《面向目标识别的水下多传感器信息融合技术比较研究》PDF+DOC

📙 相关资料

1. 《D-S证据理论在目标识别中的应用》PDF+DOC 根据地面目标运动引起的地震动信号的特征信息 ，应用多传感器信息融合的方法将目标正确分类 .首先根据地震动信号在频域和时频域的多种特征 ，应用BP神经网络模式识别法 ，将地面车辆目标分为轮式车、轻型履带式车和重型履带式车 .设计了一种以神经网络正确识别率作为基本概率赋值的方法 ，并应用D S证据理论进......
2. 《模糊神经网络与证据理论的飞机目标敌我识别》PDF+DOC 为满足复杂环境下目标敌我属性识别能力，提出了一种基于模糊神经网络(FNN：Fuzzy Neural Net-works)和证据理论的新敌我识别方法。该方法利用模糊神经网络和证据理论信息的处理能力，将敌我识别器(IFF：Identification Friend-or-Foe)、电子支援措施(ESM：......
3. 《信息融合在空间点目标识别中的应用》PDF+DOC 提出一种三级融合的多传感器信息融合空间点目标识别方法，将BP网络和D—S证据推理有效地结合起来.第一级融合采用神经网络进行识别，第二和第三级采用D—S证据理论进行识别.经过三级融合后可以提高系统的识别率，尤其是在有噪声的情况下.仿真实验验证了算法的有效性。...
4. 《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......
5. 《基于ANFIS和证据理论的信息融合研究》PDF+DOC 提出了一种基于自适应神经网络-模糊推理系统(ANFIS)和D-S证据理论相结合的信息融合方法.利用神经网络的学习功能提取模糊规则和调整隶属函数，然后用自适应神经网络-模糊推理系统的输出构造证据理论中的基本概率赋值，解决了证据理论中的基本概率赋值不易确定的问题.该方法实现了模糊推理、神经网络和证据理论......
6. 《基于模糊神经网络的D-S证据理论在多传感器信息融合中的应用》PDF+DOC 在多传感器信息融合中，D-S证据推理方法依靠其在不确定性处理算法中的优势，成为现在信息融合的最重要的方法。本文重点阐述证据理论中焦元爆炸问题，针对这一问题，提出基于模糊神经网络的D-S证据理论的信息融合结构。实验数据表明，这种信息融合结构，有效地提高了目标的识别能力。...
7. 《弹道中段目标雷达综合识别研究》PDF+DOC 中段是弹道导弹防御的主要阶段，也是目标构成最为复杂的阶段。数量众多的轻、重诱饵和弹体碎片使得基于单一特征、单次观测的目标识别并不能给出令人信服的识别结果。因此本文根据弹道中段目标的微动和结构特性，首先利用BP神经网络得到基于单一特征的各待识别目标的基本概率赋值，然后利用D-S证据理论实现当前观测周期......
8. 《基于Dempster-Shafer证据推理的水中目标多特征融合识别技术》PDF+DOC 多特征融合是将各种信息以某种优化准则组合起来，产生对观测目标的一致性解释和描述，从而形成比单一信息源更精取、更完整的估计和判决；文章重点研究了Dempster-Shafer证据理论，讨论了它的可应用性，在此基础上把决策融合策略与模糊自适应共振(FART)神经网络、所获取的特征知识相结合，实现了对三类......
9. 《一种基于支持度的抗干扰融合识别方法》PDF+DOC 针对传感器在受到干扰的情况下测量数据严重失真的问题，提出一种抗干扰的融合识别方法。该方法的核心思想在于给每个传感器分配相应的权值，权值分配的依据是各传感器的支持度。其他传感器对该传感器的支持度越小，则认为该传感器被干扰的程度越大，被分配到的权值越小。将加权融合后的测量数据输入RBF神经网络获取目标的......
10. 《基于小波矩和证据理论的图像目标识别算法》PDF+DOC 针对单传感器进行图像目标识别时识别率较低，判决阈值较为苛刻这一弱点，提出了一种小波矩和Dempster-Shafe(rD-S)证据理论相结合的多传感器信息融合图像目标识别算法。利用小波矩提取图像的平移、伸缩、旋转不变矩特征，BP神经网络获取待识别目标属性的基本概率分配，最后利用D-S证据理论将单传感......