CN101996157A - 证据高冲突环境下多源信息融合方法 - Google Patents
证据高冲突环境下多源信息融合方法 Download PDFInfo
- Publication number
- CN101996157A CN101996157A CN2010105312800A CN201010531280A CN101996157A CN 101996157 A CN101996157 A CN 101996157A CN 2010105312800 A CN2010105312800 A CN 2010105312800A CN 201010531280 A CN201010531280 A CN 201010531280A CN 101996157 A CN101996157 A CN 101996157A
- Authority
- CN
- China
- Prior art keywords
- evidence
- conflict
- formula
- information
- monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种证据高冲突环境下多源信息融合方法,它是根据证据距离来确定证据的相互支持度,并以证据支持度矩阵模最大特征值对应的特征向量为证据的权重向量,其中权重系数最大的证据为关键证据,进而求得各证据的相对折扣因子,然后对各证据信息进行打折扣处理,再用D-S规则对多源传感器数据进行信息融合,以提高证据高冲突状态下对监测命题判断的准确性及精确性,该方法可以有效消除多源信息的不确定因素,提高信息评价的准确度,克服证据高冲突状态下利用传统D-S证据理论不能得出正确评价结果的局限性,且具有算法简单、收敛速度快等优点。
Description
技术领域
本发明是基于证据距离理论对多源高冲突传感器数据进行信息融合的处理方法,属于信息处理技术领域。
背景技术
信息融合技术是近年来发展起来的一种自动化信息综合处理技术,通过对来自不同传感器的信息进行处理,以改善信息的质量,提高信息的精度。数据融合的方法有很多,如D-S证据理论法、聚类分析法、人工神经网络法等等,与本发明有关的技术是D-S证据理论法。
多传感器信息融合可以充分利用多源信息互补和冗余的特点,提高对监测命题判断的准确性和精确性。由于传感器受探测精度、器件故障以及环境噪声等因素的影响,导致系统监测结果存在不确定性,因此国内外很多学者都开展了信息融合的理论研究,其中D-S证据理论研究是一个热点领域。由于D-S证据理论在不确定性的表示、量测和组合方面有着突出优势,不但符合人类推理的决策过程,而且对推理进行了合理的信息论解释,因此可以将多传感信息转化为相应的多个独立的证据,利用D-S证据理论对其进行融合判断。虽然D-S证据理论有其自身优势,但在传感器信息高度冲突的情况下直接应用D-S证据合成规则会产生不合理的结果,因此开展复杂环境下高冲突传感器信息融合方法研究具有重要意义。
发明内容
本发明的目的是提供一种证据高冲突环境下多源信息融合方法,它是基于D-S证据距离理论对多源传感器数据进行信息融合,以提高证据高冲突状态下对监测命题判断的准确性及精确性,该方法可以有效消除多源信息的不确定因素,提高信息评价的准确度,克服证据高冲突状态下利用传统D-S证据理论不能得出正确评价结果的局限性,且具有算法简单、收敛速度快等优点。
为达到上述目的,本发明多源信息融合方法步骤如下:
第一步:建立多传感器融合结构
设融合结构由n类传感器监测系统组成,其中每个局部系统基于自己的观测值yi完成同一决策任务ui之后将决策值ui传送到融合中心,融合中心的任务是根据接收到的局部决策,利用最优融合规则,作出最终决策u0。
第二步:建立基于D-S证据理论的监测命题辨识框。
根据心理学研究,由于人们辨识能力的局限性,辨识框的决策结果划分的数目一般不要超过5个,考虑其一般性,本发明将多传感器监测命题的决策结果定义为安全(S1)、临界(S2)、危险(S3)三个状态,监测命题的决策辨识框架X表示为:X={S1,S2,S3}。
第三步:计算机采集数据并对多传感器监测数据进行归一化预处理。
具体做法是:计算机采集某一周期内各监测系统中的传感器数据并进行归一化处理,使其对监测结果的判定值落在[0,1]范围内。即把采集到的各类监测数据转化为对应证据的基本可信度分配值,使其具有统一表达方式,便于数据融合。当有n类传感器监测系统进行状态监测时,每个传感器的评估记为mi,i=1...n,则系统基本可信度可分配为:
m1(A1)=x1,A1={S1}
m2(A2)=x2,A2={S2}
...
第四步:判断证据之间是否存在高度冲突。
根据D-S证据理论计算证据之间的冲突值,通过冲突值大小来判断证据之间是否存在高度冲突。
各证据之间的冲突值K由公式(1)计算得出,公式(1)如下:
当证据之间的冲突值K<0.65时,应用现有D-S证据理论合成法则对证据进行合成;
当证据之间的冲突值K≥0.65时,说明证据之间产生高度冲突,处理方法转第四步。
第四步:基于证据距离对高冲突证据进行合成。其基本思想是:根据证据距离来确定证据的相互支持度,并以证据支持度矩阵模最大特征值对应的特征向量为证据的权重向量,其中权重系数最大的证据为关键证据,进而求得各证据的相对折扣因子,然后对各证据信息进行打折扣处理,再用D-S规则融合。
具体方法如下:
(1)根据证据距离确定证据之间的相互支持度。
证据m1,m2的距离定义如下:
(2)
设有n个传感器信息,那么可以构造n个证据m1,m2,…,mn,根据公式(2)计算n个证据两两之间的距离,根据证据距离可以确定两证据之间的相互支持度,记为:
Support(i,j)=1-d(i,j)(3)
根据公式(3)得到证据n×n维相互支持度矩阵:
(2)寻找关键证据
证据支持度的矩阵模最大特征值对应的特征向量为证据的权重向量,其中权重系数最大的证据为关键证据。
首先计算其他证据对证据mi的总支持程度λi。根据相互支持度矩阵S,按照公式(4)计算其他证据对证据mi总支持程度,亦即证据mi的权重系数。
选择权重系数最大也就是认为可信度最大的证据为关键证据,其权重系数为:
λmax=max(λ1,…,λi,…λn) (5)
(3)计算各证据的相对折扣因子。证据mi的相对折扣因子为下式
(4)根据各证据的相对折扣因子建立证据基本概率分配值修正模型,利用修正模型对证据基本概率分配值进行修正,修正模型用下式(7)表示:
式中X为辨识框。
(5)利用Dempster合成规则对修正后的证据基本概率分配值进行融合。
第五步:计算机对融合后的基本概率分配值S进行分析,并输出多传感器信息在辨识框X内的辨识结果,从而实现证据高冲突状态下的证据合成。
本发明的积极效果是:利用信息融合的理论和方法,提出了D-S证据理论改进算法,充分考虑组合过程中证据的权重,基于证据距离来确定证据之间的相互支持度,并最终获得各证据的权重系数。本发明的算法可以有效处理证据冲突,在证据较少的情况下也可以得到正确的结果,且整个算法结构及过程简单,能有效消除证据高冲突环境下多源信息融合的不确定因素,降低了决策风险,提高了在证据冲突时融合结果的可靠性。
附图说明
图1是本发明多传感器融合结构原理示意图
具体实施方式
如图1所示,本发明建立的融合结构由n类传感器监测系统组成,其中每个局部系统基于自己的观测值yi完成同一决策任务ui之后将决策值ui传送到融合中心,融合中心的任务是根据接收到的局部决策,利用最优融合规则,作出最终决策u0。
下面以三类传感器、三个危险等级为例并结合上述发明内容中的融合方法具体说明本发明的一个实施例。
假设某煤矿顶板安全监测系统使用三类传感器:M1-综采支架压力传感器、M2-顶板离层仪、M3-电磁辐射仪,目标识别框架为S={S1,S2,S3},分别表示顶板安全的不同状态,即S1-安全,S2-临界,S3-危险。各类传感器在某一采样周期内获得证据的基本概率分布情况如下:
表2三类传感器的基本概率赋值
首先根据发明内容中的公式(1)计算出证据m1和m2的冲突值:
K=0.5×0.9+0.5×0.1+0.2×0.1+0.3×0.9=0.45+0.05+0.02+0.27=0.79
依据发明内容中第三步给出的规则,当其中两个证据之间的K≥0.65时,说明证据之间产生了高度冲突,这时候需要利用本发明技术方案第四步融合算法步骤(1)计算出证据距离矩阵为:
由矩阵D可以看出,证据m2(*)与证据m1(*),m3(*),m4(*)有较大冲突,其冲突程度达到了0.7,0.8,0.8;其他证据之间的冲突程度较低,都在0.3以下。因此在证据合成过程中,证据m2(*)的权重系数相对其他的证据就较小,其他证据的权重系数相差不大。
则4×4维的证据相互支持度矩阵为:
据发明内容中的公式(5)求得各证据权重系数向量λ={2.9,1.7,2.9,2.7};据发明内容中的公式(6)可计算出各证据的相对折扣因ξ={1.000,0.5862,1.000,0.9310}。据发明内容中的公式(7)对各证据的基本概率分配进行折扣处理后再按Dempster合成法则进行证据合成,组合结果见表3。
为了验证本发明方法的优越性,同时采用现有D-S证据合成法进行融合,融合结果见表3。
表3证据组合结果
从表3可以看出,当有四条证据融合时,本发明判定顶板安全状态为S1的可能性达到0.9104,即顶板处于安全状态;而直接利用Dempster方法却判定顶板安全状态为S2,可见采用Dempster规则不能对有冲突的证据进行有效处理,若有一证据对某命题的支持度为0,无论其他证据对该命题有多大的支持概率,组合结果总为0,显然不合情理。本发明提出的D-S改进算法考虑了组合过程中证据的权重,基于证据距离来确定证据之间的相互支持度,并最终获得各证据的权重系数。仿真算例表明,本发明的算法可以有效处理证据冲突,而且在证据较少(在收集到3条证据时)的情况下也可以得到正确的结果,收敛速度快,降低了决策风险,提高了在证据高度冲突时融合结果的可靠性。
Claims (1)
1.一种证据高冲突环境下多源信息融合方法,其特征在于,步骤如下:
第一步:建立多传感器融合结构
设融合结构由n类传感器监测系统组成,其中每个局部系统基于自己的观测值yi完成同一决策任务ui之后将决策值ui传送到融合中心,融合中心的任务是根据接收到的局部决策,利用最优融合规则,作出最终决策u0;
第二步:建立基于D-S证据理论的监测命题辨识框
将多传感器监测命题的决策结果定义为安全(S1)、临界(S2)、危险(S3)三个状态,监测命题的决策辨识框架X表示为:X={S1,S2,S3};
第三步:计算机采集数据并对多传感器监测数据进行归一化预处理
具体做法是:计算机采集某一周期内各监测系统中的传感器数据并进行归一化处理,使其对监测结果的判定值落在[0,1]范围内;当有n类传感器监测系统进行状态监测时,每个传感器的评估记为mi,i=1...n,则系统基本可信度可分配为:
m1(A1)=x1,A1={S1}
m2(A2)=x2,A2={S2}
…
第四步:判断证据之间是否存在高度冲突
根据D-S证据理论计算证据之间的冲突值,通过冲突值大小来判断证据之间是否存在高度冲突;
各证据之间的冲突值K由公式(1)计算得出,公式(1)如下:
当证据之间的冲突值K<0.65时,应用现有D-S证据理论合成法则对证据进行合成;
当证据之间的冲突值K≥0.65时,说明证据之间产生高度冲突,处理方法转第四步;
第四步:基于证据距离对高冲突证据进行合成
根据证据距离来确定证据的相互支持度,并以证据支持度矩阵模最大特征值对应的特征向量为证据的权重向量,其中权重系数最大的证据为关键证据,进而求得各证据的相对折扣因子,然后对各证据信息进行打折扣处理,再用D-S规则融合;具体方法如下:
(1)根据证据距离确定证据之间的相互支持度
证据m1,m2的距离定义如下:
(2)
设有n个传感器信息,那么可以构造n个证据m1,m2,…,mn,根据公式(2)计算n个证据两两之间的距离,根据证据距离可以确定两证据之间的相互支持度,记为:
Support(i,j)=1-d(i,j) (3)
根据公式(3)得到证据n×n维相互支持度矩阵:
(2)寻找关键证据
证据支持度的矩阵模最大特征值对应的特征向量为证据的权重向量,其中权重系数最大的证据为关键证据;
首先计算其他证据对证据mi的总支持程度λi,根据相互支持度矩阵S,按照公式(4)计算其他证据对证据mi总支持程度,亦即证据mi的权重系数;
选择权重系数最大也就是认为可信度最大的证据为关键证据,其权重系数为:
λmax=max(λ1,…,λi,…λn) (5)
(3)计算各证据的相对折扣因子
证据mi的相对折扣因子为下式
(4)根据各证据的相对折扣因子建立证据基本概率分配值修正模型,利用修正模型对证据基本概率分配值进行修正,修正模型用下式(7)表示:
式中X为辨识框;
(5)利用Dempster合成规则对修正后的证据基本概率分配值进行融合
第五步:计算机对融合后的基本概率分配值S进行分析,并输出多传感器信息在辨识框X内的辨识结果,从而实现证据高冲突状态下的证据合成。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010531280 CN101996157B (zh) | 2010-10-23 | 2010-10-23 | 证据高冲突环境下多源信息融合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010531280 CN101996157B (zh) | 2010-10-23 | 2010-10-23 | 证据高冲突环境下多源信息融合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101996157A true CN101996157A (zh) | 2011-03-30 |
CN101996157B CN101996157B (zh) | 2013-08-21 |
Family
ID=43786328
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010531280 Expired - Fee Related CN101996157B (zh) | 2010-10-23 | 2010-10-23 | 证据高冲突环境下多源信息融合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101996157B (zh) |
Cited By (38)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020450A (zh) * | 2012-12-12 | 2013-04-03 | 西安工程大学 | 多证据源冲突的组合度量方法 |
CN103279033A (zh) * | 2013-05-03 | 2013-09-04 | 河海大学 | 一种原油管道调合过程状态辨识方法 |
CN103530525A (zh) * | 2013-10-26 | 2014-01-22 | 中北大学 | 一种提高尾矿坝基于库水位的风险评估精准性的方法 |
CN103577707A (zh) * | 2013-11-15 | 2014-02-12 | 上海交通大学 | 一种利用多模式融合推理的机器人故障诊断方法 |
CN103810809A (zh) * | 2014-02-27 | 2014-05-21 | 太原理工大学 | 基于ds证据理论判断火灾的方法 |
CN104021392A (zh) * | 2014-01-27 | 2014-09-03 | 河南大学 | 一种基于向量度量的冲突证据融合方法 |
CN104408324A (zh) * | 2014-12-11 | 2015-03-11 | 云南师范大学 | 基于d-s证据理论的多传感器信息融合方法 |
CN105391694A (zh) * | 2015-10-20 | 2016-03-09 | 中国人民解放军信息工程大学 | 一种多源态势信息融合方法 |
CN105515184A (zh) * | 2015-12-04 | 2016-04-20 | 国网河南省电力公司电力科学研究院 | 基于无线传感网络的多传感器多参量配网协同监测系统 |
CN105681129A (zh) * | 2016-01-26 | 2016-06-15 | 武汉绿色网络信息服务有限责任公司 | 提高特征库有效性的检测方法及系统 |
CN103955622B (zh) * | 2014-05-15 | 2017-01-18 | 合肥工业大学 | 一种机载多传感器目标识别系统与方法 |
CN106529675A (zh) * | 2016-11-08 | 2017-03-22 | 中国人民解放军海军航空工程学院 | 基于冲突度量和模糊推理的融合识别方法 |
CN106570851A (zh) * | 2016-10-27 | 2017-04-19 | 大连理工大学 | 一种基于加权分配d‑s证据理论的显著图融合方法 |
CN106682835A (zh) * | 2016-12-29 | 2017-05-17 | 西安交通大学 | 一种数据驱动的复杂机电系统服役质量状态评估方法 |
CN106778847A (zh) * | 2016-12-02 | 2017-05-31 | 河南大学 | 基于对数函数衡量证据冲突的融合方法 |
CN107562828A (zh) * | 2017-08-22 | 2018-01-09 | 武汉理工大学 | 多源海事信息搜索与冲突处理系统及方法 |
CN107644267A (zh) * | 2017-09-11 | 2018-01-30 | 河南科技大学 | 一种基于d‑s证据理论的温室控制决策融合方法 |
CN108062567A (zh) * | 2017-12-13 | 2018-05-22 | 中国人民解放军陆军工程大学 | 一种证据合成方法、模块及多Agent诊断系统 |
CN108345730A (zh) * | 2018-01-29 | 2018-07-31 | 河海大学 | 大坝安全度多源融合诊断方法 |
CN108764312A (zh) * | 2018-05-17 | 2018-11-06 | 河海大学 | 基于ds优化多指标大坝缺陷图像检测方法 |
CN108761263A (zh) * | 2018-05-24 | 2018-11-06 | 深圳大图科创技术开发有限公司 | 一种基于证据理论的故障诊断系统 |
CN108973995A (zh) * | 2017-06-05 | 2018-12-11 | 上海汽车集团股份有限公司 | 用于辅助驾驶的环境感知数据处理方法、装置及车辆 |
CN109272417A (zh) * | 2018-09-14 | 2019-01-25 | 北方民族大学 | 一种支持矛盾处理的产品制造工艺可持续性多群体辨别方法 |
CN109426067A (zh) * | 2017-08-29 | 2019-03-05 | 中芯国际集成电路制造(上海)有限公司 | 光学临近修正的建模方法及用于其的图形权重生成方法 |
CN110009251A (zh) * | 2019-04-15 | 2019-07-12 | 西安邮电大学 | 一种农田多源信息动态调节融合方法及系统 |
CN110501302A (zh) * | 2019-07-29 | 2019-11-26 | 武汉大学 | 一种多源证据融合数据的浒苔分布图生成方法 |
CN110530631A (zh) * | 2019-08-21 | 2019-12-03 | 贵州大学 | 一种基于混合分类器的齿轮单类型故障检测方法 |
CN110674950A (zh) * | 2019-09-25 | 2020-01-10 | 国网山东省电力公司日照供电公司 | 基于多源信息的配电网故障定位方法 |
CN111739243A (zh) * | 2020-05-14 | 2020-10-02 | 电子科技大学 | 一种基于d-s证据理论的火灾状态检测方法 |
CN111950627A (zh) * | 2020-08-11 | 2020-11-17 | 重庆大学 | 一种多源信息融合方法及其应用 |
WO2021000061A1 (zh) * | 2019-07-02 | 2021-01-07 | 北京理工大学 | 一种基于改进证据融合算法的燃气管网泄露等级判断方法 |
CN112232396A (zh) * | 2020-10-08 | 2021-01-15 | 西北工业大学 | 一种基于lstm与d-s证据理论的舰船编队意图融合识别方法 |
CN112418340A (zh) * | 2020-11-27 | 2021-02-26 | 北京无线电测量研究所 | 一种带振荡阻尼的复合加权融合方法和系统 |
CN113283516A (zh) * | 2021-06-01 | 2021-08-20 | 西北工业大学 | 一种基于强化学习和d-s证据理论的多传感器数据融合方法 |
CN113487223A (zh) * | 2021-07-23 | 2021-10-08 | 深圳市城市公共安全技术研究院有限公司 | 一种基于信息融合的风险评估方法和评估系统 |
CN113657429A (zh) * | 2021-06-30 | 2021-11-16 | 北京邮电大学 | 面向数字孪生城市物联网的数据融合方法及装置 |
CN114034338A (zh) * | 2021-10-29 | 2022-02-11 | 国网安徽省电力有限公司电力科学研究院 | 一种基于改进d-s证据理论的开关柜多源参量监测方法 |
CN114092200A (zh) * | 2022-01-17 | 2022-02-25 | 南京审计大学 | 基于决策距离和概率矩阵的信用冲突检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1570628A (zh) * | 2004-04-30 | 2005-01-26 | 河海大学 | 多源监测数据信息融合处理方法 |
CN101018266A (zh) * | 2006-06-16 | 2007-08-15 | 电子科技大学 | 一种无线有线融合式传感器网络系统 |
CN101146129A (zh) * | 2007-10-31 | 2008-03-19 | 北京航空航天大学 | 基于中间件思想实现节点软件的传感器网络及通信方法 |
CN101556651A (zh) * | 2009-04-15 | 2009-10-14 | 北京航空航天大学 | 一种分簇无线传感器网络内多源数据融合方法 |
-
2010
- 2010-10-23 CN CN 201010531280 patent/CN101996157B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1570628A (zh) * | 2004-04-30 | 2005-01-26 | 河海大学 | 多源监测数据信息融合处理方法 |
CN101018266A (zh) * | 2006-06-16 | 2007-08-15 | 电子科技大学 | 一种无线有线融合式传感器网络系统 |
CN101146129A (zh) * | 2007-10-31 | 2008-03-19 | 北京航空航天大学 | 基于中间件思想实现节点软件的传感器网络及通信方法 |
CN101556651A (zh) * | 2009-04-15 | 2009-10-14 | 北京航空航天大学 | 一种分簇无线传感器网络内多源数据融合方法 |
Non-Patent Citations (1)
Title |
---|
贾瑞生等: "基于证据融合理论的煤矿顶板安全评价模型", 《煤炭学报》 * |
Cited By (64)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020450A (zh) * | 2012-12-12 | 2013-04-03 | 西安工程大学 | 多证据源冲突的组合度量方法 |
CN103020450B (zh) * | 2012-12-12 | 2016-04-20 | 西安工程大学 | 多证据源冲突的组合度量方法 |
CN103279033B (zh) * | 2013-05-03 | 2015-06-03 | 河海大学 | 一种原油管道调合过程状态辨识方法 |
CN103279033A (zh) * | 2013-05-03 | 2013-09-04 | 河海大学 | 一种原油管道调合过程状态辨识方法 |
CN103530525A (zh) * | 2013-10-26 | 2014-01-22 | 中北大学 | 一种提高尾矿坝基于库水位的风险评估精准性的方法 |
CN103530525B (zh) * | 2013-10-26 | 2016-07-20 | 中北大学 | 一种提高尾矿坝基于库水位的风险评估精准性的方法 |
CN103577707A (zh) * | 2013-11-15 | 2014-02-12 | 上海交通大学 | 一种利用多模式融合推理的机器人故障诊断方法 |
CN104021392B (zh) * | 2014-01-27 | 2018-01-19 | 河南大学 | 一种基于向量度量的冲突证据融合方法 |
CN104021392A (zh) * | 2014-01-27 | 2014-09-03 | 河南大学 | 一种基于向量度量的冲突证据融合方法 |
CN103810809B (zh) * | 2014-02-27 | 2015-11-18 | 太原理工大学 | 基于ds证据理论判断火灾的方法 |
CN103810809A (zh) * | 2014-02-27 | 2014-05-21 | 太原理工大学 | 基于ds证据理论判断火灾的方法 |
CN103955622B (zh) * | 2014-05-15 | 2017-01-18 | 合肥工业大学 | 一种机载多传感器目标识别系统与方法 |
CN104408324A (zh) * | 2014-12-11 | 2015-03-11 | 云南师范大学 | 基于d-s证据理论的多传感器信息融合方法 |
CN104408324B (zh) * | 2014-12-11 | 2017-06-13 | 云南师范大学 | 基于d‑s证据理论的多传感器信息融合方法 |
CN105391694A (zh) * | 2015-10-20 | 2016-03-09 | 中国人民解放军信息工程大学 | 一种多源态势信息融合方法 |
CN105515184A (zh) * | 2015-12-04 | 2016-04-20 | 国网河南省电力公司电力科学研究院 | 基于无线传感网络的多传感器多参量配网协同监测系统 |
CN105515184B (zh) * | 2015-12-04 | 2018-07-17 | 国网河南省电力公司电力科学研究院 | 基于无线传感网络的多传感器多参量配网协同监测系统 |
CN105681129B (zh) * | 2016-01-26 | 2018-12-04 | 武汉绿色网络信息服务有限责任公司 | 提高特征库有效性的检测方法及系统 |
CN105681129A (zh) * | 2016-01-26 | 2016-06-15 | 武汉绿色网络信息服务有限责任公司 | 提高特征库有效性的检测方法及系统 |
CN106570851A (zh) * | 2016-10-27 | 2017-04-19 | 大连理工大学 | 一种基于加权分配d‑s证据理论的显著图融合方法 |
CN106570851B (zh) * | 2016-10-27 | 2019-06-28 | 大连理工大学 | 一种基于加权分配d-s证据理论的显著图融合方法 |
CN106529675A (zh) * | 2016-11-08 | 2017-03-22 | 中国人民解放军海军航空工程学院 | 基于冲突度量和模糊推理的融合识别方法 |
CN106778847A (zh) * | 2016-12-02 | 2017-05-31 | 河南大学 | 基于对数函数衡量证据冲突的融合方法 |
CN106778847B (zh) * | 2016-12-02 | 2019-11-19 | 河南大学 | 基于对数函数衡量证据冲突的融合方法 |
CN106682835B (zh) * | 2016-12-29 | 2020-05-22 | 西安交通大学 | 一种数据驱动的复杂机电系统服役质量状态评估方法 |
CN106682835A (zh) * | 2016-12-29 | 2017-05-17 | 西安交通大学 | 一种数据驱动的复杂机电系统服役质量状态评估方法 |
CN108973995B (zh) * | 2017-06-05 | 2020-05-22 | 上海汽车集团股份有限公司 | 用于辅助驾驶的环境感知数据处理方法、装置及车辆 |
CN108973995A (zh) * | 2017-06-05 | 2018-12-11 | 上海汽车集团股份有限公司 | 用于辅助驾驶的环境感知数据处理方法、装置及车辆 |
CN107562828B (zh) * | 2017-08-22 | 2020-10-30 | 武汉理工大学 | 多源海事信息搜索与冲突处理系统及方法 |
CN107562828A (zh) * | 2017-08-22 | 2018-01-09 | 武汉理工大学 | 多源海事信息搜索与冲突处理系统及方法 |
CN109426067A (zh) * | 2017-08-29 | 2019-03-05 | 中芯国际集成电路制造(上海)有限公司 | 光学临近修正的建模方法及用于其的图形权重生成方法 |
CN107644267A (zh) * | 2017-09-11 | 2018-01-30 | 河南科技大学 | 一种基于d‑s证据理论的温室控制决策融合方法 |
CN107644267B (zh) * | 2017-09-11 | 2020-04-24 | 河南科技大学 | 一种基于d-s证据理论的温室控制决策融合方法 |
CN108062567B (zh) * | 2017-12-13 | 2020-11-10 | 中国人民解放军陆军工程大学 | 一种证据合成方法、模块及多Agent诊断系统 |
CN108062567A (zh) * | 2017-12-13 | 2018-05-22 | 中国人民解放军陆军工程大学 | 一种证据合成方法、模块及多Agent诊断系统 |
CN108345730B (zh) * | 2018-01-29 | 2021-08-10 | 河海大学 | 大坝安全度多源融合诊断方法 |
CN108345730A (zh) * | 2018-01-29 | 2018-07-31 | 河海大学 | 大坝安全度多源融合诊断方法 |
CN108764312B (zh) * | 2018-05-17 | 2019-04-05 | 河海大学 | 基于ds优化多指标大坝缺陷图像检测方法 |
CN108764312A (zh) * | 2018-05-17 | 2018-11-06 | 河海大学 | 基于ds优化多指标大坝缺陷图像检测方法 |
CN108761263A (zh) * | 2018-05-24 | 2018-11-06 | 深圳大图科创技术开发有限公司 | 一种基于证据理论的故障诊断系统 |
CN108761263B (zh) * | 2018-05-24 | 2021-03-12 | 中电华创(苏州)电力技术研究有限公司 | 一种基于证据理论的故障诊断系统 |
CN109272417A (zh) * | 2018-09-14 | 2019-01-25 | 北方民族大学 | 一种支持矛盾处理的产品制造工艺可持续性多群体辨别方法 |
CN110009251A (zh) * | 2019-04-15 | 2019-07-12 | 西安邮电大学 | 一种农田多源信息动态调节融合方法及系统 |
CN110009251B (zh) * | 2019-04-15 | 2021-04-30 | 西安邮电大学 | 一种农田多源信息动态调节融合方法及系统 |
WO2021000061A1 (zh) * | 2019-07-02 | 2021-01-07 | 北京理工大学 | 一种基于改进证据融合算法的燃气管网泄露等级判断方法 |
CN110501302B (zh) * | 2019-07-29 | 2020-06-09 | 武汉大学 | 一种多源证据融合数据的浒苔分布图生成方法 |
CN110501302A (zh) * | 2019-07-29 | 2019-11-26 | 武汉大学 | 一种多源证据融合数据的浒苔分布图生成方法 |
CN110530631A (zh) * | 2019-08-21 | 2019-12-03 | 贵州大学 | 一种基于混合分类器的齿轮单类型故障检测方法 |
CN110674950A (zh) * | 2019-09-25 | 2020-01-10 | 国网山东省电力公司日照供电公司 | 基于多源信息的配电网故障定位方法 |
CN111739243A (zh) * | 2020-05-14 | 2020-10-02 | 电子科技大学 | 一种基于d-s证据理论的火灾状态检测方法 |
CN111950627A (zh) * | 2020-08-11 | 2020-11-17 | 重庆大学 | 一种多源信息融合方法及其应用 |
CN111950627B (zh) * | 2020-08-11 | 2024-04-05 | 重庆大学 | 一种多源信息融合方法及其应用 |
CN112232396B (zh) * | 2020-10-08 | 2023-01-24 | 西北工业大学 | 一种基于lstm与d-s证据理论的舰船编队意图融合识别方法 |
CN112232396A (zh) * | 2020-10-08 | 2021-01-15 | 西北工业大学 | 一种基于lstm与d-s证据理论的舰船编队意图融合识别方法 |
CN112418340A (zh) * | 2020-11-27 | 2021-02-26 | 北京无线电测量研究所 | 一种带振荡阻尼的复合加权融合方法和系统 |
CN112418340B (zh) * | 2020-11-27 | 2024-06-04 | 北京无线电测量研究所 | 一种带振荡阻尼的复合加权融合方法和系统 |
CN113283516A (zh) * | 2021-06-01 | 2021-08-20 | 西北工业大学 | 一种基于强化学习和d-s证据理论的多传感器数据融合方法 |
CN113657429B (zh) * | 2021-06-30 | 2023-07-07 | 北京邮电大学 | 面向数字孪生城市物联网的数据融合方法及装置 |
CN113657429A (zh) * | 2021-06-30 | 2021-11-16 | 北京邮电大学 | 面向数字孪生城市物联网的数据融合方法及装置 |
CN113487223B (zh) * | 2021-07-23 | 2024-04-30 | 深圳市城市公共安全技术研究院有限公司 | 一种基于信息融合的风险评估方法和评估系统 |
CN113487223A (zh) * | 2021-07-23 | 2021-10-08 | 深圳市城市公共安全技术研究院有限公司 | 一种基于信息融合的风险评估方法和评估系统 |
CN114034338A (zh) * | 2021-10-29 | 2022-02-11 | 国网安徽省电力有限公司电力科学研究院 | 一种基于改进d-s证据理论的开关柜多源参量监测方法 |
CN114034338B (zh) * | 2021-10-29 | 2023-08-11 | 国网安徽省电力有限公司电力科学研究院 | 一种基于改进d-s证据理论的开关柜多源参量监测方法 |
CN114092200A (zh) * | 2022-01-17 | 2022-02-25 | 南京审计大学 | 基于决策距离和概率矩阵的信用冲突检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN101996157B (zh) | 2013-08-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101996157B (zh) | 证据高冲突环境下多源信息融合方法 | |
CN101806229B (zh) | 基于多目标监测数据融合的煤矿顶板安全评价方法 | |
CN102496069B (zh) | 基于模糊层次分析法的电缆多状态安全运行评估方法 | |
Haktanır et al. | A novel picture fuzzy CRITIC & REGIME methodology: Wearable health technology application | |
CN103617469B (zh) | 电力系统设备故障预测方法及系统 | |
CN106778883A (zh) | 一种基于模糊集合的证据理论智能巡检信息融合方法 | |
CN107679167A (zh) | 基于格点化气象数据的气象风险评估方法及分析预警平台 | |
CN104408324A (zh) | 基于d-s证据理论的多传感器信息融合方法 | |
CN105825271B (zh) | 基于证据推理的卫星故障诊断与预测方法 | |
CN102194056B (zh) | 煤层顶底板突水危险评价预测的bn-gis方法 | |
CN107992968A (zh) | 基于集成时间序列分析技术的电能表计量误差预测方法 | |
CN105975744A (zh) | 一种基于d-s证据理论的纺织过程数据融合系统 | |
CN104019739A (zh) | 基于分布式光纤光栅传感网络的板结构冲击载荷定位方法 | |
CN106198749B (zh) | 一种基于金属裂纹监测的多路传感器的数据融合方法 | |
Tang et al. | A bearing fault diagnosis method based on feature selection feedback network and improved DS evidence fusion | |
CN103471865A (zh) | 基于线性判别法的列车悬挂系统故障分离方法 | |
CN105825323A (zh) | 一种基于大数据的建筑能耗主要影响因素分析方法 | |
CN107239887A (zh) | 因子权重信息不完全情况下的fmea风险评估方法 | |
CN104021392A (zh) | 一种基于向量度量的冲突证据融合方法 | |
CN106650250A (zh) | 基于等效评价因子的红外多目标威胁排序方法 | |
Tang et al. | Fault diagnosis of rolling bearing based on probability box theory and GA-SVM | |
CN105160359A (zh) | 一种基于超声导波的复杂结构损伤协同识别方法 | |
CN105806400A (zh) | 一种消防栓安全状态智能监测方法及系统 | |
Zhou et al. | Structural health monitoring of offshore wind power structures based on genetic algorithm optimization and uncertain analytic hierarchy process | |
CN106787164A (zh) | 一种gis母线舱舱体运行状态监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130821 Termination date: 20181023 |
|
CF01 | Termination of patent right due to non-payment of annual fee |