《基于D-S证据理论和BP神经网络的多传感器信息融合》PDF+DOC

📙 相关资料

1. 《基于BP神经网络与D-S证据理论的车辆识别模型设计》PDF+DOC 为了提高车辆识别的准确性，采用BP神经网络与D-S证据理论的车辆识别模型对多源信息中的目标车辆进行信息识别。研究结果表明，采用基于BP神经网络与D-S证据理论的车辆识别模型可以使车辆识别的不确定性基本概率赋值下降到0.001，较好地解决了只用单一传感器进行车辆识别时存在的准确性和稳定性差的问题。...
2. 《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。...
3. 《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......
4. 《D-S证据理论近似算法在数据融合中的应用》PDF+DOC 论述了基于D-S证据理论的多传感器数据融合方法。通常在强冲突情形下证据组合规则的组合结果是不符合常理的，其不同证据源的冲突处理成为数据融合的主要问题之一，文中提出了一种解决证据冲突情况下的近似算法。仿真结果表明该方法是有效的和可行的。...
5. 《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......
6. 《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......
7. 《基于BP网络与D-S证据理论的态势估计问题研究》PDF+DOC 针对D-S证据理论应用于态势估计过程中，基本概率赋值函数难以确定的问题，提出一种基于神经网络获取基本概率赋值函数再进行证据组合的方法。首先，在传感器探测和0级处理、1级处理的基础上，将各时刻传感器所探测目标的状态、属性、类别、事件等提取出来；然后，经过预处理后利用BP神经网络进行敌目标意图分类识别；......
8. 《基于D-S证据理论的鸡蛋新鲜度多传感器融合识别》PDF+DOC 为提高无损检测在判断鸡蛋新鲜度方面的稳定性和模型适应性，通过D-S证据理论和BP神经网络将电子鼻和机器视觉两种传感器在特征层进行融合，构建了鸡蛋新鲜度的融合模型。探讨了一种可以弥补D-S证据在信息融合过程中不足的改进方法。验证试验结果表明：通过融合优化，不确定性的基本概率赋值下降到0.01以内，解决......
9. 《采用粗BP神经网络和D-S证据理论的目标识别》PDF+DOC 为克服传统的目标识别方法的不足，提高目标识别的实时性和准确性，提出将粗BP神经网络与D-S证据理论相结合的识别模型。在多传感器数据融合中利用粗集理论对大量的传感器数据进行处理，对输入信息进行约简，剔除冗余信息，简化了生成规则和BP神经网络模型结构，提高了网络训练速度和运行速度。以BP神经网络输出作为......
10. 《基于D-S证据理论的多模复合制导目标识别》PDF+DOC 多传感器信息融合已成为现代条件下目标识别的重要手段。研究基于D-S证据理论的多传感器信息融合算法，提出一种基于Dempster-Shafer理论的推广方法以解决融合信息的证据冲突问题，并将其用于红外成像/毫米波复合制导系统，进行目标识别的决策信息融合，结果比较理想，能够有效地化解证据间的冲突问题。...