基于DSmT的多粒度信息融合方法及其应用研究

来源 :东南大学 | 被引量 : 0次 | 上传用户:zane11th
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着大数据时代的来临,多源信息融合已经发展成为信息决策系统的关键技术之一。然而,由于传感器设备的物理局限性、系统运行的不确定性,甚至是环境的未知动态干扰等问题,导致多粒度信息融合问题日益成为信息融合研究的一大挑战。针对信息融合的理论研究是解决多粒度信息融合问题的有效途径,本文以DSmT(Dezert-Smarandache Theory)为理论框架,以穿戴式人体传感器网络(WBSNs,Wearable Body Sensor Networks)下的行为识别为应用背景,对多粒度信息的广义融合展开了深入的研究。
  本文首先从研究多粒度信息的不确定性度量与融合规则角度出发,将犹豫模糊集理论与DSmT 信度赋值策略进行关联,提出了多粒度信息的定量和定性两种犹豫模糊信度概念,并进一步提出了基于犹豫模糊信度的多粒度证据源DSmC(Classic DSm Rule of Combination)融合规则,有效扩大了DSmT信度赋值技术的适用范围;此外,针对经典DSmT框架下融合规则受限于同一鉴别框架这一前提,这里借鉴了粗糙集理论中的粒空间构建思想,提出了一种能够有效对异鉴别框架下多粒度证据源实现融合的规则,仿真算例验证了提出方法的有效性;
  随着鉴别框架中焦元数目的增加,多粒度证据源融合规则的计算复杂度过高等问题一定程度上限制了 DSmT 理论的实际应用。这里,提出了一种基于 BF-TOPSIS(Belief Function based Technique for Order Preference by Similarity to Ideal Solution)策略的多粒度证据源维度约简方法。依据焦元信度赋值和Martin编码规模两组指标判定焦元的重要程度,进而利用k-l-x方法实现对焦元的保留与去除操作,从而在降低多粒度证据源维度的前提下,尽可能地保留原始有效信息;此外,为了能够使得最终的多粒度证据源融合决策结果具备较强的可解释性,需要将Non-Bayesian BBA(Basic Belief Assignment)转换为Bayesian BBA。这里,提出了一种基于多目标遗传优化算法的概率决策方法,借助迭代寻优地方式,将粗粒度复合焦元的信度合理地分配给细粒度单子焦元;
  针对非等可靠多粒度证据源的融合问题,本文提出了一种基于自适应 BF-TOPSIS 策略的非等可靠多粒度证据源融合规则。该方法从多粒度证据源内部的自身不确定性和多粒度证据源之间的冲突性两方面,度量参与融合的多粒度证据源可靠性程度;此外,由于评价指标自身的权重也在影响多粒度可靠性程度的计算,这里,在原始BF-TOPSIS的基础上给出了一种自适应计算评价指标权重的方法。最后,利用折扣策略和第六比例冲突分配规则(PCR6, Proportional Conflict Redistribution 6)规则将非等可靠多粒度证据源进行融合。仿真实验表明:本文提出的方法在高冲突、动态非等可靠证据源融合问题中具有明显的优势;
  针对穿戴式人体传感器网络获取信息的不确定性,这里,从DSmT等可靠多粒度证据源融合和DSmT非等可靠多粒度证据源融合的角度出发,构建了基于核密度估计(KDE,Kernel Density Estimation)+DSmT的行为识别模型和基于K-means聚类+BF-TOPSIS+DSmT的行为识别模型,实现对基于穿戴式传感器网络感知的人体日常行为识别。此外,为了验证DSmT犹豫模糊信度在实际行为识别应用中的效果,进一步提出了基于犹豫模糊信度 +极限学习机(ELM, Extreme Learning Machine)+DSmT的行为识别模型。最后,将行为识别模型与其他经典的行为识别方法进行对比,比较结果充分说明了基于DSmT多粒度证据源融合策略下的行为识别模型能够较好地对日常行为进行识别,这也给传统基于穿戴式传感器网络感知的行为识别问题提供了新的解决思路。
其他文献
随着现在技术的发展,互联网的普及,网络数据呈现出爆炸式增长,数字化的生活与人们息息相关。其中大规模的建筑物匹配通常被看作大规模的图像检索问题,可以用于导航技术,地标识别等。本文的研究目标是在海量的图像数据中,快速并正确地搜索出目标图像,从而提高图像检索的准确率和效率。本文对图像特征学习和检索算法进行了深入研究,主要的研究工作包括:  提出了一种基于深度学习网络的特征检测算法,在残差网络的基础上,使
学位
近年来,无人机技术发展迅速,在各行各业都有广泛应用,而为了应对规模较大、复杂的任务场景并获得额外的系统性能增益,需要多智能体协同完成。本课题主要研究了未知流场中一阶多智能体球面编队跟踪控制问题,提出了一种基于自适应神经网络的未知流场估计及鲁棒球面编队跟踪控制器设计;对低空前向视角下公路车道线检测问题进行深入分析,提出了一种新颖的基于深度学习的车道线分割网络;针对车道线数量不确定的场景,设计了一种卷
学位
近年来,生物识别技术在生活、金融、法律、刑侦等应用场景中的需求越来越高,而人脸识别技术以其特征信息丰富、便于采集和高精度等优点成为最受欢迎的生物识别技术。实际应用场景中的人脸识别系统多为小样本问题,即人脸数据库中的每个人脸类别仅能采集到少数样本,我们统称这一类问题为小样本人脸识别问题(FFR)。通常,人脸图像的采集是建立在非可控自然条件之下,往往带有光照、表情、姿态、遮挡等多种变化,因此,复杂变化
学位
无线传感器网络(WSN)由大量协作的无线传感器节点互连而成,在环境监测、智能家居、智能交通等领域得到了广泛的应用。分布式估计是无线传感器网络中的一个重要问题。基于最小均方误差的最优估计算法,如Kalman滤波和信息滤波,通常用于WSN状态估计,以获得准确的估计值。然而,由于无线传感器网络的无线通信特性,攻击者可以很容易地监听网络任务域中的信道,向信道中注入比特流,实施DoS攻击等。深入研究传感器网
学位
视频监控系统作为保障居民人生财产安全的基本工具,已成为社会和谐发展的重要组成部分。应用目标检测和语义分割技术实现监控视频下目标的精确提取在目标重识别和跨场景下的检索等领域都有着迫切的现实需求和重要的研究意义。传统目标检测算法在多尺度的监控视频场景下检测效果不佳,对该场景下的小目标检测存在缺陷。经典分割网络在计算量和参数量上难以满足要求,对多尺度目标分割效果一般。本文基于监控视频下目标多尺度特性,针
学位
人耳识别作为一种很有发展潜力的生物特征识别技术,已经受到越来越多的国内外研究人员的关注,与二维人耳图像相比,三维人耳数据包含信息更多,鲁棒性更好。而且三维重建技术应用前景非常广泛,其在身份认证、医学和AR、VR上都有重大意义,所以本文对耳朵三维重建进行了研究。以往对三维人耳重建的研究很少,而且仅有的耳朵三维建模方法几乎都要依靠手动标注特征点和人工干预,本文首次提出了基于模板匹配的耳朵三维重建方法,
学位
机械臂作为目前阶段在机器人及其相关技术领域中应用最为广泛的自动化机械装置,自上世纪问世以来,在国内外一直发展迅速。机械臂本身结构上不断有改进,在驱动、传感器、执行器上也有越来越多的发展和选择。此外,随着控制科学的进步,传统控制方法之外,也不断涌现出新的控制算法,机械臂轨迹跟踪控制在控制策略的选择上也有了更多的尝试。本文选用高斯过程回归算法,对机械臂系统的系统辨识与轨迹跟踪控制问题进行了相关研究。论
学位
近年来,多智能体系统分布式协调控制问题得到了相关领域研究者的广泛关注. 一致性问题是多智能体系统协调控制领域的基本问题.关于一致性的研究,经过多年的钻研,研究者们已经取得了丰硕的研究成果.然而该领域仍然存在许多有待解决的问题,如不匹配受扰多智能体系统主动抗干扰一致性控制设计问题、不确定非线性多智能体系统的一致性控制设计问题等. 本文针对上述几类典型问题以及高阶多智能体系统有限时间分布式优化问题进行
工业过程大都具有非线性、时滞、耦合等特征,并受外界干扰等影响。由于这些特征及影响的存在,常会导致控制系统超调量增大,调节时间变长,从而使系统的过渡过程变坏,稳定性降低,极易引起闭环系统的不稳定。如何克服这些问题,对系统进行有效的控制成为了控制理论领域与工程领域研究的重点。由于非线性和时滞等特性的存在,一方面难以得到系统精确的数学模型,另一方面线性系统相关的研究成果很难直接应用到非线性系统中。近年来
近十多年来,社交媒体所伴随而来的快速增长的用户量以及每天产生的海量数据,已经成为目前最为重要而广泛的公共课题。Facebook已经拥有1000亿图像数据并且还在以每月超过25亿新图像速度增长。日益剧增的社交媒体图像数据正迫切需求更加行之有效的机器学习技术来对海量数据进行表达、分析和理解,从而能够帮助更好的实现基于互联网的管理、搜索、和社交系统的设计。亲属关系是社交媒体中最主要的人际关系之一。近年来
学位