分享到:

一种基于Dempster-Shafer理论的分类器组合算法

提出了基于Dempster -Shafer理论进行多个神经网络分类器组合的一种可行算法 ,该算  (本文共6页) 阅读全文>>

浙江大学
浙江大学

信息融合与智能处理的研究

本文研究了多传感器信息融合与智能信息处理领域中的若干个问题。首先研究多传感器融合在移动机器人导航中的应用。包括移动机器人的融合自定位问题:移动机器人利用光电编码器进行自定位,同时用扩展卡尔曼滤波器融合多个超声波传感器的测量值,采用回朔算法将融合值用于复位光电编码器,消除了光电编码器累积误差的影响,并能满足实时控制的要求:并提出一种基于Takagi-Sugeno模型的变结构模糊神经网络直接逆模型控制器,并应用于移动机器人的运动控制;利用模糊神经网络避障控制器融合CCD摄象机与超声波传感器探测到的环境信息,以实现机器人的安全避障。仿真实验说明了,提出的多传感器融合方法运用在移动机器人导航中的有效性。将Dempster-Shafer理论与神经网络相结合,在时间域对多传感器的多次测量进行融合,以进行识别分类。该算法充分发挥了证据理论和神经网络各自的优点。工件识别系统实验表明该算法有效地提高了工件的识别率。提出了分别基于Dempster-...  (本文共109页) 本文目录 | 阅读全文>>

武汉大学
武汉大学

Dempster-Shafer证据推理融合模型在遥感分类中的应用

随着传感器技术的进步,遥感影像信息融合技术被广泛应用于影像特征识别、影像分割分类、综合信息提取等方面,成为国内外的研究热点。融合数据的多元特性,决定了在融合过程中需要处理信息源的不确定性、不精确性、不完备性、不一致性以及时变性等问题。Dempster-Shafer(DS)证据推理融合模型是解决这一问题的有效途径之一。本文针对该融合模型在遥感分类识别中的应用,进行了如下几个方面的研究和探讨:1、影像信息源的预处理和加工。对试验采用的分类影像数据—ETM影像源进行辐射校正。通过对影像统计特性、地物光谱特性进行分析,建立试验影像的分类标志。最后,采用像素级影像信息融合技术对数据源进行加工,综合不同分辨率ETM影像的特性,便于特征提取。2、基本DS证据理论(Basic DS Evidence Theory,BDSET)融合模型在遥感分类中的应用。介绍DS证据理论融合模型中的基本概念、融合原理和基本特点。根据BDSET理论的应用特点,着重...  (本文共78页) 本文目录 | 阅读全文>>

《国防科技大学学报》2004年05期
国防科技大学学报

基于交叉熵和新转移函数的模糊神经网络分类器

针对目前普遍采用的误差平方和准则及Sigmoid转移函数在BP算法应用中存在的缺陷和不足,提出了基于...  (本文共5页) 阅读全文>>

《信号处理》2001年01期
信号处理

基于快速组合神经网络分类器的数字调制识别新方法

单个神经网络分类器无法提供一种对所有数据进行精确解释的能力,但是会对部分数据贡献一些有用的信息,组合神经网络分类...  (本文共4页) 阅读全文>>

《管理科学文摘》1997年06期
管理科学文摘

手写字母识别中的多级神经网络分类器

为了分析手写字母之间的相似程度,提出采用具有特殊阈值关系的聚类分析方法。这种特殊阈值关系,是以引用在特征空...  (本文共1页) 阅读全文>>

深圳大学
深圳大学

核自适应学习的RBF混合结构神经网络分类器研究

分类是人类活动中最常见的决策任务之一。当前,用于分类的神经网络算法及模型已经广泛应用于科学、工业和医学等不同领域中。尽管各种神经网络算法及模型已经取得了较大发展,但由于算法及模型的差异性,以及不同的非线性问题所呈现出的多样性和复杂性,传统的神经网络分类器在某些复杂问题上其网络性能往往有限。典型的深度学习中的卷积神经网络,在网络结构上增加多个不同类型的隐藏层,可以实现对复杂问题的分类处理。一般的做法是先将输入样本经过卷积核的映射,其输出经过一系列的处理后,再与多层感知器(MLP)相级联,然后利用反向传播(BP)算法实现各层权值的更新。然而,将径向基核函数(RBF)与BP网络相级联处理,当前还没有很好地研究。针对有监督分类问题,本文以构造优化的神经网络分类器和相匹配的学习算法为实现目标,主要围绕RBF网络结构及核参数的优化选取、RBF混合结构神经网络分类器设计以及核整体划分思想的分类方法这几项内容展开,以完成不同非线性问题的优化分类...  (本文共143页) 本文目录 | 阅读全文>>