论文部分内容阅读
重点研究了目标识别领域中证据理论与模糊神经网络相结合的多Agent数据融合方法。作为传统Bayes理论的推广，证据理论由于满足更弱的信息来源条件，尤其是在区分不确定与未知方面显示了很大的灵活性，因此备受关注。然而，基本可信度的分配是一个与实际应用密切相关的问题，也是较难操作的一步。本文通过对模糊神经网络的训练来处理证据理论的基本可信度分配问题，经计算机仿真表明这是一种行乏有效的方法。