基于盲源分离与改进BP-DS证据理论的生猪声音多特征融合识别

为了提高多种声音混合环境下生猪惊骇声、咳嗽声与饥饿声的识别正确率,试验采用基于盲源分离与改进BP-DS证据理论的生猪声音多特征融合识别方法对生猪混合声音识别进行研究。首先,对多个拾音器采集到的混合声音进行能量检测,排除安静环境及微弱环境噪声下声音的干扰,然后利用基于快速独立成分分析(fast independent component analysis,FastICA)的盲源分离方法对采集到的混合声音进行分离;其次,提取分离后声音信号的梅尔倒谱系数及其一阶差分、线性预测倒谱系数及其一阶差分、梅尔倒谱系数与线性预测倒谱系数的组合参数,训练3种特征参数对应的BP神经网络模型;最后,分别利用训练好的BP神经网络模型对生猪声音进行识别,通过改进DS证据理论对识别结果进行融合后输出。结果表明:研究提出的盲源分离方法分离出的生猪声音信号与生猪声音源信号的相似系数均在0.99以上,可以有效地分离生猪混合声音信号;经过多特征融合后正常环境下的识别正确率达到94.22%,较单特征的正确率有一定的提高。说明基于盲源分离与改进BP-DS证据理论的生猪声音多特征融合识别方法可以更高效地识别多种声音混合环境下的生猪声音。

基于SVM-DS多特征融合的杂草识别

为解决单一特征识别杂草的低准确率和低稳定性,提出一种支持向量机(SVM)和DS(Shafer-Dempster)证据理论相结合的多特征融合杂草识别方法。在对田间植物图像处理的基础上,提取植物叶片形状、纹理及分形维数3类特征,分别以3类单特征的SVM分类结果作为独立证据构造基本概率指派(BPA),引入基于矩阵分析的DS融合算法简化决策级融合算法复杂度,根据融合结果及分类判决门限给出最终的识别结果。实验结果表明,多特征决策融合识别方法正确识别率达到96.11%,与单特征识别相比有更好的稳定性和更高的识别率。

DS证据理论冲突处理新方法

针对经典DS证据理论在处理高度冲突的证据信息时会产生有悖常理结论的情况,基于证据支持度的思想,引入了证据之间相容系数的概念,并随之引入证据可信度的概念,提出了一种新的证据权重的确定方法;最后运用DS证据理论组合规则进行数据融合。与之前其他处理方法相比,考虑到证据之间冲突与包容共存的情况,客观计算证据的权值,收敛更快,融合结论更符合事实,弥补了经典证据理论的不足,为DS证据理论的改进提供了一条新的途径。

面向冲突证据的改进DS证据理论算法

DS证据理论在处理不确定信息上的优势在各个领域得到广泛应用。针对传统DS(Dempster-Shafer)存在的证据冲突问题,提出了一种改进的DS证据理论算法。首先,结合皮尔逊相关系数的相关性限制和融合过程零因子的修正,较大程度上减少分配与整体非相关证据体的权值,修正证据体的整体重要程度;然后,按照修正后的基本概率分布(BPA)进行DS组合规则计算,得到融合结果。在解决常见冲突证据和证据体融合数量等方面与其他改进DS证据理论算法进行比较,所提算法收敛速度更快,融合的可信命题基本概率结果更高,因而验证了算法的有效性。

基于DS证据理论的多传感器信息融合算法

多传感器卡尔曼滤波算法具有良好的信号跟踪及估值能力,但由于信号噪声的影响,不同传感器所提供的信号会产生一定幅度的偏差,不利于对真实信号的预测及估计。为了解决上述问题,提出了基于DS证据理论的多传感器量测融合的方法,利用证据理论处理传感器的量测信息以及滤波器的估计值,从而合理地计算出单传感器的权值,并对子传感器的量测值进行二次赋值。经过融合后的结果具有良好的滤波效果。将改进的量测融合方法应用到目标跟踪问题中,获得的目标跟踪精度提高了近一倍。通过仿真实验对比验证了新算法的可靠性及精确性,表明该方法具有一定的实用价值。

DS证据理论在SAR图像边缘检测中的应用

提出了一种新的基于DS证据理论的SAR图像多尺度边缘检测方法。该方法利用DS证据理论融合多级尺度ROA算子输出响应,在融合过程中引入检测不确定性。并通过分析ROA算子检测门限与虚警率的关系设计基本可信度分配函数(BPAF),使得检测不确定性在门限处达到最大值。实验通过检测结果比较以及列表分析,表明本文算法能够有效降低边缘检测不确定性。

一种基于DS证据理论的电网故障诊断方法

提出的基于DS证据理论的电网故障诊断方法可解决由不知道所引起的不确定性。确立电网故障诊断的识别框架后,基于贝叶斯方法实现DS证据的表达,应用Dempster法则得到合成的信度函数,以此判断电网故障元件。基于Matlab编程实现了该算法,分析了单重故障且保护与断路器工作正常,单重故障伴有保护误动与断路器拒动,多重故障伴有保护、断路器误动与拒动三种典型故障情况。算例测试结果表明该方法能够有效地识别故障元件。

一种新的DS证据理论冲突处理方法

经典DS证据理论在处理高度冲突的证据信息时常常会导致错误的结论。为解决证据冲突问题,基于证据可信度的思想,引入证据之间目标的贴近度,提出一种新的确定权重的方法,然后运用经典DS证据理论融合。在保持DS证据理论规则不变的情况下,改进了融合结果。相比其他处理方法,考虑到证据之间的冲突和贴近度,客观地计算了证据的权值,收敛更快,使得融合结果更符合事实。算例验证了方法的有效性,为DS证据理论提供新的改进途径。

基于DS理论的高分辨率SAR图像复杂背景直线边缘提取方法

针对高分辨率SAR图像复杂背景下的线状目标边缘,提出了一种基于DS证据理论的融合提取方法。首先,分析并建立了线状目标的边缘模型;其次,改进了现有的ROEWA算法,在计算边缘强度的同时,利用方向模板和二次曲线进行方向估计,得到了边缘方向;然后,基于边缘模型设计了DS证据理论识别框架,利用道路边缘点方向,设计了一种一一映射的Hough变换方法,基于线状目标直线边缘的高边缘强度值、直线边缘共线性、直线边缘侧面均匀区域统计特性(灰度均值和方差),构建了三组相互独立的基本概率分配函数(BPAF),并采用DS证据理论的Dempster方法,实现了复杂背景下线状目标边缘提取的融合判决。最后,利用机载SAR图像进行城区道路目标的边缘提取试验,验证了本文方法的性能。

基于DS证据理论的精馏塔故障诊断方法

研究了一种基于多传感器信息融合算法对精馏塔出现的故障进行诊断的方法。首先利用小波分析对精馏塔传感器信号进行有效的滤波预处理,预处理后的数据送入BP神经网络进行初级融合,然后将初级融合后的数据当作DS证据理论的证据对精馏塔故障进行诊断,由最终概率赋值结果可知最大可信度,则可以判断故障的发生。仿真结果显示该算法比单信息故障诊断能取得更准确、更可靠的诊断结果。

基于冲突证据修正的DS改进方法

DS(Dempster-Shafer)证据理论在不确定推理与信息融合领域有着广泛的应用,但是当证据严重冲突时会出现反直观结果的问题。针对这一问题,提出了一种基于冲突证据修正的DS改进方法,首先根据各证据与平均证据的证据距离确立各证据的权重,以平均权重为阈值确立冲突证据,然后根据冲突证据的权重对其进行折扣度修正,修正后的证据再与非冲突的原始证据使用Dempster组合规则得到最终推理结果。仿真实验表明,有效地改善了经典DS证据理论存在的典型问题,在低冲突证据和高冲突证据的融合处理上,本方法相较于其他方法简单有效,收敛快,可靠性高。

基于DST和PCR2的自适应信息融合算法

DS理论(DST)在低冲突条件下融合精度高于DSm理论(DSmT),而DSmT在高冲突条件下融合精度高于DST。为进一步提高融合精度,结合DST和DSmT的优点,提出一种基于DST和PCR2的自适应信息融合算法。对DSmT框架下的分配法则进行分析,选择融合精度较高且时间复杂度较低的PCR2分配法则。采用PCR2和DST进行自适应融合,即在冲突率高的情况下使用PCR2,而在冲突率低的情况下使用DST。算例结果表明,该算法能够进一步提高融合结果的准确程度,时间复杂度介于DST和PCR2规则之间。

基于PNN-DS信息融合模型的目标识别方法

针对目标识别中常用BP—DS信息融合方法识别率低，运行速度慢，抗噪性差等问题，提出一种基于PNN网络和DS证据的信息融合方法。该方法不仅综合了证据理论在处理不确定信息方面的优点和神经网络在数值逼近上的长处，利用神经网络和证据推理算法获取了基本概率赋值，同时突出了PNN网络在处理多传感器信息的准确性和运算速度上都要优越于BP网络的特点。

基于SVM和DS证据理论的网络攻击检测研究

为了解决传统网络攻击检测算法存在的检测准确率低等问题,提出了一种基于SVM和DS证据理论的网络攻击检测算法。该算法首先利用样本主特征进行检测,当数据出现模糊分类时,利用辅助特征和DS证据理论对数据的隶属度进行重新划分,有效改善了经典SVM算法的模糊分类问题。仿真结果表明,带有修正机制的SVM算法对于网络攻击检测,尤其是攻击类型未知的数据,检测准确率明显提高,平均到了95%以上,算法的整体性能表现优良。

DSmT框架下的广义PCR组合规则

在开放世界中,一个辨识框架可能没有包含命题所有可能的描述,传统的PCR组合规则并不能够对这种辨识框架不完备情况下的信息进行融合。针对该问题,在广义证据理论基本框架的基础上,提出了广义PCR组合规则。广义PCR组合规则扩展了传统PCR组合规则的适用范围,使其在辨识框架不完备的情况下,仍能够对信息进行有效融合。此外,在证据源之间存在较大冲突的情况下,广义PCR组合规则能够获得比广义DST组合规则更好的融合结果。算例结果表明,广义PCR组合规则是有效和合理的。

基于DS证据理论的电网故障诊断系统的研究

针对基于单一判据的电网故障诊断系统存在较高误判率的问题,提出了一种基于DS证据理论的多判据融合决策的电网故障诊断系统的设计方案。该方案采用基于量值区分的门限法、基于电流差动的门限法、基于功率方向的门限法三种判据方法对同一段故障录波数据进行判别,应用DS证据理论融合判别结果,从而可准确判断故障类型和故障位置。实例分析表明,该方案可有效提高电网故障诊断的准确率。

基于改进DS证据理论的矿用带式输送机故障诊断

传统DS证据理论的主要思想是利用先验知识来预测事件发生的概率,在进行矿用带式输送机故障信息数据融合时,通常会进行归一化处理,弱化了故障证据焦元间的特征冲突,常常导致出现错误的结果。结合矿用带式输送机故障的常见问题,对传统的DS证据理论进行了改进,增加了不同故障的可信度,并设定故障融合预判规则来更加准确地解决冲突问题。测试结果表明,改进后的DS证据理论可以更加充分地考虑不确定条件下的多故障证据融合问题,能够获得较好的矿用带式输送机故障决策判断。

区域特征耦合DS证据理论的图像融合算法

目的提高融合图像视觉质量。方法提出区域多特征与改进的DS证据理论规则的聚焦图像融合算法。首先,引入二代Curvelet变换,对源图像进行分解,获取图像的粗尺度系数、细尺度系数;然后,根据区域中粗尺度系数的绝对值,构造最大值融合规则,完成粗尺度系数的融合;再联合区域方差、信息熵以及区域能量等特征,提取细尺度层的区域特征,并通过定义概率约束条件,改进DS证据理论的融合规则,增强DS合成规则的可信度,对图像的细尺度系数进行有效融合,使得融合图像保留更多的细节信息;最后,通过逆Curvelet变换完成图像的融合。结果与当前的图像融合算法相比,在对聚焦图像融合时,文中算法的融合图像具有更丰富的细节信息,其视觉质量更高,且融合时耗较短。结论所提算法考虑了像素之间的互相关性,进一步优化了图像融合质量,可用于遥感探测与包装印刷检测等领域。

基于EA-DS证据理论的安全事件关联分析

为了对多源安全事件进行关联分析,提出了基于EA-DS证据理论的安全事件关联分析方法.该方法结合所在网络环境将来自多个不同种类的安全传感器数据进行证据融合,计算网络服务威胁状态置信度,能够快速发现高威胁状态的服务并采取相应的措施进行响应.通过在实际网络环境中进行实验和对比,该方法有较好的高危攻击发现能力.

基于BPA改进的DS/AHP决策方法研究

首先阐述了证据理论和DS/AHP方法的基本知识,在此基础上对DS/AHP方法计算做了改进,采用了互补判断知识矩阵和新的BPA合成方案,增加了推断信息的准确性,减小了时间复杂度.最后通过一个实例,说明该方法的具体操作过程.