基于證據(jù)推理和神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合技術(shù)研究.pdf

1、隨著數(shù)據(jù)融合技術(shù)的快速發(fā)展，不確定性信息的處理成為一個(gè)引人注目的研究熱點(diǎn)。證據(jù)推理理論作為一種有效處理不確定性信息的推理方法，在數(shù)據(jù)融合中得到了廣泛應(yīng)用。本文對(duì)證據(jù)推理進(jìn)行深入研究，并將證據(jù)推理和神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合以解決目標(biāo)識(shí)別問題。
　　本文的主要內(nèi)容及研究成果如下:
　　(1)介紹了多傳感器數(shù)據(jù)融合的基本原理，融合過程，結(jié)構(gòu)模型，著重討論了多傳感器數(shù)據(jù)融合屬性級(jí)融合的三種結(jié)構(gòu)，對(duì)多傳感器數(shù)據(jù)融合的方法進(jìn)行歸納總結(jié)。

2、>　　(2)介紹了證據(jù)推理的基本理論及最新進(jìn)展，提出了證據(jù)推理在應(yīng)用中存在的問題。針對(duì)證據(jù)推理無法解決證據(jù)嚴(yán)重沖突的情況，許多學(xué)者提出了各種改進(jìn)方法，本文對(duì)典型算法（如Yager的方法等）進(jìn)行歸類分析。該分類方法可以有效的區(qū)分出證據(jù)組合方法的一些基本共性和區(qū)別，為進(jìn)一步研究證據(jù)推理提供了依據(jù)和方向。
　　(3)探討了神經(jīng)網(wǎng)絡(luò)和數(shù)據(jù)融合技術(shù)相結(jié)合的可行性，給出了基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合過程，著重介紹了BP算法。
　　(4)采用最

3、近鄰法對(duì)使用修正前的不變矩與修正后的不變矩的目標(biāo)識(shí)別進(jìn)行了仿真分析。
　　(5)針對(duì)多傳感器數(shù)據(jù)融合中基本概率賦值難以獲取的問題，提出了構(gòu)造基本置信指派函數(shù)的兩種方法，比較結(jié)果顯示利用神經(jīng)網(wǎng)絡(luò)技術(shù)獲取基本概率賦值的方法，克服了現(xiàn)有的依賴專家經(jīng)驗(yàn)獲取基本概率賦值主觀性強(qiáng)的缺點(diǎn)，研究了證據(jù)推理組合來自同一目標(biāo)的多幅圖像以提高置信度的方法，并比較了組合規(guī)則不同情況下的識(shí)別效果，仿真結(jié)果證明了該方法的可行性。
　　本文所做的工作，對(duì)