多传感器目标识别的神经网络与证据理论结合方法

FMM人工神经网络在模式识别和分类中具有独特的优势，D—S证据理论在多传感器决策融合上具有优势。提出了一种FMM神经网络与D—S证据理论相结合的多传感器数据融合目标识别方法，给出计算机仿真结果，表明该方法可以克服单一传感器ATR系统的局限性，提高对目标的识别率和系统的容错性。     

基于D-S证据理论的潜艇多源信息融合系统

介绍了未来战争中潜艇所装备的主要信息源,对这些信息源提供的目标属性信息进行了总结.构建了基于D-S证据推理的潜艇多源信息融合系统,并就D-S证据推理过程中基本概率赋值的分配提出了一种可行的方案.     

基于D-S证据理论的多平台协同目标识别分步式融合

针对多平台协同目标识别问题,提出了基于D-S证据理论的分步式融合设计思想,目标型号识别.通过仿真验证了算法对解决不确定问题的有效性和正确性.     

改进的D-S证据理论在海上目标融合识别模型中的应用

船舶海上航行的过程中传感器获取到的信息间会存在冲突。本文对传统的D-S证据理论进行改进,通过权重来调整不同证据的可信度,然后利用Dempster合并法则实现目标信息的融合。最后通过对比实验证明本文改进算法的有效性和稳定性优于其他对比算法。     

D-S证据理论在信息过滤中的研究

详细说明了Dempster-Shafer证据理论的原理,并在其理论基础上将其引入到信息过滤技术中的过滤结果部分,讨论其在目标识别过程中是否具有可行性.根据计算的结果证明了信息融合中的D-S证据理论在判断识别目标上的使用是有效果的,它能够有效地去除冗余的信息并确定最有用的待识别目标.     

基于证据理论态势估计中的目标分组方法

在态势估计问题中，战场态势目标尤其是敌方目标的分组识别非常重要，是指挥员指挥作战所关心的重要问题之一，也是对敌方作战意图识别的必要环节，以D-S证据理论为依据，采用模板匹配的方法，提出了一种识别敌目标分组的算法，最后通过算例对该方法进行了验证。     

水下目标识别的一种信息融合算法

利用布设的水下传感器对水下潜艇进行探测预警是反潜的一种重要反潜手段。本文利用信息融合算法对水下目标识别中多传感器获得的不同数据进行信息融合,从而得出识别结论。     

基于D-S证据理论的海战场目标战术意图识别技术研究

目标战术意图识别技术是海战场态势评估领域的一个核心内容,也是威胁估计的基础。根据舰艇指挥决策中的海战场态势评估的需要,提取目标战术意图识别所需要素,然后运用高维空间相似度计算模型,度量目标状态对其意图的支撑程度,最后结合D-C证据理论对目标战术意图进行序贯识别,通过实例验证,取得了较好的效果。该方法能够为解决海战场目标战术意图识别提供新的途径。     

改进D—S算法在船舶汽轮机故障诊断中的应用研究

针对汽轮机组的故障特征，将多个传感器获得的实时信号进行特征提取，对D-S证据理论在应用中不合理处进行改进。应用比较的结果表明，改进后的算法公式可信度明显提高，不确定性大大降低。     

基于D-S证据理论的舰船技术状态评估方法

在简要叙述船舶技术状态评估现状的基础上,提出了基于D-S证据理论的舰船技术状态评估方法。介绍了船舶技术状态评估的重要性和发展现状,以及可处理由不知道所引起的不确定性的D-S证据理论和基于D-S证据理论的决策方法;通过实例详细阐述如何用D-S证据理论进行舰船技术状态评估。实例证明,通过应用D-S证据理论,提高了舰船技术状态评估的准确性和可靠性,降低了评估的不确定性。     

基于D-S证据理论改进算法的末敏弹多传感器融合技术研究

针对末敏弹是一种新型弹药,其关键技术是敏感器技术和爆炸成型弹丸技术的特点。采用D-S证据理论改进算法对末敏弹多传感器融合技术进行研究。介绍了多传感器融合技术,提出了D-S证据理论改进算法的目标分类判定规则,并针对三种类型的传感器对三种典型目标的识别进行了仿真计算。计算结果表明多传感器融合明显优于单一传感器,有效提高了末敏弹系统的目标识别率。     

基于粒子群聚类分析与证据理论的船舶机械振动诊断

粒子群算法避免了复杂的遗传操作,是一种有效的全局寻优算法,用于聚类分析可以更快地收敛于最优解;D-S证据理论提出了不同于贝叶斯主义和频率主义的构造性解释,非常适用于存在大量不确定性因素的故障诊断工作.将故障机械的振动信号按时域、频域、小波包域分解为多个参数空间.采用粒子群聚类分析算法对机械故障进行局部诊断,将局部诊断结...     

多分类器融合在水中目标识别中的应用

为了提高对水中目标的识别能力,研究使用DS证据理论对多分类器进行融合,论述以往确定BPA方法的优缺点,并在此基础上提出一种新的利用分类器性能和输出信任度来确定BPA的多分类器融合方法,实验证明这种方法在对水中目标进行识别问题中的优越性,为进一步研究分类器融合在目标识别中的应用提供参考.     

基于效用的目标分配贝叶斯风险决策模型研究

通过建立的贝叶斯风险决策模型并进行案例分析,将贝叶斯决策理论运用到战场目标分配决策分析中,结果表明运用贝叶斯风险可以提高决策的准确程度,降低了决策的风险程度,证明了决策模型具有实用性和有效性。     

基于D-S证据理论的直流电机故障诊断研究

多传感器、多手段检测的信息融合技术在电机故障诊断中的应用日益广泛。提出了一种基于D-S证据理论和BP算法的故障诊断方法,给出了基于BP神经网络和D-S证据理论的多传感器数据融合技术的直流电机故障诊断方法,首先通过分析直流电机的故障机理,得到电机在不同故障情况下表现的信号特征,然后利用多源信息间的冗余性和互补性,有效提取故障特征信息。将该方法应用于某型船直流电机的故障诊断,结果表明,该算法提高了故障诊断的可靠性和灵敏度。     

改进D-S算法在船舶汽轮机故障诊断中的应用研究

针对汽轮机组的故障特征,将多个传感器获得的实时信号进行特征提取,对D-S证据理论在应用中不合理处进行改进。应用比较的结果表明,改进后的算法公式可信度明显提高,不确定性大大降低。     

D-S证据理论在多传感器融合中的应用

详细介绍了Dempster-Shafer证据理论,介绍了它在多传感器融合(MSF)中的应用,并举了一个具体的例子,实验结果验证了其有效性。