基于云模型和证据理论的数据融合算法研究

摘要

我们通常把21世纪的今天称为信息时代，在这个信息爆炸的时代，有信息、有数据的地方，就会存在数据融合，信息无处不在，数据融合无处不在。数据融合技术的关键是算法。　　本文以数据融合为切入点，对数据融合方法和融合等级进行了研究并比较了它们的优缺点，决定使用决策级数据融合，具体的方法上采用D-S证据理论进行数据融合。在证据的合成方面为了尽量避免证据之间的冲突，对D-S证据理论进行了改进。主要研究内容包括:研究云模型和证据理论的相关理论知识、数据融合的基本知识，云模型中的云模型的概念、正向云模型、逆向云模型、X条件云，证据理论中的三个基本函数BPA、Bel、Pl，证据合成方法、改进的证据合成方法，数据融合领域的方法、数据融合的层次、权重的获取以及基于云模型和证据理论的数据融合方法。　　由于云模型是针对定性定量数据转化发展而来的方法，因而决策级的数据融合中的特征提取方面采用云模型。使用逆向云模型来进行数字特征的提取，使用X-条件云来产生量纲化的数据及单个证据的形成。权重的获取方面采用基于证据距离的主观权重方法，该方法本身是一种数据融合，简化了数据融合过程，且在实际的软件实现过程中能够实现很好地复用。同时，采用UML技术，设计了基于B/S结构的数据融合系统软件。通过理论分析、实例佐证了该方法的有效性其理论先进，方法有效，具有重要的理论意义和实用价值。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景及意义

1．2 国内外研究现状

1．2．1 数据融合的研究现状

1．2．2 云模型的研究现状

1．2．3 D-S理论的研究现状

1．3 技术路线及创新点

1．3．1 技术路线

1．3．2 创新点

1．4 论文的主要工作及章节安排

1．5 本章小结

2 云模型

2．1 云模型简介

2．2 云模型概念及其数字特征

2．3 云发生器

2．3．1 一维云发生器

2．3．2 二维云模型

2．3．3 X-条件云和Y-条件云

2．4 本章小结

3 D-S证据理论

3．1 D-S简介

3．2 D-S证据理论基础

3．2．1 识别框架

3．2．2 D-S证据理论的基本函数

3．3 证据合成

3．3．1 D-S证据合成

3．3．2 改进的证据合成

3．4 改进前后证据合成方法的比较

3．5 本章小结

4 基于云模型和证据理论的数据融合方法

4．1 数据融合简介

4．2 数据融合分类

4．2．1 三级数据融合

4．2．2 三级数据融合的比较

4．3 数据融合方法

4．4 基于D-S证据理论的数据融合算法

4．5 基于云模型和D-S证据理论的数据融合算法

4．5．1 数据融合流程

4．5．2 数据预处理

4．5．3 特征提取

4．5．4 权重的获取

4．5．5 证据的生成

4．5．6 结果的验证

4．6 基于云模型和证据理论的融合算法的应用

4．7 本章小结

5 系统设计

5．1 系统目标及开发环境

5．1．1 系统目标

5．1．2 开发环境

5．1．3 ．NET平台

5．2 系统分析

5．2．1 系统需求

5．2．2 可行性分析

5．3 系统建模

5．3．1 用例图

5．3．2 类图

5．3．4 行为模型

5．4 系统设计与实现

5．5 实例

5．6 本章小结

6 结论和展望

6．1 结论

6．2 展望

参考文献

作者简历

学位论文数据集