基于Z-number和改进DS证据理论的风险评估方法

针对任务风险难度量、评估信息不确定性强等问题,提出一种Z-number和改进DS证据理论的风险评估方法。利用Z-number方法描述评估指标,得到各风险等级的初始基本概率分配（basic probability assignment,BPA）;基于信度熵和皮尔逊相关系数改进DS证据理论克服悖论问题进行信息融合,确定风险的最终等级;接着,基于信息融合结果引入Joussleme距离求解专家可信度。最后,以重装空投任务为例,验证本文所提风险评估方法的合理性,并对比分析不同改进DS证据理论方法得到的结果,验证所提方法的有效性和准确性。     

基于不可信证据源与冲突重分配的证据合成方法

针对D-S证据理论在高冲突下失效的问题,在比较修正原始证据源和重新分配冲突两种方法的基础上,提出一种新的合成规则,新方法用可信度修正证据的同时,把全局冲突分为两部分,并依据"全局冲突在全局分配、局部冲突在局部分配"的原则对冲突进行细化分配。通过仿真分析,并与其他方法比较,新的合成方法能更好地融合冲突证据,收敛速度快,具有较强的抗干扰能力。     

基于多源冲突数据聚类的态势估计方法

传统调和式态势估计方法在面对多源冲突数据时融合效果不佳。为此,提出一种基于冲突数据聚类的非调和式态势估计方法。首先利用迭代自组织数据聚类方法(ISODATA)对多源冲突数据进行聚类,然后利用频度和可信度对数据簇的重要性进行评估,最后得到态势估计结果。仿真结果表明,与传统态势估计方法相比,所提方法在融合多源冲突数据时能够得到可信度较高的态势估计结果。     

TOPSIS和灰色关联度结合的信号质量评估方法北大核心

针对弹药感应装定系统信号质量评估结果失准,受传统TOPSIS法在质量评估过程中出现欧氏距离相等,而无法实现明显区分的限制,提出将灰色关联度分析(GRA)与TOPSIS法相结合,以此来改进TOPSIS方法。该方法弥补了因指标间相关性而导致欧氏距离失效,又反映了数据曲线趋势上的相似性,是一种静态距离与动态趋势相结合的决策方法,评估结果更加合理。此外,熵权法和层次分析法(AHP)确定的组合权值兼有主客观性质,成为合理决策的前提。最后,通过在感应装定系统信号质量评估的应用验证了该方法的可行性与有效性。     

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.     

基于形状熵差的相似多目标检测方法

为实现靶场多目标图像的目标自动检测,利用多目标形状的相似性,提出一种基于形状熵差的目标检测新方法。提出了形状熵差的概念,将目标形状模型引入局部熵计算中,由局部内熵与局部外熵之差的极值点确定目标位置。基于此设计并实现了一种新的目标自动检测方法。通过实验证明了算法的有效性和鲁棒性。相比较于常见的一些目标检测算法,该方法具有更好的抗干扰能力和环境光照变化适应能力,可以应用于靶场多目标图像的目标检测,也可应用于其他类似的目标检测问题。     

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。