最小总风险准则的贝叶斯网络个人信用评估模型

将最小总风险准则MOR与贝叶斯网络分类器相结合,提出了一种新型信用评估模型。在两个真实数据集上以MOR用10层交叉验证对贝叶斯网络信用评估模型进行了测试,并与最小错误概率准则MPE的贝叶斯网络分类器的结果进行了对比。结果表明,基于MOR的贝叶斯网络分类模型可以有效地减小信用评估风险。

基于三角模融合准则的滤波算法

本文针对线性和非线性混合滤波技术的不足 ,提出了一种基于三角模融合算子的混合滤波算法 .此算法根据信息融合的竞争性、互补性、冗余性的特点 ,运用三角模算子对边界点进行融合判断 ,从而根据融合结果 ,进行混合滤波 .本算法很好地克服了单源判别边界点误报风险大、可靠性和容错性差的弊端 ,改进了滤波性能 .后续实验证明了本算法的有效性 。

基于改进型D—S证据理论的决策层融合滤波算法

本文针对线性和非线性混合滤波技术的不足 ,提出了一种基于改进型I) -s证据理论的融合滤波算法 .本算法首先分析了基本D -S证据理论组合准则缺陷的产生原因 ,从而采取消去证据间相关性、自适应地分配矛盾信息给与冲突有关的焦元等措施 ,改进了基本D—s证据理论的组合准则 ,提高了其融合性能 .在此基础上 ,本算法又根据混合滤波器单源判别边界点误报风险大、可靠性和容错性差的弊端 ,增加了多子源判决准则 ,利用改进了的D-S证据理论的组合准则 ,实施融合判决 .后续实验证明了本算法的有效性 。

基于正交水印的盲水印检测技术

提出一种稳健的盲水印检测技术.利用水印信号与主数据之间的正交性,水印检测时不需要使用原始数据并且可以彻底消除主数据噪声的干扰,从而大大提高了水印检测器的稳健性.无论是根据Neyman-Pearson准则还是最小错误概率准则,理论分析表明本文检测器在性能上可以取得很大改善.利用对水印加权的分组技术,盲水印检测器在性能上逼近非盲水印检测器.各种失真下的实验结果表明这种盲水印检测技术是有效的.

电子战环境下组网雷达检测性能分析与仿真

运用分布式检测中的最小错误概率准则分析了组网雷达对目标的检测性能,将雷达受干扰的程度分为无干扰、局部干扰和全部干扰,并研究不同干扰强度下组网雷达数据融合中心对目标的检测概率。最后,就不同干扰强度对组网雷达的影响以及数据融合中心与单站雷达之间检测性能作比较分析,得出了一些有意义的结论。

基于渐近优化检测器的数字水印最佳检测阈值的确定

数字水印系统中检测阈值的大小会影响到检测器的检测效果。渐近优化检测器是一种采用Rao检验方式的盲水印检测算法,但其检测阈值是完全凭经验人为设定的,为了使渐近优化检测器阈值的确定客观与精确,利用最小差错概率准则对检测阈值进行了理论分析,并具体给出了一个水印检测系统错误率达到最小的最佳检测阈值的计算公式。实验结果表明,该方法能使水印检测系统的错误率在理论上达到最小,同时检测阈值的大小具有自适应性和客观性。

基于假设检验的红外弱小目标感兴趣区域提取算法

根据假设检验的基本原理,提出了一种红外弱小目标感兴趣区域检测算法。该方法首先按照最小错误概率准则抽取图像中目标的感兴趣区域,然后在这些区域里进行目标提取和分析。实验结果表明,该方法很好地克服了一些传统方法中冗余计算多和分析难度高等缺点,非常适合于红外弱小目标的高性能检测。

空时联合处理分辨性能下界的研究

针对相控阵雷达阵列天线空时快拍数据模型,研究空时二维联合分辨下界(STJRL,简称联合下界).从检测理论出发,采用最小错误概率准则,给出了联合下界关于信噪比、空时信号波形、分辨概率的表达式.联合下界表达式与一维分辨下界比较表明空时二维联合分辨充分利用了回波信号在空间频率和多普勒频率上的二维差异,分辨性能优于一维分辨.通过Monte Carlo仿真比较了空时联合分辨下界和信息论准则方法(AIC)、最小描述长度方法(MDL)得到的实验分辨性能,结果表明AIC与MDL方法的δt/δtf～RSN曲线都在联合分辨理论下界曲线之上,而似然比检测器δt/δtf～RSN曲线与空时联合分辨下界曲线符合得很好.

基于深度神经网络的多传感器联合信号检测方法

针对多传感器分布式接收中的信号检测问题,提出了一种最小错误概率准则下的联合检测方法。所提方法采用分布式软信息融合处理策略,将多传感器信号检测视为二元假设检验,借助深度神经网络优异的函数逼近能力,在对神经网络结构、目标函数和网络输入输出进行分析基础上,给出了基于深度神经网络的假设检验后验概率求解方法。各独立接收单元利用深度神经网络估计信号有无两种假设的后验概率,然后送入融合中心,计算联合后验概率分布,并做出判决。与传统处理过程依赖严密的数学推导不同,所提方法参数解析和特征提取无需人工解算。最后,通过仿真实验对所提方法有效性进行了验证,并与现有方法进行了对比。结果表明,所提方法能够实现多个传感器信号有效融合,随着接收单元数目增加,能够显著提升信号检测概率,并降低虚警概率;与当前典型的S/K融合方法相比,所提方法在低信噪比下具有明显优势。