单向变异S-粗集的信度特征

提出单向变异S-粗集属性迁移的信度及信度函数的概念;给出了单向变异S-粗集的依信度生成;讨论了单向变异S-粗集依信度生成的特性.

双向变异S-粗集的信度特征

提出双向变异S-粗集的属性迁移的信度及信度函数的概念,给出了双向变异S-粗集的依信度生成,讨论了双向变异S-粗集依信度生成的特性.

P-集合的信度特征

利用P-集合的结构,给出属性迁移的信度特征:属性集α的内P-集合信度特征,属性集α的外P-集合信度特征,利用这些结果,给出内P-集合的信度特征,外P-集合的信度特征,提出内P-集合的随机结构与随机定理,外P-集合的随机结构。普通集合的结构是P-集合的随机结构的特例,P-集合的随机结构是普通集合结构的一般形式。

元素迁移的信度特征与F-随机结构

在S-粗集的基础上,给出元素迁移的信度特征及元素迁移的依概率实现,讨论了依概率的元素迁移对粗集结构的影响,并给出了相关定理;用元素迁移解释S-粗集的动态过程,给出了F-随机结构。

P-集合的信度特征与应用

利用P-集合的理论和元素迁移的随机性,给出了元素删除和补充的信度和信度函数的概念,提出了依信度生成的内P-集合和外P-集合.讨论了依信度生成的P-集合的结构和特性,使P-集合理论进一步完善发展.

基于传感器特征可信度的多信息融合模态研究

信息融合关键在于如何控制信息的数量,处理各种信息之间的关系以及优先级别。提出一种基于信息特征可信度的信息融合方法运用于信息融合的模态构建之中。通过预先优化信息特征的可信度进行信息的一次融合,再通过多信息模态中的特征关联进行信息的二次融合。找到最佳的多信息的模态构建方法,提高信息融合的质量和可信度。

基于轮廓分段特征可信度的遮挡目标识别算法

针对传统目标识别算法在目标遮挡情况下识别准确率较低的问题,提出一种基于轮廓分段特征可信度的遮挡目标识别算法。为获取有效分段,提出了基于弯曲度的轮廓分段优化算法,首先根据轮廓曲率分布进行初步分段,再根据分段的弯曲度进行分段优化,得到有效分段。然后用重要性和局部性两个参数对分段的特征可信度进行评价。在此基础上提出加权相似度匹配,将分段之间的相似度与其特征可信度结合起来,最后得到衡量识别准确率的加权相似度,获得遮挡目标的最终识别结果。通过对MPEG-7数据库进行仿真,实验证明所提出算法对于遮挡目标的识别可以获得稳定准确的识别结果,有效的提高了目标识别率。

基于路面特征参数和制动防抱调节特征的路面识别方法

以路面特征参数和制动防抱调节过程特征为依据,引入接近度和特征可信度的概念,提出了基于路面特征参数和防抱过程特征的综合路面识别方法,按最大接近度原则判断当前路面状态。大量实车试验结果表明,在制动防抱控制过程中,无论驾驶员采用何种制动操作,该方法均可实现干沥青路面、冰雪路面、对开路面和对接路面的准确辨识。

多特征融合的非线性目标跟踪算法

为克服视频目标跟踪中仅利用单一特征易导致的跟踪失败,提出了一种基于多特征融合的非线性目标跟踪算法。通过灰度直方图来表征目标的总体分布,利用边缘特征来提取目标的高频细节,将两者融合于粒子滤波的概率模型框架中。并提出一种基于半峰宽和贡献度的特征可信度计算方法,动态调节粒子数目,使可信度高的特征拥有较多的粒子。最后,进行了目标跟踪仿真实验,结果表明,该算法具有较强的抗局部遮挡能力,与单特征跟踪算法相比,平均跟踪误差减小了0.5个像素。