《D-S证据理论和粗集理论在数据融合中的应用》PDF+DOC

📙 相关资料

1. 《用D-S证据理论方法实现多传感器数据融合》PDF+DOC 对 Dempster- Shafer证据理论用于多传感器数据融合进行了分析 ，并将其应用于飞机目标识别的数据融合中。结果证明 ，多传感器融合后降低了识别结果的不确定性 ，较单一传感器的识别效果好。说明这一方法是一种有效的数据融合方法...
2. 《应用证据理论(D-S方法)解多传感器数据融合问题》PDF+DOC 应用证据理论 (D -S方法 ) ，解在多传感器条件下的数据融合问题。具体方法是根据多个传感器对目标类型判断的基本概率分配函数 ，不断添加新的传感器数据 ，更新信任函数和似然函数 ，最终判断目标类型。并且将D -S方法与其它数据融合方法 (如Bayes方法...
3. 《基于D-S证据理论的振动目标识别研究》PDF+DOC 提出了一种基于D-S证据理论对数据进行融合处理的方法。通过采用多个地振动传感器对人、车辆等目标发出的振动信号进行采集，然后对传感器采集到的地振动信号进行处理，解决目标识别问题并提高目标的识别率，实验结果表明文中提出的方法是有效的。...
4. 《应用D-S证据理论进行多传感器雷达体制识别》PDF+DOC 在阐述Dempster-Shafer(D-S)证据理论的基础上，较系统地论述了基于D-S证据理论的多传感器雷达体制识别的数据融合方法，并给出了具体的识别实例。实验结果证明了基于多传感器融合后的识别结果明显优于单传感器的识别结果，说明了D-S证据理论的有效性和先进性。...
5. 《基于D-S证据理论的多传感器多特征目标识别》PDF+DOC 传统多传感器环境下的目标识别方法主要有两种：利用多传感器获得的数据进行数据融合、利用每个传感器信号的特征向量进行特征融合。但这两种方法均存在目标识别精度不高的问题。针对这一问题，本文提出了一种基于D-S证据理论两次组合规则的融合方法。该方法在提出多传感器目标识别系统模型的基础上，运用D-S证据理论对......
6. 《D-S证据理论在多传感器融合中的应用》PDF+DOC 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...
7. 《基于模糊C均值聚类和D-S证据理论的多传感器信息融合技术研究》PDF+DOC D-S证据理论能很好地表达“不确定”和“未知”等信息融合中的重要概念，在多传感器信息融合领域得到了广泛的应用。针对传感器数量较多时，D-S方法计算量很大的问题，提出了利用模糊C均值聚类来减少证据体数目，再结合D-S证据理论进行信息融合的办法。实验数据表明，该方法大大减少了计算量，保证了目标识别的准确......
8. 《D-S证据理论方法在目标识别中的应用》PDF+DOC D-S证据组合理论已经成为不确定性推理的一种重要方法，基于该理论的多传感器决策层数据融合已得到广泛应用.介绍了D-S证据理论及其有关概念和D-S合成法则，阐述了基于D-S证据组合理论的数据融合一般步骤及决策层判决方法，运用D-S证据理论对目标进行了融合识别.与单一传感器的目标识别结果相比较，上述方法......
9. 《基于D-S证据理论的管道多传感器数据融合》PDF+DOC 为了保证管道检测的准确度与可信度，通常需要采用多种检测技术即多传感器对同一部位进行检测，但检测的数据量大繁冗，需要进行融合与处理。利用D-S(Dempster-Shafer)证据理论，建立了应用于管道多传感器数据融合的流程模型，阐明了数据的融合流程。算例中根据各个不同传感器对不同缺陷的检测置信度，利......
10. 《D-S证据理论在目标识别中的应用》PDF+DOC 分析了D-S证据理论用于多传感器数据融合的基本概念和理论，构造了融合结构，该结构通过预处理先对单一传感器在时域上融合，再对预处理后的数据进行多传感器数据融合，实验结果证明了目标识别的基本概率赋值有了明显提高，验证了这一结构的正确性和有效性。...