《多传感器目标识别的神经网络与证据理论结合方法》PDF+DOC

📙 相关资料

1. 《多传感器目标识别的神经网络与证据理论结合方法》PDF+DOC 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。...
2. 《目标识别中的人工神经网络应用》PDF+DOC 对分布式无人职守战斗单元的目标识别技术进行了研究 ，提出用模糊神经网络技术来识别战场目标 ，检验结果表明该方法具有较高的识别率...
3. 《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。...
4. 《一种融合ESM和红外传感器的飞机目标识别方法》PDF+DOC 针对单一传感器提供的信息不全面的缺点，提出了一种融合ESM和红外传感器的互补信息来进行目标识别的方法。该方法在神经网络的基础上，结合模糊集理论和D-S证据理论，获得了较高的识别率。最后通过飞机目标的仿真试验，证明了该方法是有效的、可行的。...
5. 《基于加权D-S证据理论的分布式多传感器目标识别》PDF+DOC 针对分布式多传感器环境下的目标识别问题，提出了一种基于加权D-S证据理论组合规则的决策融合方法。分析了多传感器目标识别系统的信息模型，指出传感器的决策可信度由其被支持度及与目标间的距离确定。将该可信度体现为加权D-S证据理论组合规则中的证据权值，综合考虑传感器支持度及其与目标距离，给出了权值确定方法......
6. 《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......
7. 《基于多传感器的神经网络和D-S证据理论在故障诊断中的应用》PDF+DOC 为提高滚动轴承故障诊断的准确性，本文提出了一种基于多传感器神经网络和D-S证据理论的故障诊断方法，并通过包含3个传感器的监测数据融合对模型进行了验证.首先，利用两个加速度传感器和一个声传感器采集滚动轴承的振动信号和噪声信号.其次，分别对两个加速度传感器的振动信号进行总体经验模态分解(Ensemble......
8. 《基于震动信号的神经网络目标识别》PDF+DOC 随着传感器技术的发展和信息融合技术的应用，信息的获取和处理进入一个全新的时期。在利用地面传感器获取目标地震信号特征的基础上，借助神经网络理论，解决基于地震动信号的典型目标的模式识别问题。并设计了一种带偏差单元的回归网络用于目标识别，通过实验仿真证明了带偏差单元的回归网络在模式识别中的优越性。...
9. 《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...
10. 《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......