基于本体的信息融合方法

本体理论在信息融合领域受到越来越广泛的关注和应用。文章概述了当前国内外在本体信息融合理论中的研究概况及取得的部分研究成果,总结了目前本体理论在军事应用领域中较为成熟的一些方法。本体工程在信息融合的第二级别和第三级别的应用较为广泛,相应的本体开发工具包括OWL在文中进行了较为详细的论述。最后,截取C3I系统中一个较为简单的仿真场景来说明怎样进行基于本体信息融合的数据关联。     

信息融合系统能力综合评价的一种计算方法

不同的融合系统具有的融合效果是不同的。在相同的能力要素指标空间下,不同软件版本在各个指标上会表现出差异,有的在漏情率上要好,但可能精度较差。为了能综合评价不同版本的信息融合能力差异,本文提出了一种计算信息融合系统能力综合得分的归一化方法,并给出了1个实际应用例子。     

建筑结构强度超声回弹逆回归区间融合评定法

运用因变量估计自变量及其可能取值范围的逆回归分析方法代替传统的回归分析方法,推导出回弹值和声速值的逆回归模型数据融合测强曲线。运用区间估计方法代替传统的点估计方法,导出结构混凝土强度的置信上限、下限和置信区间。给出混凝土强度的判定标准,在给定高置信度下对结构混凝土强度做出合格、不合格和待定结论的定量判断。该测强曲线比任何单一方法的测强曲线的精度高,减小偶然误差,能够消除无损检测中无法通过仪器校准的系统误差,并且解决了回弹值和声速值不同量纲的数据融合问题。     

基于多源数据融合的干线公交车辆行程时间预测

为提高城市中心区干线公交车辆行程时间的预测精度，在拟合公交车辆行程时间分布特征的基础上，提出基于多源数据的干线公交行程时间预测模型.对RFID及GPS检测器获取的实际数据进行预处理及分布拟合，其中混合高斯分布函数适用于单路段拟合，对数正态分布适用于多路段的拟合.采用皮尔逊相关性系数对影响行程时间的因素进行相关性分析，其中上游路段前2 个时间窗的平均行程时间的影响最大.分别采用ARIMA、改进的SVM模型对行程时间进行预测，其中改进的SVM模型的平均绝对百分比误差为6.26%，优于ARIMA模型的11.69%，更适用于短距离交叉口间的公交车辆行程时间预测.     

固定检测器和移动检测器的交通信息融合方法

固定检测器和移动检测器在检测参数、数据精度、覆盖范围、采集成本等方面存在较大差异,具有很强的互补性.分析了固定检测器与移动检测器进行信息融合的必要性,提出了交通信息融合的总体框架.在分别阐述了基于固定检测器和基于移动检测器的区间平均速度估计方法基础上,采用BP神经网络对区间平均速度进行信息融合.以上海市南北高架道路为对象,利用Vissim仿真软件对基于BP神经网络的交通信息融合方法进行了实例分析,结果表明,该方法可以明显提高区间平均速度的精度.     

基于浮动车移动检测与感应线圈融合技术的行程时间估计模型

综合考虑到浮动车检测技术与感应线圈检测技术的优缺点,为了提高道路行程时间估计的精度及完备性,提出基于浮动车与感应线圈的融合检测技术的行程时间估计模型。该模型利用神经网络技术对两种检测技术同一路段的检测数据进行融合,从而达到提高道路行程时间估计精度和完备性的目的。最后,以广州市7 000多辆装有GPS装置的出租车所提供的浮动车数据、100多个安装在广州市各主要道路口上的感应线圈检测器提供的感应线圈数据以及广州市交通电子地图为基础,在10条道路上分别随机选取的500个两种检测数据对提出的模型进行了验证,试验结果表明,此模型在道路行程时间估计的精度方面较浮动车移动检测技术与感应线圈技术有较大提高。     

遥感影像在电子地图生产中的应用

以SPOT、TM遥感影像为主要数据源 ,介绍了多源遥感影像融合技术以及电子地图的生产技术流程     

交通流数据处理系统的设计与开发

交通流数据处理系统为路网服务水平评价、最佳路径计算等提供了可靠的数据.分析了交通流数据处理需求,设计了集成数据采集、不精确数据校正、错误数据限定、丢失数据恢复、多传感器数据融合和数据分类功能的交通流数据处理系统,并介绍了系统总体结构和开发结果.     

水面舰艇信息融合的现状分析和发展研究

通过分析水面舰艇信息融合的作战任务,对国内数据融合技术现状从算法／建模等角度进行分析,并针对数据融合技术的难点和薄弱环节,从设备和工程急需的角度,提出水面舰艇数据融合所急需发展的技术,并针对数据融合后续技术的发展思路,提出了系统集成技术、技术薄弱环节、测试评估与实验验证等一系列需进一步研究的问题,最后给出需要重点研究的基本工作建议。     

机车轴承故障诊断中的多智能传感器技术应用分析

故障诊断技术是保证铁路设备安全运行的一项重要技术.分析传统机车轴承故障诊断方法中存在的不确定性,利用多智能传感器技术进行机车轴承故障诊断,建立融合诊断系统.该系统采用决策级融合方法来处理由于单个参数带来的诊断的不确定性.实验表明,这种方法能够有效解决基于单个参数诊断系统中带来的不确定性问题.因而它具有很强的理论意义和应用价值.