《BP神经网络和D-S证据理论的目标识别》PDF+DOC

📙 相关资料

1. 《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......
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. 《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。...
4. 《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......
5. 《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......
6. 《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......
7. 《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......
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......
10. 《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。...