BP神经网络和D-S证据理论的目标识别

目标识别是指挥自动化系统的一个重要组成部分,针对现代战争对抗手段不断增强的特点,运用BP神经网络和D-S证据理论探索作战飞机机型的识别方法.前端采用3层BP神经网络结构,以传感器接收数据为输入,以神经网络输出作为证据,后端对不同传感器的证据按D-S理论进行融合,得到待识别目标的识别概率.经由MATLAB编程对国内外几种主要机型的识别进行仿真研究,与现行目标识别方法相比较,能够更快速、准确、可靠地识别飞机目标,较好地满足了空战中作战指挥系统对飞机机型识别的需求.     

基于证据理论的常规导弹阵地生存防护研究

着眼于阵地生存防护对策分析中的不确定性,提出了一种基于证据理论判别来袭武器类型的方法,通过对武器威胁度的评估,建立了来袭武器威胁等级判据,构建了详细的生存对策,可为常规导弹阵地生存防护决策提供有效的辅助支持.     

基于D-S证据理论和AHP的故障诊断方法研究

提出了一种基于D-S证据理论和AHP的故障诊断方法,给出了基于AHP法的基本概率分配构造方法.最后,结合故障诊断实例,详细阐述了该诊断方法的应用过程,在对多个传感器提供的证据进行合成后,诊断结论的可信度明显提高,不确定性明显降低,证明该诊断方法合理有效.     

惯性导航系统故障诊断的不确定性问题研究

针对构造惯性导航系统 ( INS)故障诊断所面临的确定性和不确定性问题 ,提出了基于模糊集理论的诊断方法 ,并给出诊断系统自动获取不确定性证据和确定性证据隶属度的方法及函数 .认为对于确定性证据和不确定性证据可以用统一的方法和原则来处理 ,并建立了两类证据的实用数学模型     

D-S证据论在空中目标分类中的应用

首先叙述识别、分类空中目标时需使用多传感器融合技术,分析可利用的各类传感器和从其可得到的各种目标属性参数,以及各种数据融合方法.然后详细介绍了基于D-S证据论的3种多源信息融合分类空中目标方法,并对具体仿真应用结果作了比较.     

火灾调查的数值模拟探讨

随着火灾科学研究的逐步深入以及计算机技术的飞速发展，计算机模拟成为火灾科学研究中的重要手段之一。通过数值模拟研究手段为火灾调查提供依据，拓展创新火灾调查手段。     

论火灾现场物证的提取

火灾现场物证是火灾原因认定的证据之一,火灾现场物证的提取是关键,不同的火灾物证其提取方法不同,对火灾物证提取要求和方法进行了讨论。     

谈非法证据排除规则对边防毒品案件侦查工作的影响

2010年5月30日，最高人民法院、最高人民检察院、公安部、国家安全部、司法部联合发布的《关于办理刑事案件排除非法证据若干问题的规定》再次对非法证据的排除进行了明确的规定。基于此，对我国执行非法证据排除规则的现状，非法证据排除规则对边防毒品案件侦查工作的影响进行了探讨，并提出了相应对策。     

基于证据熵对不确定性度量的决策表约简

知识约简是粗糙集理论的核心内容之一,产生的粗糙决策规则往往具有一定的不确定性.在变精度粗糙集的基础上,本文构造了符合证据理论框架的一组焦元,利用基本概率分配函数计算了证据的总体信息熵,度量了决策表的不确定性;以该度量作为启发信息,给出了决策表的启发式知识约简算法.计算实例表明了本文方法的有效性.     

一种修正的冲突证据融合方法

对于冲突证据,D-S证据理论无法使用甚至无法得出正确的结果,进而引发了专家学者的研究。针对该问题,提出了一种新的冲突证据融合方法,建立了多传感器综合可信度的计算模型,根据综合可信度得到多传感器的合成结果,采用D-S证据理论对合成结果进行组合,既解决了高冲突问题,又解决了低冲突问题。最后通过仿真验证了该方法的有效性。