《采用粗BP神经网络和D-S证据理论的目标识别》PDF+DOC

📙 相关资料

1. 《BP神经网络和D-S证据理论的目标识别》PDF+DOC 目标识别是指挥自动化系统的一个重要组成部分，针对现代战争对抗手段不断增强的特点，运用BP神经网络和D-S证据理论探索作战飞机机型的识别方法。前端采用3层BP神经网络结构，以传感器接收数据为输入，以神经网络输出作为证据，后端对不同传感器的证据按D-S理论进行融合，得到待识别目标的识别概率。经由M AT......
2. 《基于神经网络与改进D-S证据理论的目标识别》PDF+DOC 研究基于神经网络(NN)和D-S证据理论相结合对多传感器多测量周期进行数据融合的目标识别方法.采用中心式融合算法，利用神经网络对单个传感器不同周期的目标进行融合识别；利用D-S证据理论对识别信息进行全局融合，得到综合的目标识别，达到对目标识别的目的，并通过实例证明了该方法的有效性。...
3. 《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......
4. 《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 针对多传感器信息融合的基本可信度分配在实际应用中难以解决的问题，提出了一种基于D-S证据理论与BP网络相结合的多传感器信息融合的改进方法。该方法充分发挥BP神经网络自学习、自适应和容错的能力，利用BP神经网络处理证据理论的基本可信度问题，再利用D-S证据理论来处理不精确、模糊的信息。最后通过一个实例......
5. 《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。...
6. 《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......
7. 《一种基于ESM和红外传感器决策层信息融合的目标识别方法》PDF+DOC 针对异类传感器目标识别的问题，提出了一种融合ESM和红外传感器的互补信息进行目标识别的方法。该方法首先利用了神经网络在目标识别中的优越性，完成目标初步分类；其中对于ESM的输出结果，运用粗集理论的方法实现辐射源类型向目标类型的转化；最后将网络每次的输出作为一条证据，在决策层上利用改进的D-S理论方法......
8. 《基于BP神经网络和D-S证据理论的滚动轴承故障诊断方法研究》PDF+DOC 针对单一传感器对滚动轴承故障信息的识别具有不确定性的缺陷，提出了基于BP神经网络与D-S证据理论的多传感器信息融合的方法。将BP神经网络的输出结果进行归一化处理作为各焦元的基本概率分配，轴承的5种故障类型作为系统的识别框架，根据Dempster合成法则进行决策级融合。试验结果表明，利用该方法对轴承的......
9. 《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。...
10. 《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......