表格(有表名) 表2 例1的kd斜率数据表 1~1011~20 21~3031~40 -2.7 -1.5 -0.4 0.9 -2.5 -1.5 -0.6 0.9 -2.3 -1.5 -0.3 0.9 -2.3 -1.5 0.0 0.9 -2.1 -1.4 -0.1 1.0 -2.0 0.0 -0.1 1.0 -1.9 -0.3 -0.1 1.0 -
表格(有表名)
表2 例1的kd斜率数据表
1~1011~20 21~3031~40
-2.7 -1.5 -0.4 0.9
-2.5 -1.5 -0.6 0.9
-2.3 -1.5 -0.3 0.9
-2.3 -1.5 0.0 0.9
-2.1 -1.4 -0.1 1.0
-2.0 0.0 -0.1 1.0
-1.9 -0.3 -0.1 1.0
-1.8 -0.5 0.4 1.1
-1.7 -0.5 0.1 1.2
-1.6 -0.5 -0.7 1.0
如图6所示,在0.1500<ε<0.3010区间所对应曲线k的值是全局上最小的部分,符合在低冲突前提下使用DST进行数据融合的要求。可以得到结论,例1求得的是多点值门限。
图片
图6 例1的全面比对
下面例举第二个例子,为了更好地说明这种方法的意义,要求例子具有两个特点:1)在ε较小时,两组证据的信息完全相悖;2)假设两组证据具有相同的重要性。
例2 m1(A1)=0.9-2ε,m1(A2)=0.07+ε,
m1(A3)=0.03+ε;
m2(A1)=ε,m2(A2)=0.2+2ε,
m2(A3)=0.8-3ε
Shafer的模型成立,其中0<ε<0.2666,以0.006为步长变动。图7为例2的冲突概率比对图。
在ε较小,如ε=0时,m1(A1)=0.9,m2(A3)=0.003;m2(A1)=0,m2(A3)=0.8,两组证据对A1 、A3的基本概率赋值是相悖的,因为两组证据具有相同的重要性,是不能简单分辨出m(A1)与m(A2)的。而在冲突很大时(ε=0),DST却得出了不能让人信服的结论:m(A1)=0,m(A3)=0.63。可以预见门限值在ε<0.15时取到。
在图8中,曲线kd在ε=1.900时出现拐点,但是在该拐点的两侧,曲线的斜率相差不大且均较小(参照表3第30个参数),故不是目标拐点。目标拐点只能在ε=0.118时取到,处在ε<0.15的区间,和前面的分析判断相一致。而k在全局上是递减的,故在第一个拐点的左侧区间应当使用DSmT进行数据融合,右侧则使用DST进行融合,符合在低冲突的前提下使用DST进行数据融合的要求。
图片
图7 例2的冲突概率比对
图片
图8 例2的k与kd比对
例2求得的结果是单点值门限,图9是例2的全面比对图,图中目标拐点将全局划分为两个区域,左侧使用DSmT进行信息融合,右侧使用DST进行信息融合。
图片
图9 例2的全面比对
门限数据如下所示:ε为0.1020;k为0.6775;kd为0.7943。
表格(有表名)
表3 例2的kd曲线斜率数据表
1~1011~2021~30 31~40
-4.545 -3.182 1.515 -1.515
-4.393 -3.030 1.666 -1.212
-4.242 -2.878 -0.757 -0.909
-3.939 -2.878 0.454 -0.758
-3.939 -3.787 0.757 -0.909
-3.787 0.000 0.757 -0.606
-3.484 0.757 0.909 -0.607
-3.333 0.606 0.909 -0.455
-3.181 1.363 1.060 -0.606
-3.181 1.363 0.303 -0.454
5 结语
本文通过研究DSmT和DST在数据融合上各自的优点,在此基础上,提出将两者结合使用,在文献[4]的启发下给出了新的转换门限的确定方法,该方法有很强的适应性,根据不同的证据组合,能划分是单点值门限还是多点值门限。通过门限的设定,使得在信息融合系统中高效实现强冲突信息融合,低代价实现弱冲突信息融合成为可能,在提高信息融合效率上有一定的意义。
参考文献:
[1]
衣晓,孙晓明,关欣,等.有效处理冲突证据的融合方法[J].清华大学学报:自然科学版,2009,49(1):138-141.
[2]
关欣,何友,孙晓明.一种冲突证据的融合方法[J].电子科技大学学报,2007,36(1):30-31.
[3]
邓勇,钟山,朱振福.基于证据理论的模糊信息融合及其在目标识别中的应用[J].航空学报,2005,26(6):754-758.
[4]
周宪英. DST与DSmT自适应融合门限研究[J]. 舰船电子工程,2009,29(12):128-129.
[5]
SMARANDACHE F, DEZERT J. Advances and applications of DSmT for information fusion[M]. Rehoboth: American Research Press, 2004:76-78.
[6]
何友,王国宏.多传感器信息融合及应用[M].北京:电子工业出版社,2007:33-38.
[7]
侯俊,潘泉,苗壮.DST与DSmT自适应融合算法[J].微电子学与计算机,2006,23(10):150-152.
[8]
胡丽芳,关欣,何友.基于DSmT的多传感器目标识别[J].弹箭与制导学报,2008,28(2):186-188.
(责任编辑:南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(南粤论文中心__代写代发论文_毕业论文带写_广州职称论文代发_广州论文网)
顶一下
(0)
0%
踩一下
(0)
0%
版权声明:因本文均来自于网络,如果有版权方面侵犯,请及时联系本站删除.