《基于D-S证据理论的振动目标识别研究》PDF+DOC

📙 相关资料

1. 《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。...
2. 《D-S证据理论在振源目标识别中的应用》PDF+DOC 本文采用D-S证据理论对振动目标脉冲宽度进行融合，可以很好地解决振动目标识别问题。地面目标激励产生的振动信号，主要受到运动状态、目标质量、传感器的距离以及地质条件等因素的影响。对传感器采集到的振动信号进行处理、特征抽取进而通过分类识别的方法可以确定产生地振动信号的目标类别[1]。...
3. 《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。...
4. 《证据理论在多传感器数据融合中的应用》PDF+DOC D-S方法作为一种重要的融合方法，已广泛应用于各种融合系统中。本文研究了证据理论在多传感器数据融合中的应用，并应用D-S方法，解在多传感器条件下的数据融合问题。最后将D-S方法与其他数据融合方法作了比较，说明了D-S方法的优越性和先进性。...
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. 《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。...
7. 《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......
8. 《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......
9. 《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......
10. 《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......