基于信度优势的比例冲突再分配规则

比例冲突再分配规则是高冲突证据合成的一种有效方法,但其处理思想保守,没有充分利用证据的信度。为此,提出了基于信度优势的改进规则,通过构造信度函数,并作为权重对原始分配比例进行加权,增大两信度之间的比值,提高优势命题的权重,使证据的信度优势得到了明显体现。算例分析验证了该规则的有效性。

基于比例冲突再分配理论的目标识别应用研究

目前证据推理理论算法的改进仍然是热门的方向,其应用也越来越广,因此主要介绍了当前证据推理理论的两种最新的改进思想-最新的DSmT理论以及比例冲突再分配(PCR)方法;归纳总结了证据理论的主要应用及其在应用中的关键问题之一——基本置信指派的主要构造方法;最后利用人工神经网络训练数据的方法构造基本置信指派,对比例冲突再分配(PCR5)方法在序列图像目标识别中的应用进行了仿真分析,仿真实验结果表明该算法可以有效地提高序列图像目标识别的准确性。

基于比例冲突再分配规则的目标识别方法

高冲突证据下的目标识别方法研究一直是热点和难点问题。比例冲突再分配规则正是处理高冲突证据的一种有效方法。介绍并分析了比例冲突再分配系列规则,并通过具体的例子对不同方法进行了仿真验证,说明了比例冲突再分配规则能很好地处理目标识别问题中的高冲突证据。

DSmT理论在综合敌我识别中的应用

战场环境的复杂性要求使用多种传感器对战场目标进行综合敌我识别,而综合敌我识别有待解决的基础性难题之一是如何对异类传感器输出的不确定性信息进行有效处理。针对一包含雷达、红外、电子支援措施和敌我识别器等传感器的综合敌我识别系统,对异类传感器敌我识别过程进行分析,根据其特点提出采用DSmT理论进行决策级融合,同时针对每类传感器构造不同的基本置信指派方法,并进行了算法仿真。实验结果证实了该方法的有效性。

景象匹配辅助导航系统匹配置信度评估方法

针对景象匹配辅助导航中,由于噪声、云层、摄像机抖动等原因导致的景象匹配可能输出错误匹配结果情况,提出一种基于证据推理的景象匹配末端置信度评估方法。首先建立序列帧时空约束关系,对匹配相关阵中峰值构建辨识框架,计算序列帧对各峰值的置信指派并利用适配因子进行折扣运算,然后采用证据推理组合规则进行融合,最后给出判决准则输出匹配置信度或错误报警。针对Dempster组合规则在序列帧高冲突情况融合错误以及DSmT组合规则多证据融合时正确峰值置信指派难以增大并收敛的问题,提出一种比例冲突再分配DSmT组合规则。采用航拍图像和对应Google earth卫星基准图像的仿真实验验证了评估系统可以有效给出匹配置信度并在发生错误匹配时及时报警。