《基于D-S理论和神经网络的多传感器信息融合方法》PDF+DOC

📙 相关资料

1. 《一种导游服务型机器人设计》PDF+DOC 针对某科技馆提出的要求，设计了一种导游服务型机器人。该机器人由机械系统、运动控制系统、传感器系统组成。完成了移动底盘、手臂、头部等机械结构设计；通过对运动控制卡和步进电机特性的研究提出运动控制方案；设计了一种基于光电传感器的寻线导航方案，并通过试验调试对寻线导航方案进行优化。实验证明，机器人能够完成......
2. 《高阶神经网络与D-S方法在数据融合中的应用》PDF+DOC 讨论了数据融合与高阶神经网络的串行结合。根据Dempster Shafer证据理论的基本原理 ，利用多传感器多周期测量条件下命题不确定性度量的融合算法公式 ，进行命题的空间和时间融合 ，以达到空中目标的敌我识别。将融合后的最终结果输入到高阶BP神经网络中 ，通过目标向量样本的训练 ，输出相应的目标类......
3. 《基于主元分析和D-S证据理论的传感器故障诊断与应用》PDF+DOC 针对井下传感器状态类型复杂多变、被测参量数据庞大等问题，采用主元分析法对数据进行降维处理。利用RBF神经网络实现特征层数据融合，并建立基本信任分配函数，再以证据理论对非精确信息的表示和推理优势，有效实现了故障检测和分离。实例仿真表明，利用主元分析和D-S理论能正确定位并准确分离出失效传感器。...
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. 《基于神经网络与D-S证据理论的多传感器目标识别技术》PDF+DOC 为了满足目标识别的需要，多传感器的数据融合技术已经成为研究的热点。D-S证据理论是多传感器信息融合中最常用的一种处理不确定问题的方法，在基于D-S证据理论的目标识别融合中，基本概率赋值的获取是一个难点。使用神经网络中应用最广泛的BP神经网络来求基本概率赋值，再结合D-S理论进行目标识别。结果表明这种......
6. 《雷达专家系统目标识别和红外图像目标识别的D-S融合》PDF+DOC 本文从雷达专家系统目标识别和红外图像目标识别算法分别得到带识别目标所属类别的基本概率分配函数。用D-S证据理论将得到的两个基本概率分配函数组合，最终实现了机载雷达和红外成像传感器的数据融合。仿真表明：融合后的识别效果要比单个雷达或单个红外传感器的识别效果要好得多。...
7. 《基于改进BP神经网络的移动机器人寻线控制》PDF+DOC 神经网络系统具有自学习和自适应的能力，同时有很强的容错性和鲁棒性，适用于处理难于语言化的模式信息。为使移动机器人沿地面标志线自主运动，采用CCD图像传感器与PC/104总线相结合的硬件系统，运用神经网络的模式识别功能，实现了机器人的寻线控制，实验结果表明该方法是可行的，能有效地提高移动机器人对环境的......
8. 《D-S证据理论在便携式室内环保监控仪中的应用》PDF+DOC 为解决便携式室内环保监控仪在信息处理中的不确定性问题，提出一种改进的基于D-S证据理论的多传感器数据融合算法及融合结果的目标判定原则。该算法和判定原则以室内空气监测数据为研究对象，对室内空气质量进行等级评估，并根据评估结果控制室内环保监控仪动作。试验表明，改进的D-S证据理论的数据融合算法和判定结果......
9. 《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......
10. 《基于神经网络的移动机器人多传感器数据融合研究》PDF+DOC 针对单超声波的测距缺陷，采用多个超声波结合红外开关共同测距，提高整体测量精度；针对BP神经网络训练收敛速度慢，容易陷入局部极小值等缺点，加入动量-自适应因子来改进BP神经网络；将改进的BP应用于移动机器人传感器旅行家Ⅱ号数据融合中，实践证明，经改进后的BP神经网络收敛精度高误差小，融合后的信息比未经......