基于改进DS证据理论的指挥控制系统信息融合方法

对作战目标的识别是指挥与控制系统在作战环境中实施精确打击的前提条件,然而多种系统协同作战必然会对作战目标的识别有差异。针对冲突识别信息融合导致的目标识别不明确甚至错误的问题,提出一种基于改进DS证据理论的指控系统信息融合方法,该方法构建基于智联体的融合模型,在此模型基础上根据皮尔逊相关系数计算出目标识别信息的相关性权重,引入分类思想并结合模糊熵理论计算出目标分类权重,最后用DS融合规则对经过相关性权重和目标分类权重修改后的目标识别信息进行融合。仿真结果表明,与DSCR方法、CRET方法、CBF方法、CMCE方法和NDCM方法相比,所提方法在各种冲突情况下降低了识别错误目标的概率,提高了对正确目标的识别,有效提升了系统的目标识别能力。

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。

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。

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。

生猪异常行为的多源多时段灰色证据融合评价模型研究

为了全面、综合地评价生猪异常行为,试验在机器视觉、声音识别和超声波3种检测方式计算的生猪异常行为概率基础上,将灰色聚类评价模型与DS证据理论有机结合,建立了生猪异常行为的多源多时段灰色证据融合评价模型;针对原始DS证据理论无法有效融合高冲突证据的问题提出改进的DS证据理论,即通过引入证据可信度合理分配冲突,进而修正证据组合规则;并通过具体实例分析多源多时段下的生猪异常行为融合评价结果。结果表明:在低冲突证据下,本试验提出的评价模型对正常的组合基本概率赋值达到了0.8223;在高冲突证据下,对一级异常的组合基本概率赋值达到了0.6497,可以准确评价生猪异常等级。说明多源多时段灰色证据融合评价模型对生猪异常行为评价合理、可靠,可以为饲养员提供有效的生猪异常信息。

GDOP引出的冲突证据组合新算法

基于无源定位中精度几何稀释度(GDOP)的概念,定义了证据理论中命题稀释度的概念.利用命题的稀释度调整各证据的未知度和命题的支持度,并利用DS组合公式完成证据组合,以解决冲突证据的合成问题.分析表明,该算法更加符合人们的认识规律.经算例对比,该算法显示出良好的性能.