《支持向量机与证据理论在信息融合中的结合》PDF+DOC
作者:周皓,李少洪
单位:中国微米纳米技术学会;东南大学
出版:《传感技术学报》2008年第09期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFCGJS2008090210
DOC编号:DOCCGJS2008090219
下载格式:PDF + Word/doc 文字可复制、可编辑
《结合SVM与DS证据理论的信息融合分类方法》PDF+DOC2013年第11期 雷蕾,王晓丹
《采用D-S证据理论的双色红外小目标融合检测》PDF+DOC2005年第03期 李秋华,李吉成,沈振康
《一种改进的证据算法及其在信息融合中的应用》PDF+DOC2004年第04期 张乐星,罗志增
《基于DS证据理论的多传感器信息融合算法》PDF+DOC2012年第06期 康健,谷云彪,李一兵
《基于加权证据理论的模糊信息融合目标识别》PDF+DOC2012年第15期 刘兵,李辉,邢钢
《D-S算法在信息融合中的研究与实现》PDF+DOC2010年第01期 李轶,靳新
《多传感器冲突信息的加权融合算法》PDF+DOC2009年第03期 刘准钆,程咏梅,潘泉,苗壮
《发动机传感器数据证实的贝叶斯信度网络方法》PDF+DOC2007年第06期 唐雅娟,张为华
《用D-S证据理论实现多传感器信息融合的一种改进算法》PDF+DOC2006年第10期 张乐星
《目标识别中多传感器信息融合算法比较》PDF+DOC2013年第04期 蒋晓瑜,梁浩聪,王加,张旭帆
在多传感器信息融合中,DS证据理论是一种重要方法,但是它的基石基本概率分配(BPA)一般不易确定,从而使它的优势难以得到发挥。支持向量机(SVM)是建立在统计学习理论之上的一种新型学习算法,但SVM的硬判决输出却不便于进行多传感器信息融合。为便于信息融合,本文提出了一种具有BPA输出的二类SVM,通过分析Platt概率输出模型的实质与不足提出利用SVM精度下限对其进行加权处理来得到证据理论的BPA方法,实现了SVM与DS证据理论在信息融合中的结合。仿真结果表明通过本文方法可以实现多传感器的信息融合并大大降低了融合识别的误差率。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。