国家地震烈度速报与预警工程融合决策平台建设

为满足国家地震烈度速报与预警工程(以下简称“国家预警工程”)紧急地震信息对外服务要求,针对国家预警工程建设多算法多中心融合决策的主要技术难题,结合地震监测学科的技术发展现状和学科管理需求,地震监测预警业务系统迫切需要一个用于地震预警、参数速报和烈度速报分系统产出一套全国统一结果的融合决策平台。在国家预警工程定制软件项目实施过程中,建设了国家地震烈度速报与预警工程融合决策平台,其作为国家预警工程数据处理系统与紧急地震信息服务系统之间的关键信息通道,负责汇集融合国、省两级多中心地震预警和速报分系统的多套处理算法的处理结果,进行多个处理结果的同一地震事件判断及其可靠性判定,基于多个策略的信息优选和融合决策处理,产出融合决策后唯一、可靠、及时和准确的预警和速报信息结果。该结果经紧急地震信息服务系统的发布平台对外发布,社会公众、政府机构和特定专业用户可以基于收到的地震预警和速报信息进行防灾避险或应急救援。

多特征SVM-DS融合决策的缺陷识别

分析超声检测缺陷信号模式识别中存在的问题。提出一种将支持向量机(Support vector machine,SVM)和DS(Shafer-Dempster)证据理论相结合的多特征融合决策识别方法。阐述支持向量机解决分类问题的原理以及证据理论中的Dempster合成规则。将证据理论中的识别框架引入到缺陷类型识别,设计多缺陷类型的多特征SVM-DS融合决策规则。介绍4种不同空间域的特征提取方法以用于多特征融合决策识别。分别将单特SVM识别和SVM-DS融合决策识别应用于石油套管4种典型缺陷的识别。对比试验表明:SVM-DS融合决策识别方法能有效识别上述典型缺陷,其在识别率和泛化性方面都比单特征的SVM识别有优势。

基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断

针对滚动轴承早期故障特征微弱且难以有效辨识的问题,提出一种基于tSNE-ASC特征选择和DSmT融合决策的滚动轴承声振信号故障诊断方法。利用多个传感器采集轴承在不同故障模式下的声振信号,将每个信号通过VMD分解得到K个IMF分量;对各个IMF分量进行特征提取,构建各个特征的数据集矩阵;利用tSNE将各特征数据集矩阵降维至二维,计算平均轮廓系数(ASC);根据ASC大于临界值提取出声振故障信号的敏感特征;基于诊断模型实现轴承故障的初级诊断;利用DSmT将声振信号初级诊断结果进行融合决策,得出最终的诊断结论。实验结果表明:基于tSNE-ASC的特征选择方法能有效提取混合域特征中的敏感特征,在不同工况、不同诊断模型中均具有很高的诊断精度;DSmT决策融合有效降低了单一信号诊断的不确定性,在变载荷和升降速非平稳工况下均有很高的诊断精度。

基于隐Markov模型的多节点融合决策并发故障诊断

为了能够有效地检测出无线传感器网络中的故障节点,并对故障节点进行准确的诊断,提出一种基于隐Markov模型的多节点融合决策并发故障诊断算法。该算法采用有向图的知识构建网络节点的连接图,通过节点连接图来判定网络节点是否发生了故障,并采用隐Markov模型对故障节点状态进行预测,从而排除由于节点剩余能量不足而导致的误判。而在故障节点的诊断上,考虑到多种故障原因使得诊断方法复杂化,因此采用了多节点融合决策的故障节点诊断方法。该方法采用故障节点与其相邻节点之间同时进行故障验证,具有更低的运算量和准确度。实验仿真表明,该故障诊断方法在节点故障状态的正确划分率、误判率以及算法运行速度上都达到了较好的效果。

基于层次模型和融合决策的多姿态人脸识别技术

该文提出了基于层次模型和融合决策的多姿态人脸识别技术,它首先把各人脸按姿态分成几个大类,并且对各大类按人脸个体分成相应子类,然后对各个大类分别进行基于特征脸的人脸识别,最后对各个姿态的人脸识别中间结果进行融合决策得到真正的人脸识别结果,该算法同时也提供了其姿态识别结果,并且大大减小了耗时,该文算法对ORL,UMIST,Stirling数据和一些自拍数据共1200幅人脸图像进行了识别测试实验,其结果令人鼓舞。

SR-CNN融合决策的眼部状态识别方法

为了研究人眼状态识别对人眼定位的依赖性和实际使用中分类模型泛化能力不佳的问题,本文提出了一种基于选择性区域的卷积神经网络的融合决策的眼部状态识别方法。该方法用SR方法预处理wild人脸数据集,扩大了训练集的规模并引入了对眼部的先验知识,在此基础上训练卷积神经网络的分类模型进行眼部状态识别的评估。对比实验结果可知,基于SR-CNN融合决策的眼部状态识别方法测试的准确度能达到95%左右,显著降低了测试错误率,提高了模型的泛化能力和准确性。

融合决策下的数字序列跌倒检测方法

跌倒已成为老年人因伤致残的首要原因,及时准确地对跌倒事件示警是救助工作中非常重要的一环。为提高跌倒检测的准确率,提出了一种兼顾高维数字序列整体性和不同维度特异性的融合决策下的跌倒检测方法。对获取于手腕便携式传感器的输入数字序列根据合加速度的显著性进行窗口分割,保证数据时序性的同时提高跌倒信息的可辨识性。引入气压差字段和体温字段,建立具有九轴特征的归一化数字序列,探索更多与跌倒检测相关的信息。根据集成学习中具有互补性的梯度提升决策树(gradient boosting decision tree,GBDT)模型和随机森林(random forest,RF)模型的回归分类结果进行融合决策,得出跌倒事件是否发生的分类判别。实验结果显示,本文方法在自测数据上具有比单一采用GBDT模型和RF模型更高的跌倒检测准确率,在UR Fall和UMA Fall公开数据集上,文中提出的融合策略同样具有优异的跌倒检测准确率,说明了该方法的有效性和泛化能力。

双层多源主观证据融合决策方法

在层次结构显著、决策执行过程具有次序性的层次性决策中,为解决由决策主体给出的主观证据之间同时存在独立与相关2种关系的融合决策问题,结合该类决策的特征,提出一种能够规避管理者主观证据多次重复合成的融合决策方法,并通过去合成规则将相对简单的2个相关证据合成规则,拓展为更具普适性的多源相关证据融合规则,在此基础上按照由上至下、由内至外的次序,应用给出的相关证据融合规则和Dempster组合规则,构建适用于双层多源主观证据融合决策的方法步骤,并描述层次权重在决策过程中的目标导向作用。应用不同方法对同一决策问题进行数值模拟求解,分析结果表明,该方法与传统方法相比,更具科学有效性。

面向受攻击WSN的基于线性权重的融合决策模型

针对受攻击无线传感网络(WSNs)的二值事件检测问题,提出基于线性权重的融合决策模型。在LWFF模型中,每个节点向融合中心传输自己单比特的决策意见,然后由FC进行最终的融合决策。为了提高决策的准确性,利用修改偏转系数算法,推导每个节点的融合权重,该融合权重是关于节点的局部虚警率、检测率以及恶意节点篡改决策意见的概率(篡改概率)的函数。同时,推导了使FC决策错误的篡改概率最小值和恶意节点的最小比例。最后,基于LWFF模型,分析了检测性能。实验数据表明,提出的LWFF模型,有效地提高了检测性能。

基于SVM-DS证据理论融合决策的故障诊断方法

针对复杂工况下单传感器对于装备故障诊断识别率低、证据缺乏、数据冗余等问题,提出一种基于支持向量机(SupportVectorMachine,SVM)结合D-S证据理论的多维度特征数据融合决策故障诊断方法。首先,通过多种方法提取特征构建SVM分类器,对故障类型进行初步分类;然后,将Sigmoid函数作为传递函数,利用SVM分类器对测试数据进行分类,获取测试样本的后验概率并得到测试样本的混淆矩阵;最后,根据混淆矩阵求出局部可信度与全局可信度,并与后验概率相结合实现基本概率分配函数赋值,通过融合计算得到最终诊断结果。实验结果表明,融合后的分类器模型对内圈故障类型分类准确率达100%,对正常和滚珠类型分类准确率为95%,对外圈故障分类准确率为90%。采取多特征融合诊断相较于单一方法有较高准确率和鲁棒性,可有效降低单一特征提取所带来的不稳定性。

融合决策型网络安全技术在海上作战中的应用

融合决策型网络安全是近年来新兴的网络安全技术,其能够综合多种不同系统的安全态势信息,对复杂安全环境进行安全性分析和评价,从而克服传统单安全系统在多安全威胁环境下使用的局限性。随着信息技术和武器装备的不断发展,现代海战正向越来越智能化、越来越快速化的方向发展,舰队的通信网络往往需要面对复杂的安全环境和来自不同领域的安全威胁,而传统的预警手段难以应对如此复杂的情况。针对这种情况,本文对融合决策型网络安全技术在海上作战中的应用进行研究,并提出初步解决方案。

基于多分类器融合决策的车辆鸣笛声识别方法

针对复杂交通场景下的车辆鸣笛声识别问题,提出一种基于多分类器融合决策的声音分类识别方法。提取道路噪声、汽车鸣笛声、紧急车辆鸣笛声音频的时域能量、过零率及频域梅尔频率倒谱系数作为特征,采用支持向量机(Support Vector Machine,SVM)、朴素贝叶斯网络、随机森林作为分类识别器,通过融合三个识别结果,并综合考虑时序关联关系,实现对不同车辆鸣笛声的检测识别。试验表明,融合决策达到了互补提升的效果,有效提高了识别的准确率。

基于改进D-S证据理论的滚抛磨块融合决策模型

目的为了能够有效利用滚磨光整加工数据库平台的案例知识和专家经验,提高新零件加工时滚抛磨块优选的准确率,解决不同优选方式优选结果的冲突问题。方法将案例推理、专家推理、迁移学习3种优选方式的滚抛磨块优选结果作为3种证据,根据3种优选方式计算的相似度结果构建滚抛磨块决策辨识框架,并采用合理的方法确定基本概率赋值。然后依据按冲突信息的比例分配基本概率赋值的方法对证据合成公式进行改进,避免传统的D-S证据理论在证据间高度冲突时出现融合结果有悖于实际情况的问题。接着采用改进的证据合成公式对3种证据进行融合决策。最后利用数据库平台中工厂加工实例数据进行仿真。结果基于数据库平台中已有的成功案例结果,通过仿真结果可以表明,该改进的融合决策模型可以解决不同优选方式优选结果之间的冲突问题,解决了原始合成公式的弊端问题,且融合决策结果较3种方法单独使用时具有更高的准确率,该融合决策模型的准确率达到88%。结论基于改进D-S证据理论的滚抛磨块融合决策模型,可以为滚磨光整加工时滚抛磨块的智能优选提供决策指导。

基于多尺度小波融合决策的宽带频谱感知

针对宽带无线频谱范围内同时存在多个带宽悬殊信号的场景,提出了基于多尺度小波融合决策的宽带频谱感知算法。对接收信号进行滑动平均滤波,根据采样率和频率分辨率划分宽中窄带信号,并设置相应的小波变换尺度候选集,对宽中窄带信号进行串行多尺度小波融合决策获得频谱感知结果,解决了传统算法无法有效感知不同带宽信号的问题。仿真结果表明,提出的算法能有效检测宽带范围内信号的个数、带宽和载频等参数,且优于传统的多尺度感知算法。

基于融合决策的负荷事件识别方法

负荷事件识别是基于事件的非侵入式负荷监测方法中的关键步骤之一。文中提出了一种融合决策的负荷事件识别方法,通过将三种不同原理的负荷事件识别算法的识别结果进行投票,得出最终的识别结果。相较于单独的识别算法,该方法可以有效地提高负荷事件识别的准确率。此外,该方法可以根据三种算法的不同结果判断出异常的负荷事件。

基于多特征的多分类器融合决策印鉴识别

印鉴真伪鉴别的难点在于由于人工加盖印鉴时,用力的不同,媒介的不同会导致真印鉴的差异与伪造印鉴的差异很难提出一个标准进行自动区别。要求识别系统同时具备同类印鉴的鲁棒性及异类印鉴的敏感性。针对这一难点,该文提出了一种基于多特征的多分类器融合决策算法,根据多类特征以及多种分类器的不同特性,获得对真伪印鉴的鉴别。采用Gabor滤波器获得频率特征,采用差图像获得结构特征,采用原图像和极坐标图像的奇异值获得不变量特征。采用支持向量机(SupportVectorMachine,SVM)和Fisher分类器进行融合决策对印鉴进行真伪鉴别。实验表明,该文方法具有很高的真伪鉴别能力。

基于融合决策的网络安全态势感知技术研究

随着互联网技术的不断发展,网络环境呈现出了复杂化的特点,相应的安全威胁问题随之凸显,在此背景下,基于安全日志与警报形式的不断复杂化,采用传统的处理方式显然已经无法满足实际需求,而网络安全态势感知技术的诞生则能够为明确网络安全环境状况以及发展趋势提供技术基础,进而针对安全威胁迅速做出响应。针对基于融合决策的网络安全态势感知技术展开了研究与探讨,以供参考。

重大工程项目多源索赔冲突信息融合决策的D-S算法

重大索赔处理往往是多方共同参与决策的过程,多源决策者对重大工程项目索赔干扰事件的判断具备很大的冲突认知随机性,如何科学把握决策对象实质是亟待关注的问题。针对多源冲突情况下的决策信息特性,提出重大工程项目多源索赔冲突信息融合决策框架,分析融合决策的D-S(Dempster-Shafer)算法。研究表明,该方法能够对多源索赔冲突信息进行融合决策,在多源冲突条件下满足各方利益,降低索赔决策对工程进程带来的负面影响。

一二次融合配电开关的融合决策及故障诊断研究

针对一二次融合配电开关设备运行过程中实时数据标准化度、采集准确度和处理效率低,导致决策水平融合性差以及故障诊断误差大突出等问题,文中提出了基于不同信息类型的分类、识别与融合决策方法,形成了标准化的数据源。在此基础上开发了基于决策层的融合算法、一二次融合开关设备实时运行数据准确采集与高效处理技术和BP神经网络故障模型的故障快速诊断系统,通过大幅提高实时运行数据采集精度和处理速度,为用户赢得提前处置故障信息的宝贵时间,当运行中的一二次融合配电开关设备发生故障时能够及时向用户发出预警及对故障隔离。经试验验证,该系统具有采样准确率和处理效率高的特点,为一二次融合配电开关设备在电力系统中全面应用提供了技术支持。

基于改进Grabcut分割与多特征决策融合的电力线放电痕迹识别

电力线触树故障中,导线表面的遗留痕迹是事故防治和责任认定的重要依据,但目前中外针对触树后电力线放电痕迹特征规律和辨识方法的研究极其匮乏。为此,搭建10 kV中压线路触树放电实验平台,采集放电后的导线表面痕迹图像,并对导线表面痕迹特征进行系统分析,为人工巡检和智能化痕迹识别提供基础依据。然后,提出改进型Grabcut前景提取方法,综合利用U^(2)Net的自动分割特点和Grabcut的高精度优势,解决Grabcut算法中初始框无法自动确定的问题,实现复杂背景下导线痕迹区域自动精准分割。最后,提出基于低层纹理、颜色特征和高层深度特征的导线表面痕迹全面表征,并采用多数投票规则实现低层和高层特征识别结果决策融合,获得导线痕迹辨识结果,测试实验中平均识别准确率达到91.68%,证明了方法的有效性。