基于粗糙集和D-S证据理论的信息融合技术应用研究

针对井下信息量大、噪声多、参数多、动态等特征,提出了一种基于粗糙集数据挖掘和D-S证据理论优化信息融合技术的矿井环境监测方法。采用粗糙集对井下信息进行预处理;利用径向基函数(RBF)神经网络建立了井下环境识别模型;利用D-S证据理论进行两级融合决策,并对井下安全状况进行判断。仿真结果表明:该方法提高了井下信息的识别和决策效果,极大地降低了不确定性。     

基于D-S证据融合的发射机健康状态评估

针对雷达发射机健康状态评估在多种不确定性因素下的问题,构建了基于D-S证据理论的多指标评估模型。基于综合考虑指标可测性,建立了新型的雷达发射机健康状态评估指标体系结构。通过采用一种改进的D-S证据理论进行多指标数据融合方法进行雷达发射机健康状态综合评估,通过各实测数据隶属函数转化得到基本可信度分配关系,避免了在传统方法中评估指标基本可信度函数分配的主观性和局限性,最后利用改进的D-S证据理论对各指标进行数据融合,实验结果验证了该方法的有效性。     

基于粗糙集和D-S证据理论的井下风险评估方法

针对以单传感器监测数据作为井下安全性评估依据存在难以获得丰富、全面、准确的环境信息的问题,提出一种基于粗糙集和D-S证据理论的井下风险评估方法,并进行了具体的实例分析。该方法对多传感器采集的参数进行基于粗糙集的一级数据融合及基于D-S证据理论的二级数据融合,实现了对井下多种信息的整合,优化了现有的风险评估方法。测试表明,该方法可保证预测信息的完备性和独立性,实现了对矿井安全性变化趋势的动态预测。     

基于多粒度视角下的D-S证据理论融合策略

D-S证据理论与多粒度粗糙集是两类不同的信息融合方法。对该理论展开详细的论述,找出两者之间的联系。根据这两者之间的互补性,提出了一种多粒度与证据理论相结合的新的融合策略,称之为基于多粒度视角的D-S证据理论的粒度融合方法。最后,通过实例说明了该融合算法的有效性。     

基于模糊粗糙集和D-S证据理论的多源灌溉信息融合方法

针对多源灌溉信息决策过程中不确定性信息难以融合的问题,提出了一种基于模糊粗糙集和D-S证据理论相结合的决策融合方法。运用模糊粗糙集理论,建立基本概率分配函数,计算各灌溉因子与灌溉决策之间的依赖程度,构建多个融合灌溉因子对灌溉决策的识别框架;然后运用改进的D-S证据理论,进行多源灌溉信息决策层级的融合,最终解决不确定信息的表达和合成问题。应用上述方法对华北地区冬小麦土壤水分、光合速率和气孔导度等信息进行灌溉决策融合,结果显示：灌溉决策的不确定性由融合前的最高38%降至9.84%,该方法可有效地提高灌溉决策精度,降低灌溉决策的不确定性     

基于D-S证据理论的信息融合算法

针对现有D-S证据理论算法在信息融合应用中缺乏系统性的问题,提出了一种基于D-S证据理论的层次式融合算法。该算法模型采用多维属性信息的分域、层次融合方式,利用初始信息确定高层融合所需的概率分布的近似算法对数据进行融合处理,并对于可能存在的证据冲突问题,给出了算法的修正。仿真结果表明,该算法收敛速度快,准确度高,在低虚警率下具有较好的检测率。     

基于D-S证据理论和BP神经网络的多传感器信息融合

针对多传感器信息融合的基本可信度分配在实际应用中难以解决的问题,提出了一种基于D-S证据理论与BP网络相结合的多传感器信息融合的改进方法。该方法充分发挥BP神经网络自学习、自适应和容错的能力,利用BP神经网络处理证据理论的基本可信度问题,再利用D-S证据理论来处理不精确、模糊的信息。最后通过一个实例证明了该方法的有效性。     

D-S证据理论在综合评估中的应用

目前常用的综合评估方法包括层次分析法、模糊综合决策法、基于神经网络的方法等,这些方法存在如下不足:(1)只能给出一个综合评估结果,却不能给出评估结果的确定性和不确定性度量;(2)不能处理评估信息中的未知性因素。为此,本文提出一种基于D-S证据理论的综合评估方法,以期解决上述问题。     

基于D-S证据理论的目标识别融合应用

基于D-S证据理论的目标识别融合系统,可以充分发挥多传感器信息的优势,提高目标识别结果的准确性.本文结合工程实践,分析地面目标融合识别过程中经典D-S证据理论方法处理数据出现的问题,发现使用D-S证据理论对于高冲突证据融合结果准确性较低.因此提出一种基于D-S证据理论的改进数据融合方法,将冲突因子与支持度标准偏差的相反数相乘,再与所有证据和乘积的正交相加,然后减去证据的基本概率的最大差.如果证据的冲突越大,这种方法的优势就越明显.如果证据中不存在冲突,则融合结果与原始D-S证据理论的项目一致.实验的比较数据表明,改进的信息融合方法对于改进解决冲突问题必不可少,并且是有效的.     

基于D-S证据理论的光电测量数据融合

当前测距装置易受到大气、噪声的干扰,导致测量数据不精准。大数据发展战略下,对数据精确度提出了新要求。针对光电测量仪器测量数据测量精度较低、可靠性较差等问题,提出了一种基于D-S证据理论的光电测量数据融合模型。模型采用决策层融合方法,实时融合传感器采集的数据。实验仿真数据表明,此模型具有较高的融合精度,有利于提高光电测量数据的精确性、实时性。     

用D-S证据理论实现多传感器信息融合的一种改进算法

阐述了基于D-S证据理论的多传感器信息融合算法,提供一种基于D-S理论的改进方法以解决融合信息的相关性问题.用滑觉和热觉传感器作实验,对该方法的有效性进行了验证.     

D-S证据理论在机床故障诊断中的应用

探讨D-S证据理论在机床故障诊断中的应用,介绍了基于D-S证据理论的决策,D-S证据理论的不足及其改进方法,并用实例分别介绍了证据冲突不大时和证据冲突较大时D-S证据理论在机床故障诊断中的处理方法。     

D-S证据理论在时-空信息融合中的应用

多传感器的信息融合技术应用于导航、目标跟踪、目标识别等很多领域。目前用于信息融合的主要方法就是证据理论技术。论文给出了三种基于D-S证据理论的多传感器多个测量周期的信息融合(时-空信息融合)的方法。在仿真实验中对这三种方法进行了比较,分布式有反馈的方法是三种方法中最好的。     

基于D-S证据理论的信息融合软件的设计与开发

基于D-S证据理论,采用手工方式融合多源信息,具有劳动强度大、计算结果出错概率高等问题。针对这些问题,本文设计、开发了基于D-S证据理论的信息融合计算分析软件(DSIF)。DSIF软件以Delphi7和SQLServer2000等为开发工具,采用模块法设计思路,具有使用方便、维护简单、稳定性好、通用性强、扩展性好等特点。同时,该文依据D-S证据理论信息融合的特点,给出信息融合计算分析流程图及DSIF的体系结构。以水质监测数据为对象,DSIF软件为工具,进行信息融合,来说明DSIF软件的特点及其功能。     

D-S证据理论的多传感信息融合方法研究与应用

针对全自主式移动机器人,以首届CCTV全国机器人电视大赛为背景,提出了通过D—S证据理论和模糊集合理论相结合的方法,对多传感器信息进行融合,较好地解决了机器人在复杂环境下运动的多传感器信息融合问题,实现了移动机器人的准确定位。     

基于改进D-S证据理论的多源空战信息博弈融合方法

多传感器系统与单传感器系统相比能够更大限度地获取被探测目标的信息量,但在空战中无人机传感器探测得到的数据在一定程度上具有欺骗性,利用博弈融合技术对多传感器数据进行融合,能够获得更加符合空战实际需要的信息。为此,研究了一种基于改进D-S(Dempster-Shafer)证据理论的多源空战信息博弈融合技术,在信息融合前采用Jousselme距离进行预处理,并利用费雪信息进行冲突数据博弈,所得策略集使空战数据更加可靠。在此基础上,根据邓熵方法对基于D-S证据理论的融合方法进行改进,与传统D-S证据理论方法相比,融合数据符合空战实际。最后对存在冲突的多源空战信息进行博弈融合仿真,仿真结果验证了该方法的可行性与优势。     

基于 D-S 证据理论的地质雷达目标识别

D-S证据理论提供了一种解决多数据源不确定信息推理和融合的有效方法。为解决地质雷达目标识别信息的融合问题,采用D-S证据理论方法,先对目标进行雷达扫描,然后对可能的目标类型进行基本概率分配,最后利用D-S组合公式进行融合识别。试验结果验证了该理论在地质雷达目标识别上的有效性和可行性。     

基于D-S证据理论的高速公路事件检测信息融合

为解决高速公路事件检测信息融合问题,在分析D-S证据理论用于多传感器信息融合基本概念的基础上,提出事件检测信息融合D-S方法。具体方法是通过分析高速公路事件检测各种事件信息特点,确定事件检测信息融合对象;再根据事件信息的基本可信度分配,不断融合新的事件信息,更新信任函数,最后,依据基本信任函数的决策方法判断高速公路是否发生事件。来自线圈检测器、移动电话报告和移动车报告3类高速公路事件检测信息融合的实例研究结果表明:通过事件信息融合后的事件检测结果较单一事件信息的结果好,证明事件检测信息融合的正确性和有效性。