提出了一种简单的、易实现的PMV(Predicted Mean Vote)值的计算方法.针对HVAC(Heating Ventilation and Air Conditioning)系统检测装置和控制系统存在的时间滞后,使人体舒适性得不到很好的满足,并且有额外的能量消耗,进而研究了多传感器数据融合算法及基于D-S证据理论的最小风险决策算法以满足HVAC系统做出合理的决策.根据决策结果可以调节最优的空气量,改进空气处理系统的响应速率,最后利用Labview开发环境来实现数据融合算法.将Labview与多传感器数据融合应用于HVAC系统,增强了研究的系统的稳定性和快速性,保证了人体的舒适性,并且减少了能耗.     

基于改进D-S证据理论的室内环境控制决策系统

针对室内环境因子多且相互作用关系复杂,影响室内环境舒适度的控制精准决策,设计了一种基于改进D-S证据理论的室内环境控制决策系统。首先采用箱线图法和均值替代法检测修复异常采集数据,然后利用距离自适应加权融合算法实现同类传感器数据一级融合,最后利用改进D-S证据理论算法,实现全局融合决策。实验结果表明,改进D-S证据理论算法能够有效避免冲突证据带来的融合决策误差,系统可以实现室内环境控制的精准决策,融合决策精度高,具有一定的推广应用价值。     

基于数据融合技术的多模型状态监测与故障预报

提出了将多传感器数据融合技术引入到工程系统的状态监测与故障预报领域,实现多模型监测,以提高故障预报的准确性和可靠性,并研究了将Bayes融合算法和自适应加权算法相结合实现多模型的决策融合。并针对一套石油化工工业的流化催化裂化装置(FCCU)仿真系统建立了多模型监测系统,融合的结果表明,对比于单一模型预报,通过使用融合算法实现多模型监测可以有效地提高预报的可靠性。     

分布式贝叶斯检测融合优化算法及其计算机仿真

该文研究了利用分布式多传感器获得全局决策的分布式信号检测问题。在这种检测系统中各传感器将其各自关于观测对象的决策传送至融合中心,融合中心根据融合规则给出全局决策。研究重点是基于贝叶斯准则的分布式并联检测融合系统的数据融合理论,给出了使系统全局最优的融合规则和传感器决策规则,提出了对融合规则和传感器决策规则进行优化计算的非线性高斯一赛德尔算法,具体讨论了两相同传感器、两个不同传感器和三个相同传感器在具有独立观测时的数据融合问题。给出了利用本文所提算法对上述几种情况进行计算机仿真的仿真实例。仿真结果表明：融合系统的性能相对传感器有显著改善,采用三个相同传感器的融合系统,其贝叶斯风险下降了26．5％。     

基于数据融合的无线网络入侵检测系统

针对传统IDS的不足,更好地实现无线网络环境下的入侵检测,提高入侵检测的准确性,该文提出了一种基于数据融合模型的无线网络入侵检测系统,并论述了基于数据融合模型的无线网络入侵检测系统决策融合的结构设计实现方法。分析表明,文中提出的事件关联规则和加权表决法决策融合算法对无线网络入侵检测系统是十分有效的。     

基于决策距离的分布式多传感器动态分组算法

飞行试验中多传感器测量系统中因类型、精度以及空间位置的变化,导致在数据融合时往往不能得到最优测量精度;提出了一种新的分布式多传感器目标跟踪分组融合算法,即利用模糊理论中的决策距离(Decision Space)思想,对飞行试验目标跟踪的多传感器系统进行动态分组(Dynamic Grouping),通过定义多传感器之间的关系矩阵(Relation Matrix),依据判别门限(Threshold)判定其是否参与最终处理,据此以获得在分布式多传感器目标跟踪测量系统中目标跟踪测量的最佳融合数据精度;仿真结果证明,该算法是一种有效的分组算法.     

双色红外图像目标多特征决策级融合识别算法

针对双色红外成像系统中的自动目标识别问题,提出了一种采用多特征多分类器决策级融合的目标识别算法。该算法首先提取目标的形状特征和面貌特征;接着基于各种不同特征设计多个分类器对目标进行分类;然后采用所设计的多分类器决策级融合策略对多个分类器的目标分类结果进行融合处理;最后采用所提出的决策规则对多分类器融合分类结果进行处理得到最终的目标识别结果。该算法充分利用了目标在多传感器图像中的多种分类特征信息,在较大程度上提高了系统的目标识别效率和精确性。实验结果证实了该算法的有效性。     

基于模糊评判的决策级信息融合算法的研究

文章针对水电故障诊断系统中普遍采用的传感器阀值判断方法引起的信息损失问题,将决策级信息融合技术应用于故障诊断系统中。在模糊综合评判技术和软判决融合结构下,提出了一种新的决策级信息融合算法。该算法以合成运算和全局决策融合来自多传感器的局部判决以获取所处理对象的综合决策分析,并通过在丰满水电仿真系统的故障诊断系统中的实际应用表明该算法优于传统的故障检测方法。     

基于遗传算法的多扰动多K近邻分类器系统

为改善维数灾难对K近邻分类器的影响,提出一种基于遗传算法(GA)的多扰动的K近邻融合算法,简称GA-MKNNC算法。目标扰动将所识别的问题划分成多个子分类问题进行单独识别。针对不同子分类问题,数据扰动选取相关的数据,特征扰动确定相关的特征,参数扰动明确相关参数值。数据扰动由Bagging算法确定。特征扰动和参数扰动通过GA学习得到。多个子分类问题的决策通过最大融合得到最终决策。实验结果表明,该算法的性能优于K近邻分类器及多数融合算法,且选用的子分类器数目少于FASBIR算法。     

基于N-P准则的水声信号检测系统信息融合

多基阵数据融合技术在水声信号处理中具有重要意义，本文给出了基于Neyman Pearson准则的多传感器分布式水声检测信息融合系统．研究了全局最优融合系统以及局部传感器的最优判决准则．在假定各传感器检测独立的情况下，对三传感器的情况进行了仿真．结果表明，检测系统的性能有明显提高．     

基于Bayes 决策理论的数据融合方法

提出一种基于Bayes决策理论的多元优化数据融合方法，给出更具一般性的数据融合算法、判决准则以及系统性能计算公式，并给出几种不同情况下的数据仿真结果。仿真结果证明了该方法的正确性和有效性。     

Threshold-optimized decision-level fusion and its application to biometrics

Fusion is a popular practice to increase the reliability of biometric verification. In this paper, we propose an optimal fusion scheme at decision level by the AND or OR rule, based on optimizing matching score thresholds. The proposed fusion scheme will always give an improvement in the Neyman-Pearson sense over the component classifiers that are fused. The theory of the threshold-optimized decision-level fusion is presented, and the applications are discussed. Fusion experiments are done on the FRGC database which contains 2D texture data and 3D shape data. The proposed decision fusion improves the system performance, in a way comparable to or better than the conventional score-level fusion. It is noteworthy that in practice, the threshold-optimized decision-level fusion by the OR rule is especially useful in presence of outliers.     

捣固车作业系统异质多传感器数据融合的研究

在捣固车安全作业监测系统的研制中,提出了基于概念格理论的异质多传感器两级数据融合处理机制,第一级引入支持度矩阵和最优加权,规避了捣固车在恶劣工作环境下,多传感器监测数据精确性和抗干扰差的缺点;第二级采用模糊属性决策层融合技术,增强了监测的智能化水平。     

基于信息融合技术的动态安全态势评估模型

本文提出了一种基于信息融合的动态网络安全态势评估方法。此方法采用信息融合系统的三层结构,数据层用粗糙集理论确定有用属性及权值,定时收集多源数据并标准化,特征层采用模糊聚类分析进行信息预分类,决策层用模糊识别和D-S证据理论组合的识别方法得到最终结果。     

多传感器检测系统的 多步反馈融合算法

通过分析分布式检测系统的工作原理，提出了一种新的局部检测器融合方法，该方法利用检测器局部判决结果与融合中心融合结果的误差多步累积平均值对检测器下一步判决进行修正，从而达到提高检测器检测概率的目的。分析表明，该算法能有效提高系统的性能。     

多传感器数据融合技术研究进展

多传感器数据融合是信息领域一个前景广阔的研究方向.由于单一的数据融合算法具有一定的局限性,将2种或2种以上的数据融合算法进行优势集成已逐渐成为数据融合领域的研究热点.介绍了数据级、特征级和决策级融合3种数据融合方式的主要特点、方法及应用,归纳了常用的数据融合方法,并重点阐述了几种多传感器数据融合集成算法的研究进展,简单介绍了多传感器数据融合技术的应用.     

Uncertainty evaluation for a Dezert–Smarandache theory-based localization problem

Dezert–Smarandache theory (DSmT) is selected as the fusion method in a decision making system. To compare sensor fusion results, an uncertainty analysis is performed at each level of the decision making system. The supervision is based on the Generalized Aggregated Uncertainty (GAU) measure which is a generalization of Aggregated Uncertainty measure, whereas it is applicable for DSmT results. This measure helps to make decisions on better choice of combinations of sensors or methods of fusion. As an experimental study, localization of an object using cameras’ images is selected. Classic DSmT and hybrid DSmT by using extra knowledge, is applied and then uncertainty evaluation is carried out by the GAU uncertainty measure. The final decision in the presented framework has uncertainty less than each sensor’s measurement. By this method, more accurate and less uncertain results in localizing the object with high conflict sensory data are generated.     

带权重变化和决策融合的ELM在线故障检测

在线极限学习机对样本数据分批或分块地学习,适用于分析生产过程的在线数据,进而检测生产过程的故障.为了提高检测的准确性和快速性,提出一种权重变化和决策融合的极限学习机(ELM)在线故障检测方法.该方法在学习过程中增加被当前数据监控模型错误预测的新样本权重,同时在数据监控模型中引入决策级融合的方法,提高模型的综合决策能力.利用UCI数据集和TE过程进行仿真实验对比,对比结果表明所提出的方法在训练时间和检测准确率上都具有很好的性能.