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。

人机决策融合复杂性机理及应用研究

在雷达组网探测群协同运用中,指战员一直难以快速正确地决策构群形态与管控预案,也就带来敏捷构群难与精准管控难问题,制约了空天新威胁的协同探测效能。文中在简述人机决策融合原理与复杂性的基础上,揭示了人机决策融合技术生成协同探测复杂性与破解空天新威胁突防复杂性的机理,建立了人机融合决策在协同探测全过程中的作用模型,设计了生成协同探测复杂性的应用流程,使雷达组网探测群具备“决策优化、构群敏捷、管控精准”等协同探测能力及“设变、知变、应变、求变”智能化博弈能力,能实现“基于任务敏捷构群、基于预案精准管控、基于情景快准微调”的协同探测。

基于属性散射中心目标重构加权决策融合的SAR目标识别方法

针对合成孔径雷达(SAR)图像目标识别问题,采用原始图像及其属性散射中心目标重构结果进行决策融合。以核稀疏表示分类(KSRC)为基础分类器,对原始及重构SAR图像进行分类。KSRC通过引入核函数提升分类适应能力;目标重构可有效剔除原始SAR图像中的噪声成分。根据目标重构过程中重构结果与残差的能量关系评估原始SAR图像噪声水平,并以此为依据确定原始图像和重构图像决策结果的权重。采用加权融合手段对两个结果进行处理,判断测试样本的目标类别。基于MSTAR数据集对方法进行测试,实验结果证明了其有效性。

基于多模型决策融合的苹果产地判别及糖度含量预测

苹果产地溯源与苹果糖度含量预测具有非常重要的现实意义,通过建立模型达到产地判别与糖度预测目的。为了克服单个模型的局限性,通过将多个模型的预测结果综合,提高整体预测性能。采用近红外光谱结合多模型决策融合策略对苹果产地进行溯源鉴别,对苹果糖度值进行预测,验证理论方法的可行性。采用手持式近红外检测仪采集了苹果样本的光谱,使用样本光谱结合随机森林(RF)方法、偏最小二乘判别分析(PLS-DA)与支持向量机(SVM)方法建立了苹果产地判别模型。再对三种判别模型输出的预测结果使用投票制决策融合方法,输出新的判别结果。对所有苹果样本采集了糖度实际值,使用样本光谱与糖度实际值结合随机森林(RF)、偏最小二乘回归(PLSR)与支持向量回归(SVR)方法建立了糖度预测模型。采用三种回归模型输出的结果,通过加权法决策融合策略输出新的糖度预测结果。在不使用投票决策方法时,三种定性建模方法中使用RF方法建立判别模型效果最好,预测准确度达到88.71%。使用SVM方法预测效果最差,预测准确度为77.43%。使用投票决策方法后,对苹果产地鉴别的准确度达到93.42%,其预测的精确度与召回率也达到了双高,均在85%以上。在不使用加权的决策融合方法前提下,三种定量建模方法对苹果糖度的预测均有不错的效果。三种方法预测的决定系数均约0.87,预测均方根误差均约为0.78。使用了加权的决策融合方法,对糖度的预测效果有一定的提升。预测决定系数为0.91,预测均方根误差为0.66。通过在苹果产地的鉴别与苹果糖度的预测中,使用多模型决策融合方法提高了苹果产地判别的正确率,提升了对苹果糖度预测的准确性,证实了所提方法的可行性。同时,手持式近红外检测仪结合多模型决策融合方法也为现场无损检测分析提供了一种新的高精度预测手段。

基于前景提取与多特征决策融合的电力线触树放电痕迹识别

针对电力线路智能化巡检中难以准确辨识电力线触碰树木遗留痕迹,无法为事故防治和责任划分提供可靠依据的难题,提出一种基于前景区域提取与多特征决策融合的电力线放电痕迹识别方法。首先,搭建中压线路触树放电实验平台,采集导线表面放电遗留痕迹,构建图像集。然后,提出融合纹理稀疏性与对数变换的去阴影算法,消除阴影区干扰;进一步提出融合全局阈值和自适应阈值分割的目标初始框选取策略,解决了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的自动精准分割。最后,提取导线的纹理和颜色特征,通过多SVM决策融合实现导线痕迹识别。实验结果表明,所提方法平均识别准确率达到88.39%,证明了所提识别方法的有效性。

激光导航与决策融合的小样本无人机航拍图像分类

近年来,激光导航技术与小样本无人机航拍图像分类,为土地利用调查、城市规划和环境监测等领域提供了精确的空间定位与大量价值信息,显著提升了分类技术的水平。本文提出了一种激光导航与决策融合技术的小样本无人机航拍图像分类方法,旨在提高分类性能与空间定位精度。通过激光导航系统提供的高精度地理位置信息,优化了航拍图像的特征提取过程,采用自监督学习构建辅助任务,通过旋转和翻转技术增强特征提取器的泛化能力。此外,结合两种自监督范式训练得到的特征提取器,通过逻辑回归分类器完成分类任务,设计了一种新型的决策融合模块,以自动调整各决策权重,提高了分类准确性。通过NWPU-RESISC45和UC Merced数据集上进行试验,结果验证了本文方法的有效性和先进性,展现了激光导航技术在提高小样本无人机航拍图像分类中的潜力。

基于软决策融合的CSS性能分析及优化

针对基于数据融合的软合并协作频谱感知占用通信资源较大问题,提出了一种基于软决策融合的协作频谱感知方案,推导了检测性能表达式,并基于NP准则给出了使检测率最大化的优化的协作频谱感知算法。分析和仿真结果表明:基于软决策融合的协作感知相比基于数据融合的协作感知可以有效节约系统资源;所提优化算法可以有效提高检测性能。

基于Mixup训练及多模型决策融合的腰椎间盘突出诊断

医疗多中心数据集的分布是存在差异的,由单一中心数据集训练的模型泛化性往往不佳,导致训练好的模型在应用时受到很大的限制。Mixup训练方法能够有效提升模型泛化性,基于Dempster-Shafer证据理论(Dempster-Shafer Evidence Theory,DST)的模型融合方法能够有效融合多个模型的最佳决策。因此,针对单一中心训练的医疗模型泛化性较差的问题,通过Mixup训练增强模型的泛化性能,并采用多模型决策融合的方式获得最佳决策结果,提出了一个针对腰椎间盘突出诊断的有效模型。经过外部测试集测试,该方法获得了88.22%的分类准确率、88.12%的F1分数和87.69%的AUC值。

基于曲线决策融合的SDN饱和攻击检测方法

针对软件定义网络(SDN)交换机和控制器的饱和攻击是SDN中的主要安全问题。在使用集成学习方法检测饱和攻击时,现有方法通常使用距离或熵值等简单的信息计算方法修正证据,可能存在信息丢失问题,降低饱和攻击检测精度。为解决上述问题,提出一种基于曲线决策融合的饱和攻击检测方法(SACOIN)。SACOIN首先计算多分类器概率矩阵的混乱程度修正多分类器内证据;随后将多分类器概率矩阵转换为曲线并去除噪声,提取重构小波的信号特征组成特征矩阵;然后计算特征矩阵行内互信息,基于上述互信息修正多分类器间证据;最后使用D-S证据理论融合修正证据,得到最终检测结果。实验结果表明,SACOIN在检测针对SDN交换机和控制器的饱和攻击时的准确率、精确率、召回率、F1值分别为92.3%、93%、92.1%、91.3%。

基于振动与滑油信息决策融合的航空发动机主轴承状态监控方法

目的 解决实际工作条件下航空发动机滚动轴承运行状态在线监测及故障诊断问题。方法 首先选用有效值作为时域特征参数,提出特征能量作为频域特征参数,与滑油金属屑末数作为融合的振动及滑油屑末信息。基于模糊推理理论将上述参数进行融合,通过选取隶属度函数,定义模糊推理规则,进行振动信号及滑油金属屑末信息的融合分析诊断轴承故障。开展航空发动机主轴承剥落扩展试验,安装振动及滑油屑末检测系统,同步采集轴承剥落全程的振动及滑油屑末信息,并应用所提出方法对所测得数据进行分析。结果 随故障扩展,振动信号有效值参数为总体上升趋势。频域特征能量随故障扩展升高到一定程度后下降,并产生波动,对轴承早期故障诊断较为敏感。滑油屑末为诊断轴承故障的重要信息,其变化趋势为单调递增,轴承故障后期,滑油屑末信息变化较为显著,对轴承后期的故障诊断较为敏感。结论 基于模糊推理理论的振动和滑油屑末信息融合方法可将不同信号进行故障特征综合分析,并可有效判别轴承的运行状态。

PSO多决策融合刀具磨损评估

针对刀具磨损状态监测中单一决策算法模型评估效果受工况参数影响较大,在不同工况条件下模型通用性不好的问题,提出一种基于粒子群优化(PSO)算法的多决策融合刀具磨损评估模型。首先对加工过程中的主轴电流信号和振动信号进行时域分析、频域分析和小波包分解提取有效特征,并利用主成分分析进行特征降维。之后在4种集成学习算法的基础上,构建PSO多决策融合模型,分别使用LDIWPSO和CFPSO两种PSO算法实现多集成学习算法的决策融合,进行刀具磨损状态评估。试验结果表明:PSO多决策融合模型相比于各种单一集成学习算法模型具有更好和更稳定的预测性能,且CFPSO决策融合的效果要优于LDIWPSO决策融合。

一种基于决策融合策略的全天空地基云图云量估计方法

云量对光伏发电有至关重要的影响。全天空地基云图云量估计的重点在于对全天空图像进行畸变矫正,以及设计准确率高的地基云分割方法。针对这两个问题,提出一种基于决策融合策略的云量估计模型。首先,通过基于多维球切面透视投影模型的鱼眼畸变矫正算法,获取多方位的局部复原图像;其次,采用最近邻复原中心的决策融合方法对多维复原图像分割后的数据进行修正,最终获取云量估计值。实验表明:该方法更好地复原了云和天空的比例关系,提高了云量估计的准确性。

基于决策融合与机器学习的铁路道岔故障诊断

基于决策融合思想,构建包含PNN、BP和决策树的铁路道岔故障诊断模型,以应对单一模型失效导致诊断准确率不高的问题。仿真结果表明:在某一模型失效情况下,基于PNN网络模型的诊断率高达94.5%,均高于另外2种模型;在初始模型完好的状况下,基于决策融合的诊断模型诊断准确率保持在98.1%左右,诊断效果最佳。由此说明,提出的基于PNN决策级融合的铁路道岔故障诊断模型具有较高的诊断准确率。

基于虚拟现实和动态加权决策融合的恐高情绪识别

目前恐高情绪分类中的生理信号主要涉及脑电、心电、皮电等,考虑到脑电在采集和处理上的局限性以及多模态信号间的融合问题,提出一种基于6种外周生理信号的动态加权决策融合算法.首先,通过虚拟现实技术诱发被试不同程度的恐高情绪,同步记录心电、脉搏、肌电、皮电、皮温和呼吸这6种外周生理信号;其次,提取信号的统计特征和事件相关特征构建恐高情感数据集;再次,根据分类性能、模态和跨模态信息提出一种动态加权决策融合算法,从而对多模态信号进行有效整合以提高识别精度.最后,将实验结果与先前相关研究进行对比,同时在开源的WESAD情感数据集进行验证.结论表明,多模态外周生理信号有助于恐高情绪分类性能的提升,提出的动态加权决策融合算法显著提升了分类性能和模型鲁棒性.

基于P300与ErrP决策融合的脑-机接口目标检测方法

针对脑-机接口(BCI)技术在目标检测中的应用仍然存在检测准确率受限的问题,提出基于事件相关电位(ERP)中的P300与错误相关电位(ErrP)决策融合的新型编解码方法。BCI系统编码方面通过目标图像和视觉反馈分别诱发P300与ErrP特征,解码方面采用单独P300特征、单独ErrP特征、P300与ErrP特征层融合、P300与ErrP决策层融合这4种方案进行目标检测。10名健康受试者4种方案进行目标检测的平均结果显示,使用P300与ErrP决策层融合的平衡正确率最高,达到80.03%±5.20%,相比单独使用P300特征的方法提升了4.38%,相比单独使用ErrP特征的方法提升了11.29%,验证了混合BCI技术在目标检测任务中的可行性。

多模型贝叶斯概率决策融合的遥感影像水体提取

针对使用单个深度网络提取不同类型水体时存在泛化能力弱的问题,提出一种多模型贝叶斯概率决策融合方法。选取3个不同的深度网络U-net、ResUnet和Deeplab v3+作为基础分类器进行训练并输出遥感影像上每个像素所属水体的类别概率,基于贝叶斯构建概率自适应融合模块,得到最终的水体提取结果。实验结果表明所提出的多模型贝叶斯概率决策融合方法在水体测试集上的精确率、召回率和F_(1)值分别达到94.21%、95.49%和94.85%,对不同类型水体的融合结果比平均法和多数投票法更准确。

基于SVM的决策融合鱼类识别方法

为解决基于声学散射数据的高精度鱼类识别问题,提出一种基于SVM的多方位声散射数据决策层融合的鱼类识别方法。利用小波包变换(WPT)和离散余弦变换(DCT)方法对多方位声散射数据进行特征提取,并进行特征降维处理。然后采用SVM分类器对每个方位提取的特征做出多次决策,并输出最终识别结果。采用3种不同鱼类作为研究对象,设计了可靠的获取多方位声散射数据的实验方案,给出不同方位数量条件下,基于WPT和DCT特征量的识别率。理论分析及实验数据处理结果表明,随着方位数量的增加,总体识别率呈升高的趋势,基于SVM的多方位声散射数据决策层融合方法可以有效提高识别率至90%以上。

支持张量机与KNN-AMDM决策融合的齿轮箱故障诊断方法

针对齿轮箱故障诊断时使用单一传感器进行信号获取过程中存在信息不完整的问题,导致故障特征信息及诊断推理方法具有随机性和模糊性。利用多传感器信息融合的二阶张量特征作为输入,构建了一个支持张量机和集成矩阵距离测度(Assembled Matrix Distance Metric,AMDM)的K最近邻分类器(k-nearest neighborhood classifier,KNN)决策融合故障诊断模型。首先,对多传感器信息时频域特征层进行融合,获得二阶张量的特征样本;其次,分别构建基于集成支持张量机、KNN-AMDM的故障诊断模型,并针对两类故障诊断模型的输入,设计了两种基本概率分配赋值的转化方法,通过不断调整参与的传感器数目获得6种不同的故障征兆张量集,进而得到12种不同的初步故障诊断结果;最后,采用D-S证据理论对12个证据体提供的基本概率分配值进行融合决策,得到最终的齿轮箱故障诊断结果。实验对比表明,该方法可提高齿轮故障诊断结果的可信度。

基于决策融合的直驱风力发电机组轴承故障诊断

基于振动信号时域、频域和包络谱等多源特征,采用决策融合方法构建了直驱风力发电机组轴承故障诊断模型。对直驱风力发电机组主轴轴承经常发生的外圈故障、内圈故障、滚动体故障以及正常运行4种状态进行了实验研究。选取具有较高故障区分度,适合风电机组轴承故障诊断的特征参数。以风电机组振动信号的时域特征、频域特征和包络谱频域特征为诊断样本,使用灰色关联分析方法对机组轴承故障进行初步诊断,然后用证据融合理论对不同证据进行决策信息融合,从而获得最终诊断结果。实验结果表明,该方法能较好地识别风力发电机组轴承故障。

基于动态权的决策融合在雷达组网检测低RCS目标中的应用

本文分析了传统雷达组网决策融合方法的不足，在给出广义信噪比定义的基础上，提出了一种改进算法－动态权法，并给出了两种处理方式．理论分析表明，在检测低ＲＣＳ目标时，这种算法能在保持恒虚警概率的基础上具有较高的检测概率，仿真结果也证明了该方法的有效性．