《基于D-S证据理论的多传感器多特征目标识别》PDF+DOC

📙 相关资料

1. 《用D-S证据理论方法实现多传感器数据融合》PDF+DOC 对 Dempster- Shafer证据理论用于多传感器数据融合进行了分析 ，并将其应用于飞机目标识别的数据融合中。结果证明 ，多传感器融合后降低了识别结果的不确定性 ，较单一传感器的识别效果好。说明这一方法是一种有效的数据融合方法...
2. 《D-S证据理论在多传感器融合中的应用》PDF+DOC 详细介绍了Dempster Shafer证据理论 ，介绍了它在多传感器融合 (MSF)中的应用 ，并举了一个具体的例子 ，实验结果验证了其有效性...
3. 《D-S证据理论和粗集理论在数据融合中的应用》PDF+DOC 提出了一种由粗集理论和D S证据理论结合的多传感器数据融合方法 ，并将其应用于目标识别中。在目标识别的数据融合中 ，利用粗集理论对大量的传感器数据进行处理 ，判断出冗余传感器 ，得到传感器的最简组合 ，从而简化特征数据。然后利用D S理论实现目标的分类 ，改进分类的效果。因此 ，将两种方法结合起来应......
4. 《基于D-S证据理论的多传感器数据融合》PDF+DOC D-S证据理论可以有效地处理不确定信息，是有效的数据融合方法之一，但在证据高度冲突时，其归一化过程会产生有悖常理的结果。针对这个问题，国内外的学者提出了许多不同的改进方法，基本上可分为两类：修改组合规则和修改融合模型。在此总结分析了相关的国内外典型文献的改进思想，并进行系统条理的分析，为证据理论的发......
5. 《基于D-S证据理论的多传感器雷达辐射源识别模型》PDF+DOC 针对复杂电磁环境下多传感器获得的雷达辐射源信息具有不确定性的情况，利用灰色定权聚类法对大量的传感器数据进行处理，以简化雷达辐射源特征数据，在此基础上，探讨了通过灰关联分析确定证据理论中基本概率赋值函数的方法，并应用修正的D-S证据理论实现目标识别，通过仿真验证了该模型能够有效减小雷达辐射源所受的噪声......
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. 《D-S证据理论及其改进算法研究》PDF+DOC 在多传感器数据融合中，D-S证据理论对于处理不确定性问题是一种有效的方法。但是，当证据严重冲突或完全冲突时，利用D-S证据理论法计算容易给出错误的结果。改进的证据理论法虽然解决了上述问题，但通过分析数据试验发现改进方法在处理一般的证据时效果不理想。文章将经典证据理论和改进方法相结合，发挥两种方法的优......
8. 《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。...
9. 《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。...
10. 《组合D-S证据理论在多传感器信息融合中的应用》PDF+DOC 在多传感器的目标跟踪领域中，Dempster-Shafer证据理论及其组合方法得到了广泛的应用，但该理论本身也存在一些不足之处。针对D-S组合规则无法解决冲突证据这一情况，根据传感器的优先级不同，提出了采用组合的改进算法来取得合乎直观的合理结果。该算法简单，避免了复杂的数学运算，具有良好的工程应用背......