-
公开(公告)号：CN102298728A
公开(公告)日：2011-12-28
申请号：CN201110236536.X
申请日：2011-08-17
Applicant: 电子科技大学
IPC: G06N3/08
Abstract: 本发明属于数据融合技术领域，公开了一种目标威胁程度评估方法。本发明的方法首先建立威胁评估量化模型，确定各威胁因素的威胁指数；然后利用威胁指数初始化BP神经网络结构；再根据PSO算法确定BP神经网络的初始权值和阈值；进而获得威胁评估程度。本方法通过把BP神经网络和PSO算法结合起来对目标威胁程度进行评估，即是先通过PSO算法确定BP神经网络的初始权值和阈值，进而加快了BP神经网络的收敛速度和收敛精度，可有效避免BP神经陷入局部极小值，在提高智能性的基础上降低了复杂度。
-
公开(公告)号：CN102322861B
公开(公告)日：2013-03-13
申请号：CN201110142931.1
申请日：2011-05-31
Applicant: 电子科技大学
IPC: G01C21/20
Abstract: 本发明属于多源信息融合技术领域，公开了一种航迹融合方法。包括：利用多传感器的观测信息建立数据间的相对距离矩阵；计算支持度函数，获得支持度矩阵，建立方程组，求解加权因子；将权因子与其相应的观测值相乘，分别滤波获取对应的滤波值，将获取的全部滤波值相加得到观测系数化后的滤波融合值；将滤波融合值作为状态更新输入值，利用Kalman滤波，分步对目标状态估计值进行估计更新。本发明通过对多传感器的观测信息进行观测系数化的滤波融合，在不增加数据处理复杂度的条件下，降低了观测信息不确定性对航迹融合的影响，同时在观测系数化滤波融合过程，考虑了观测信息的相关性，进而提高了观测精度，获得了对目标的可靠跟踪。
-
公开(公告)号：CN102322861A
公开(公告)日：2012-01-18
申请号：CN201110142931.1
申请日：2011-05-31
Applicant: 电子科技大学
IPC: G01C21/20
Abstract: 本发明属于多源信息融合技术领域，公开了一种航迹融合方法。包括：利用多传感器的观测信息建立数据间的相对距离矩阵；计算支持度函数，获得支持度矩阵，建立方程组，求解加权因子；将权因子与其相应的观测值相乘，分别滤波获取对应的滤波值，将获取的全部滤波值相加得到观测系数化后的滤波融合值；将滤波融合值作为状态更新输入值，利用Kalman滤波，分步对目标状态估计值进行估计更新。本发明通过对多传感器的观测信息进行观测系数化的滤波融合，在不增加数据处理复杂度的条件下，降低了观测信息不确定性对航迹融合的影响，同时在观测系数化滤波融合过程，考虑了观测信息的相关性，进而提高了观测精度，获得了对目标的可靠跟踪。
-
公开(公告)号：CN102298728B
公开(公告)日：2014-01-22
申请号：CN201110236536.X
申请日：2011-08-17
Applicant: 电子科技大学
IPC: G06N3/08
Abstract: 本发明属于数据融合技术领域，公开了一种目标威胁程度评估方法。本发明的方法首先建立威胁评估量化模型，确定各威胁因素的威胁指数；然后利用威胁指数初始化BP神经网络结构；再根据PSO算法确定BP神经网络的初始权值和阈值；进而获得威胁评估程度。本方法通过把BP神经网络和PSO算法结合起来对目标威胁程度进行评估，即是先通过PSO算法确定BP神经网络的初始权值和阈值，进而加快了BP神经网络的收敛速度和收敛精度，可有效避免BP神经陷入局部极小值，在提高智能性的基础上降低了复杂度。
-
-
-
Search Results
4
records
(took 0.014 seconds)
