基于灰关联无源多目标跟踪系统航迹关联算法

目前分布式无源多目标跟踪系统的航迹关联算法基本上照搬多传感器数据融合的理论,仅利用目标的状态信息.文中利用了目标的多特征信息(载频、脉宽、脉冲重复间隔等),应用灰关联理论,提出了一种基于灰关联的分布式无源多目标跟踪系统的航迹关联算法.由于利用了目标多特征信息,算法具有关联速度快、正确率高、而且能够适应密集目标环境的优点.仿真实验证明该算法的航迹关联效果明显优于加权航迹关联算法.     

基于证据加权融合的改进D-S目标识别算法

为有效融合高冲突证据,在总结已有D-S改进算法(CID-S)的基础上提出了新的基于证据加权融合的改进D-S目标识别算法(NID-S).该算法充分考虑了待融合的两证据源与其他证据源间的关联关系,根据相似度矩阵非负对称的性质求取各证据源的相似度、可信度等特征,进而利用证据源的可信度进行加权平均求和,得到不同证据源对各焦元的支持度,并将其作为一组中心值;然后构造相似度函数,并计算不同证据源中的各焦元信度赋值与其对应焦元的中心值的关联程度,从而确定参与产生矛盾信息的焦元的可信度;最后,在局部冲突信息再分配的基础上,给出改进的D-S组合规则.并与D-S算法、已有改进D-S算法进行仿真分析、对比,结果表明:无论是在相对好的探测环境还是强干扰的环境下,本文所提出的改进D-S算法的目标识别结果均优于D-S及其已有改进算法,且是一种实时性好、抗干扰能力较强,适用范围广泛的目标识别算法.     

基于D-S理论的多特征融合人体检测算法

提出一种基于D-S证据理论的多特征融合人体检测算法.该方法首先使用harr-like特征方法和HOG特征方法提取人体特征,然后利用后验概率密度函数,估计出两个基本概率分配函数,最后应用D-S证据理论中的合成法则,将两个特征的分类器进行融合决策.实验结果表明,本文提出的算法在Inria数据集上取得了较好的效果,满足了一般工程应用的要求.     

网络取证隐马尔可夫模型证据融合方法

针对网络取证因果关联证据融合方法存在的算法复杂、重现场景不够精确等问题,提出了基于隐马尔科夫模型的网络取证证据融合方法,阐述了应用隐马尔科夫模型进行证据融合的可行性。该方法以元证据序列作为随机观察序列,以网络入侵步骤作为随机状态序列,通过对元证据序列进行解码操作,找寻最可能的网络入侵步骤并据此回溯证据链。实验结果表明,与基于贝叶斯网络的多源证据融合方法相比,该方法的算法复杂度和抵御干扰项的能力均得到了明显的改善,该方法能够以较小的代价较精确地重现网络入侵的犯罪现场。     

基于灰关联分析的加权TOPSIS法及其应用

Topsis法是多目标决策的一种有效技术,但其在权重确定、贫信息决策方面存在不足。基于灰关联分析的加权Topsis法是利用灰靶贡献度确定指标权重,并以灰均衡接近度替代欧式距离,构造一个灰色相对贴近度来实现对方案的评价。供应商选择的实例验证了该方法的有效性。该方法能克服传统Topsis法存在的不足,对提高利用Topsis法进行决策的科学性和实用性是一种有益的尝试。     

基于灰关联分析-模糊推理的目标关联技术

提出了灰关联分析与模糊推理相结合的方法,称为GCA-FDM。GCA-FDM主要用于低时间分辨率的战术机动目标之间的关联。选取航天监测信息中相对稳定的目标属性特征作为基本的关联参量,计算目标间的关联度,以此作为目标关联的判决依据。同时,综合考虑当前战场各方面信息,利用模糊推理方法,对灰关联结果进行修正,从而能够得到更好的结果。GCA-FDM对目标样本数量没有太大的要求,具有广泛的实用性,弥补了经典关联算法在低时间分辨率目标关联中的不足。通过一个应用案例详细说明了GCA-FDM算法的操作过程。     

组网雷达点迹信息融合抗假目标干扰方法

对欺骗式多假目标干扰,单站雷达由于视角单一,获取点迹数据有限,对抗效果不理想。针对该问题,提出一种基于集中式组网雷达系统的真假目标识别方法。该方法采用空间相关处理技术进行点迹融合,并联合利用真目标的位置信息及速度信息。对通过最近邻关联得到的关联量测序列,首先进行基于位置信息的点迹融合,然后求取目标实际速度矢量,并利用速度信息进行融合,再次剔除假目标。在保证真目标识别概率的基础上,进一步降低了组网雷达被欺骗概率。     

多信息融合技术及在无损检测中的应用

研究了基于D-S证据理论的多传感器决策层信息融合的实现方法和算法,探讨了将Dempster联合规则推广到多源信息时取消中间联合过程的归一化计算问题,推导出了改进算式。应用于无损检测,用超声波等三种传感器对一铸件进行无损检测仿真实验,结果证明能够提高检测速度与检测精度。     

面向生活垃圾图像分类的多级特征加权融合算法

生活垃圾的有效分类处理是改善社会环境的一项重要措施,传统的垃圾分类算法已经不能满足当前垃圾分类的要求。为了提高生活垃圾分类性能,在深入研究卷积神经网络中不同层次具有不同特征的基础上,提出一种面向生活垃圾图像分类的多级特征加权融合算法。构建基于ResNet的特征提取网络,通过多分支网络结构提取并处理图像不同层次的特征信息,在特征融合过程中分析自适应权重融合和固定权重融合对图像分类性能的影响,选取更优的加权融合方法对多级特征进行融合,从而获取更丰富的生活垃圾图像特征信息,提高垃圾分类准确率。实验结果表明,该算法在华为生活垃圾图像数据集上的分类准确率最高可达97.53%,优于其他算法,具有一定的实用价值。     

基于模糊启发式的KNN算法在人才需求信息分类中的应用

随着当前计算机与移动互联网中数据的增长,在海量的网络招聘数据中如何有效挖掘可用信息成为当前教育和社会供需发展的技术瓶颈。为突破该技术瓶颈,提出了一种模糊启发式的KNN文本分类算法:基于ABC(artificial bee colony)的启发式搜索方法,以此来调整特征的权重,并利用模糊距离度量方法以测量测试观察和训练观察之间的相似性。先将招聘信息分词,利用TF-IDF(term frequency-inverse document frequency)算法与AP(affinity propagation)聚类算法进行特征选择和噪声数据剔除,最后采用结合启发式搜索和模糊距离度量的KNN算法对文本信息分类。通过实验结果发现:该方法有效地解决了传统KNN算法在人才需求文本分类方法中稳定性差和分类精度低的问题。     

利用贝叶斯算法过滤报文内容分析系统中的垃圾信息

利用基于概率统计方法的贝叶斯算法,对报文内容分析系统中的垃圾信息进行过滤.该算法的实现,是通过一定的算法来分析大量的相关信息和不相关信息中多种单词特征出现的概率,从而建立一张单词特征表,并依据这张表借助一个评分系统来判断目标文件的相关性.本算法具有一定的自适应性。能根据垃圾信息不断变化出现的形式自动进行特征表更新,从而不断地实时提高本身的判断效率.     

应用免疫策略的多传感器决策融合设计

使用基于改进型人工免疫策略的优化算法,在统计相关的观测条件下,对固定融合规则的基于奈曼-皮尔逊准则的分布式多传感器决策融合系统进行优化设计。算法首先以筛选算子进行预搜索缩小范围,然后使用人工免疫策略方法进行全局搜索,计算过程无须使用目标函数的导数信息。对分布式多传感器决策融合系统的优化设计结果表明,优化算法在收敛性和精度上均优于传统梯度算法,并在此基础上对不同信号期望值下的最优融合规则进行了讨论。     

基于Curvelet变换的多聚焦图像融合算法

曲波变换是近几年发展的多尺度分析方法,它比小波更适于分析图像中的曲线边缘特性,利用这一特性,本文提出了一种基于Curvelet变换的多聚焦图像融合算法.实验结果表明,该算法融合效果优于小波变换等其他传统图像融合算法.     

基于特征的小波变换与高通滤波相结合的图像融合算法

提出了一种基于多尺度分解的像素图像融合方法,综合考虑图像的边缘特征和小波变换后的系数相关性,对低频分量进行高通滤波,得到低频分量的细节分量并进行融合;在高频区域采用提取图像的边缘和区域能量相结合的方法进行融合.实验结果表明该算法具有很好的融合效果.     

基于BP神经网络组和DS证据理论的信用风险评估算法

结合BP神经网络和DS证据理论,将其有效地结合应用于商业银行的信用评估中。该方法通过对信用风险的输入数据特征进行分类,建立BP网络组,对网络组的输出,建立对于各类信用度的基本概率分配函数,最后利用DS证据理论融合,从而实现信用风险的最终决策。通过实际案例,验证了算法的可行性和有效性。     

基于多节点姿态信息融合的行人步长估计算法

针对单节点行人惯性定位算法中步长计算精度较低的问题,提出了一种基于多节点运动姿态信息融合的行人步长估计算法。首先,根据行走时足部节点Z轴加速度与X轴角速度的波峰、波谷值变化特征检测行人的步态;其次,通过腿部4个节点X轴角速度的波峰及波谷值变化特征,对足跟着地动作的识别进行约束;最后,结合行人双腿长度信息、步态检测结果及腿部俯仰角信息解算得到行人步长。实验数据表明,该步长估计算法能与身体多个部位的运动信息相结合,行人步长平均估计精度可达98.9%。     

入侵检测中基于序列模式的告警关联分析

提出一种基于序列模式的告警关联分析模型,实现对攻击告警的分析。该模型预处理部分利用网络拓扑信息和告警属性相似度隶属函数对原始告警进行过滤和融合;在WINEPI算法的基础上,考虑告警数据库增长的情况,提出一种告警的增量式序列模式挖掘算法,用于关联规则发现;在线关联模块匹配规则库形成攻击场景图,并预测未知攻击事件。使用2000 DARPA攻击数据集测试表明,该模型能够明显改善入侵检测系统的性能,验证了模型和算法的有效性。     

融合多类型信息的社交网络用户表示学习方法

网络表示学习方法进行社交网络用户表示可以避免大量的特征工程,同时方便对不同类型的特征进行融合。由于社交网络通常规模大且数据类型丰富,采用基于神经网络的网络表示学习方法,融合社交网络中的多类型信息学习用户表示,提出了一种融合多类型信息的社交网络用户表示学习方法。对社交网络用户涉及的文本、网络结构和属性标签信息设计了独立的神经网络结构和目标函数,并通过对目标函数求加权和的方式进行融合,采用梯度下降算法进行联合优化得到社交网络用户表示。Cora和Weibo数据集上的实验结果表明:所提方法可以更好地融合社交网络中的多类型信息,获得更有区分度的用户特征,可有效提升分类任务的准确率。     

基于改进ORB算法的特征点匹配研究

针对ORB(Oriented FAST and Rotated BRIEF)算法不具有尺度不变性的缺陷,结合多尺度Shi-Tomasi算法提出了改进的ORB算法:STORB(Shi-Tomasi-ORB)算法。首先在多尺度空间中通过快速预筛选后检测Shi-Tomasi特征点,然后使用ORB算法生成具有方向信息和尺度信息的特征点描述子,最后采用汉明(Hamming)距离对特征点进行匹配,并结合随机抽样一致(RANSAC)算法对匹配结果进行优化,实现图像的准确匹配。实验结果表明,STORB算法不仅保留了ORB算法优良的旋转不变性与实时性,而且当图像发生尺度变化时特征点匹配正确率达到了95.8%,比ORB算法提高了65.2%。     

基于帧差法与SURF匹配的异纤机棉流速度测量

针对异纤机输棉通道内棉流速度的不确定性导致其打击精度无法提高的问题，课题组提出了一种基于帧间差分法和SURF特征匹配算法相结合的混合棉速测量方法。首先，对采集到的棉团图像进行预处理，采用帧间差分法提取棉团边缘信息，得到分离的二值化棉花图像；其次，基于形态学操作对二值化图像进行腐蚀、膨胀运算，得到完整的待检测棉团信息；最后，通过SURF特征点匹配算法对2幅图像中的特征点进行匹配，计算相邻帧间同名点之间的像素距离，将像素距离转换为实际距离后，计算得到棉团运动速度。研究结果表明：与直接匹配相比，特征点数量减少了67.8%，无效匹配点对减少了97.47%，算法计算所得速度与直接计算所得速度误差低于4%。课题组提出的算法可以满足实际工业应用要求。