目标识别系统中的一种多传感器数据融合算法

Dempster证据组合规则在D-S证据理论中具有十分重要的作用。但在将Dempster证据组合规则应用于多传感器数据融合时,理论上仍有值得探讨之处。在对Dempster证据组合规则进行分析的基础上,提出了解决目标识别系统中多传感器数据融合的“一次Dempster联合法”,避免了原有算法中需多次采用Dempster证据组合规则来计算的问题,从而减少了计算量。     

基于前景理论和证据推理的混合型多属性决策方法

针对属性权重完全未知的混合型多属性决策问题,提出一种基于前景理论和证据推理的决策方法。通过直觉模糊数对精确数、区间数和语言变量3种混合型属性的决策信息进行统一,根据前景理论对决策信息进行转化;提出基于直觉模糊熵与相似度的属性可靠性评估方法,结合属性重要度确定属性权重;采用证据推理算法集结属性信息,得到方案的综合前景值,并以此进行方案排序。算例分析结果表明,所提方法具有较强的区分能力,能够有效降低决策结果的不确定性,对混合型多属性决策问题具有较好的适用性。     

基于证据理论的Bow-tie航空风险评估方法及应用

针对不确定条件下航空风险评估定量分析不足的问题,为科学量化航空风险中的认知不确定性对评估的影响程度,提出一种基于D-S证据理论的航空风险Bow-tie分析方法。利用专家经验作为证据,描述Bow-tie模型输入事件变量的发生可能性,引入节点依赖系数描述事件变量间相互影响关系;通过计算基本事件的Birnbaum重要度,进行灵敏度分析;并通过轮胎爆破事故实例,验证了方法的正确性,具有一定的工程应用价值。     

无人侦察海目标识别研究

海军无人机的任务是利用夜间电视、低亮度电视、前视红外和合成孔径雷达等各种传感器对广阔的海面进行监视,提供超视距瞄准数据及海战场态势的精确信息。本文把参数分类中的统计法--即证据理论与认识模型中的模糊集合论和模糊推理以及专家系统方法相结合,对海上目标识别进行证据分类及模糊推理融合。     

证据理论与模糊神经网络相结合的身份估计方法

重点研究了在数据融合身份估计领域中D-S证据理论与模糊神经网络相结合的多传感器数据融合方法。Demp-ster-Shafer证据理论方法是对Beyes决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知道等方面显示了很大的灵活性,但是在基于证据理论的身份估计融合中,基本可信度的分配是一个与应用密切相关的问题,也是实际应用中最难的一步。利用模糊神经网络来处理证据理论中的基本可信度分配问题,并对几种空中目标进行了身份估计数据融合,经计算机仿真实验证实了该方法的有效性。     

边防部门对毒品犯罪案件证据的搜集与审查

走私、贩卖、运输毒品犯罪案件是毒品犯罪案件中最严重的一类犯罪.研究探讨公安边防部门在边境管理区和沿海地区查获的走私、贩卖、运输毒品案件证据的形式和搜集方法,对案件的查处侦破具有重要意义.     

基于证据理论的多传感器目标识别

为了解决证据理论在具体应用中存在的问题,对Dempster组合规则思想进行了具体的分析,讨论了该组合规则存在的问题及现行的一些改进措施;针对空中目标识别问题,提出了综合运用各种改进思想的融合方法,并给出了识别过程的流程图。     

基于证据理论的多源信息目标识别

目标识别系统中多源传感器信息高度冲突时,利用DS规则直接融合得出的结果不合理,针对该问题,提出了期望证据融合算法。多个证据融合时,根据两证据间的矛盾信息大小确定其相互支持度,将证据支持度矩阵模最大特征值对应的特征向量归一化后得到各证据的权重系数,进而求出期望证据,并用DS规则迭代融合。通过数字仿真对多种方法进行了比较分析,表明期望证据法在传感器信息高度冲突时依然可以得到较为理想的融合结果。     

一种基于加权证据综合的综合评价模型

针对不确定性综合评价问题,提出了一种基于加权证据综合的综合评价模型。在证据理论基础上,通过引入“证据权”概念,使D-S证据合成公式能够对具有不同权重的多个评价信息进行综合,从而将评价过程转化为计算评价结果所处状态的可信度和对评价结果的证据综合,提高了评价结果的可信性。同时,在用AHP法求同层指标各因素的相对重要性权重时,对判断矩阵进行了优化。     

关于《非法证据排除规定》与刑事情报适格性的思考

根据刑事情报的诉讼价值体现与诉讼法律制度的联系,立足于公安边防刑事侦查工作实践,针对《非法证据排除规定》和《办理死刑案件证据规定》,就刑事情报与刑事证据的关系,证据适格性是情报转换证据的关键,《非法证据排除规定》中情报适格性解析几方面,对刑事情报的证据转换进行初步探讨。