一种基于证据距离和不确定度的冲突数据融合方法

    公开(公告)号:CN107967487A

    公开(公告)日:2018-04-27

    申请号:CN201711202808.8

    申请日:2017-11-27

    IPC分类号: G06K9/62

    摘要: 本发明涉及一种基于证据距离和不确定度的冲突数据融合方法,属于无线传感器技术领域。该方法同时考虑证据之间的相互支持度与证据本身的不确定性,借鉴证据加权平均的思路,给出了基于证据距离和不确定度的冲突数据融合算法。首先,通过证据距离计算证据之间的相对距离,对证据之间的冲突性进行度量,将证据分为可信证据和不可信证据两类;之后利用信度熵对证据的不确定度进行量化,分别为两类证据分配相应的权重,再对证据的基本信度分配进行修正,最后运用Dempster融合规则计算得到最终的融合结果。本发明提出的基于证据距离和不确定度的冲突数据融合算法能够有效地解决数据冲突度问题,得到更加准确的融合结果。

    基于冲突度量和模糊推理的融合识别方法

    公开(公告)号:CN106529675A

    公开(公告)日:2017-03-22

    申请号:CN201610980393.6

    申请日:2016-11-08

    IPC分类号: G06N5/04 G06K9/62

    摘要: 本发明属于多传感器融合识别技术,针对机群作战目标识别,提出一种基于冲突度量和模糊推理的融合识别方法。考虑战场环境存在电磁干扰和欺骗对抗以及传感器平台高速高机动等客观因素,会导致多传感器决策结果不一致甚至冲突,从影响传感器决策结果的实际因素出发,利用模糊推理将实际因素转换为模糊效用值。然后根据各因素权重将模糊效用值转换为传感器的可信度,再利用可信度做证据转换,从而消除客观因素对传感器决策的影响。最后度量转换后的证据之间的冲突,若大于冲突门限,采用DSmT+PCR5推理方法,否则采用D-S推理方法。该方法适用于多传感器在机群作战环境下的目标融合识别。

    基于证据分类和冲突衡量的加权证据融合方法

    公开(公告)号:CN106650785A

    公开(公告)日:2017-05-10

    申请号:CN201610984406.7

    申请日:2016-11-09

    申请人: 河南大学

    IPC分类号: G06K9/62

    摘要: 本发明公开了一种基于证据分类和冲突衡量的加权证据融合方法,包括如下步骤:首先,获取多个传感器测量信息,转换为证据信息,然后,对上述每两个证据进行计算其是否具有一致性;如果有计算一致性冲突系数,如果没有计算非一致性冲突系数;然后共同求解证据的权重系数,通过权重系数对融合的证据进行修正,最后采用采用Dempster组合规则对修正后的证据进行逐个融合,输出最终目标识别的决策结果。本发明方案与传统算法相比,综合考虑证据之间单子集焦元基本概率赋值的差异和证据之间不同焦元交集不为空集部分的支持程度,共同衡量证据之间的冲突程度,在此基础上确定融合证据的权重系数,并对融合证据进行修正,具有重要的理论意义和应用价值。

    基于谱聚类分析下多特征信息加权融合的故障诊断方法

    公开(公告)号:CN108710756A

    公开(公告)日:2018-10-26

    申请号:CN201810479820.1

    申请日:2018-05-18

    IPC分类号: G06F17/50 G06K9/62

    摘要: 本发明涉及一种基于谱聚类分析下多特征信息加权融合的故障诊断方法,该方法首先对故障设备进行谱聚类分析,其次通过获取各SVM局部诊断证据对各故障模式的可靠度,同时,由各SVM局部诊断硬输出判决矩阵构造出基本概率分配,并对基本概率分配进行加权处理,获取可信度和不确定度,最后通过设定的诊断规则,结合可信度和不确定度进行诊断。与现有技术相比,本发明考虑了不同来源的证据对辨识框架中各命题的识别具有不同的可靠性,降低了各SVM局部诊断间的冲突,实现了SVM和改进证据理论的有效结合,进而解决了识别的不可靠性造成的合成结果不能反映客观事实的缺点。

    一种风机齿轮箱故障诊断方法

    公开(公告)号:CN106127184A

    公开(公告)日:2016-11-16

    申请号:CN201610520150.4

    申请日:2016-07-05

    发明人: 刘周群 陈国初

    IPC分类号: G06K9/00 G06K9/62 G06N3/08

    摘要: 本发明公开了一种风机齿轮箱故障诊断方法,在风机齿轮箱的多个检测点上安装振动传感器组成多传感器系统;将多个传感器采集到的各路振动数据进行抗混叠滤波处理,抗混叠滤波采用小波阈值去噪法;采用基于本征模态函数的信息熵特征提取方法提取各路振动数据的特征,将由各路振动数据求得的特征向量T输入BP神经网络完成故障属性判决;各个子BP网络的属性判决结果处理后,计算出各证据下各种故障属性的广义基本置信分配,假设BP神经网络输出为A=[a1,a2,...ak],则由该证据得到的广义置信分配为m=[m1,m2,...mj];运用DSmT决策理论,将由各路证据得到的广义置信分配进行故障属性决策融合从而得到风机齿轮箱故障类型。

    一种基于广义证据理论的多光谱图像未知目标识别方法

    公开(公告)号:CN107967449A

    公开(公告)日:2018-04-27

    申请号:CN201711135254.4

    申请日:2017-11-13

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明基于多光谱图像,提供一种用广义证据理论实现面空背景下未知目标识别的方法,涉及目标识别、图像处理领域。本发明对目标、云、天空建立三角模糊模型,将模型展宽后对像素点分类,根据像素点分类结果判断是否有未知目标,并用像素点分类结果更新当前三角模糊数模型。本发明采用广义证据理论对像素点分类,此分类方法较好的融合了不同波段的图像信息,能够实现未知目标的判别,具有计算简单、实时性好的优点;本发明提出的随机干扰排除方法,很好的排除了随机干扰导致的误判。