针对实物保护系统(Physical Protection System,PPSY)中单一传感器报警准确率较低的问题,提出了一种基于改进ID3的CAC-ID3(Confidence And Correlation-ID3)算法在多传感器实物保护系统中数据融合的新方法。与传统的单一传感器数据信息...针对实物保护系统(Physical Protection System,PPSY)中单一传感器报警准确率较低的问题,提出了一种基于改进ID3的CAC-ID3(Confidence And Correlation-ID3)算法在多传感器实物保护系统中数据融合的新方法。与传统的单一传感器数据信息处理相比,多传感器数据融合能够更加准确、全面的得到被测对象的数据信息,有效地利用多传感器资源。CAC-ID3算法首先在ID3的基础上引入属性置信度重新计算期望熵,解决属性和价值不对等的问题,克服多传感器数据分类时多值偏向的缺点,其值由经验和相关领域知识决定。然后通过引入属性间的相关度来调整信息增益值,提高分类精度。实验结果表明:基于CAC-ID3的决策树算法的多传感器PPSY能有效提高报警准确率和可靠性,防止敌对分子入侵,提高传感器对PPSY的检测的效能,且该算法的分类精度高于ID3算法。展开更多
在图优化框架的基础上,设计多传感器融合方案和有效的优化方法,提出一套具有鲁棒性的定位与建图(Simultaneous Localization and Mapping,SLAM)方案,能够有效应对室内外复杂环境。进一步发展激光-视觉后端建图融合方法,构建具备全新地...在图优化框架的基础上,设计多传感器融合方案和有效的优化方法,提出一套具有鲁棒性的定位与建图(Simultaneous Localization and Mapping,SLAM)方案,能够有效应对室内外复杂环境。进一步发展激光-视觉后端建图融合方法,构建具备全新地图表达形式的点云网格化地图。同时使用低成本传感器,设计实现基于多传感器融合的高性能低成本背包扫描系统,整体完成在未知环境中的自我定位和稠密建图,且在低性能CPU设备上将长时间运动带来的每100 m的轨迹误差平均降低至厘米级。提出的基于多传感器融合方案,在精度、算力消耗上能够匹配现有主流方案,对获取各种环境条件下的系统准确定位结果和丰富的空间信息具有重要意义。展开更多
弹道中段目标为一个目标群,包括弹头、诱饵、碎片等,并且由于距离传感器较远,红外成像为点目标,可用信息较少,因此单一的红外传感器往往难以满足识别要求,需要融合多个传感器进行识别。针对红外多传感器的融合识别问题,本文提出了基于...弹道中段目标为一个目标群,包括弹头、诱饵、碎片等,并且由于距离传感器较远,红外成像为点目标,可用信息较少,因此单一的红外传感器往往难以满足识别要求,需要融合多个传感器进行识别。针对红外多传感器的融合识别问题,本文提出了基于增量支持向量机和D-S(increment support vector machine-Dempster-Shafer,ISVM-DS)证据理论的融合识别方法。首先,训练多个波段传感器红外特征的支持向量数据描述(support vector data description,SVDD)模型,生成壳向量并训练其ISVM模型;接着,采用ISVM模型的后验概率生成基本概率赋值(basic probability assignment,BPA);最后,利用D-S证据理论对多个证据的BPA进行融合,输出分类结果。实验结果表明,该方法能有效提高目标识别的准确性。展开更多
文摘针对实物保护系统(Physical Protection System,PPSY)中单一传感器报警准确率较低的问题,提出了一种基于改进ID3的CAC-ID3(Confidence And Correlation-ID3)算法在多传感器实物保护系统中数据融合的新方法。与传统的单一传感器数据信息处理相比,多传感器数据融合能够更加准确、全面的得到被测对象的数据信息,有效地利用多传感器资源。CAC-ID3算法首先在ID3的基础上引入属性置信度重新计算期望熵,解决属性和价值不对等的问题,克服多传感器数据分类时多值偏向的缺点,其值由经验和相关领域知识决定。然后通过引入属性间的相关度来调整信息增益值,提高分类精度。实验结果表明:基于CAC-ID3的决策树算法的多传感器PPSY能有效提高报警准确率和可靠性,防止敌对分子入侵,提高传感器对PPSY的检测的效能,且该算法的分类精度高于ID3算法。
文摘在图优化框架的基础上,设计多传感器融合方案和有效的优化方法,提出一套具有鲁棒性的定位与建图(Simultaneous Localization and Mapping,SLAM)方案,能够有效应对室内外复杂环境。进一步发展激光-视觉后端建图融合方法,构建具备全新地图表达形式的点云网格化地图。同时使用低成本传感器,设计实现基于多传感器融合的高性能低成本背包扫描系统,整体完成在未知环境中的自我定位和稠密建图,且在低性能CPU设备上将长时间运动带来的每100 m的轨迹误差平均降低至厘米级。提出的基于多传感器融合方案,在精度、算力消耗上能够匹配现有主流方案,对获取各种环境条件下的系统准确定位结果和丰富的空间信息具有重要意义。
文摘弹道中段目标为一个目标群,包括弹头、诱饵、碎片等,并且由于距离传感器较远,红外成像为点目标,可用信息较少,因此单一的红外传感器往往难以满足识别要求,需要融合多个传感器进行识别。针对红外多传感器的融合识别问题,本文提出了基于增量支持向量机和D-S(increment support vector machine-Dempster-Shafer,ISVM-DS)证据理论的融合识别方法。首先,训练多个波段传感器红外特征的支持向量数据描述(support vector data description,SVDD)模型,生成壳向量并训练其ISVM模型;接着,采用ISVM模型的后验概率生成基本概率赋值(basic probability assignment,BPA);最后,利用D-S证据理论对多个证据的BPA进行融合,输出分类结果。实验结果表明,该方法能有效提高目标识别的准确性。