《基于神经网络与D-S证据理论的多传感器目标识别技术》PDF+DOC

📙 相关资料

1. 《基于神经网络与改进D-S证据理论的目标识别》PDF+DOC 研究基于神经网络(NN)和D-S证据理论相结合对多传感器多测量周期进行数据融合的目标识别方法.采用中心式融合算法，利用神经网络对单个传感器不同周期的目标进行融合识别；利用D-S证据理论对识别信息进行全局融合，得到综合的目标识别，达到对目标识别的目的，并通过实例证明了该方法的有效性。...
2. 《基于神经网络与D-S证据理论的目标识别》PDF+DOC 针对目标识别中基本可信度分配需要专家知识在实际中难以实现的问题，提出一种基于神经网络和D-S证据理论相结合的多传感器数据融合的方法.该方法利用D-S理论来表示和处理不精确的、模糊的信息，发挥神经网络的自学习、自适应和容错能力，提高了系统识别率.最后通过实验，利用神经网络来处理证据理论中的基本可信度分......
3. 《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...
4. 《基于BP神经网络和D-S证据理论的火灾报警系统》PDF+DOC 将BP神经网络与数据融合理论中的D-S证据有机融合，提出一种决策级火灾报警识别方法。通过模拟实际输入信号的仿真结果发现，将BP神经网络和D-S证据理论相结合的多传感器数据融合技术，可以显著提高火灾的识别能力，有效降低火灾误报率，而且该系统具有良好的适应性，达到了预期效果。...
5. 《基于D-S证据理论的多传感器雷达辐射源识别模型》PDF+DOC 针对复杂电磁环境下多传感器获得的雷达辐射源信息具有不确定性的情况，利用灰色定权聚类法对大量的传感器数据进行处理，以简化雷达辐射源特征数据，在此基础上，探讨了通过灰关联分析确定证据理论中基本概率赋值函数的方法，并应用修正的D-S证据理论实现目标识别，通过仿真验证了该模型能够有效减小雷达辐射源所受的噪声......
6. 《基于神经网络和D-S证据理论的船舶类型识别》PDF+DOC 针对目标识别中基本可信度分配需要专家知识在实际中难以实现的问题，提出一种基于神经网络和D-S证据理论相结合的多传感器目标识别算法。该算法利用神经网络得到各目标的基本概率赋值，然后使用D-S证据理论对其进行时间域和空间域的融合。利用该算法对几种船舶目标进行身份识别仿真，结果表明，该算法能够有效提高目标......
7. 《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......
8. 《BP神经网络和D-S证据理论的目标识别》PDF+DOC 目标识别是指挥自动化系统的一个重要组成部分，针对现代战争对抗手段不断增强的特点，运用BP神经网络和D-S证据理论探索作战飞机机型的识别方法。前端采用3层BP神经网络结构，以传感器接收数据为输入，以神经网络输出作为证据，后端对不同传感器的证据按D-S理论进行融合，得到待识别目标的识别概率。经由M AT......
9. 《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......
10. 《BP和D-S结合的多传感器协同目标识别推理机制》PDF+DOC 针对多传感器协同目标识别的基本概率赋值在实际应用中存在容易导致决策可信度低等难以解决的问题，提出一种基于BP神经网络和D-S证据理论的多传感器协同目标识别的推理机制。简述了BP神经网络理论和D-S证据理论，构建了目标识别推理框架，推理了算法可行性，进行了实例仿真，通过信息融合，不确定性的基本概率赋值......