学位论文 > 优秀研究生学位论文题录展示
不确定信息的融合方法及其应用研究
作 者: 朱培逸
导 师: 徐保国
学 校: 江南大学
专 业: 控制理论与控制工程
关键词: 不确定信息 数据融合 DS证据理论 粗糙集理论 鲁棒最小二乘估计
分类号: TP18
类 型: 博士论文
年 份: 2013年
下 载: 88次
引 用: 0次
阅 读: 论文下载
内容摘要
随着各种物理、生化类先进传感器的发展,特别是某些传感器技术还不是很成熟,使得测量的信息呈现量大、多维、动态、不确定、不完整和时空变异等特点,使得系统对后续信息处理提出了更高的要求。由于传统的数据分析方法已经很难适应要求,因此如何将这些传感器测量数据进行分析,最大限度的降低单个传感器所提供信息的误差以及多传感器所提供信息的不确定性,是亟待解决的问题。本文主要对不确定信息的融合方法进行了研究,获得了一些有意义的成果,其主要研究内容如下:1.针对土壤参数野外测量时存在多种因素干扰问题,采用粗糙集理论对多传感器采集的原始数据进行属性约简和目标约简,减少采样时的噪声和冗余,再根据预处理的信息结构构建支持向量机的信息预测系统,解决小样本和不确定条件下的多传感器数据融合问题,为了获得最优的融合精度,采用粒子群算法来优化融合参数。2.针对DS证据理论处理不确定信息存在无法解决冲突信息的缺陷,提出一种基于加权证据距离的数据融合来提高融合效率。首先采用加权的DS理论对证据进行处理,然后以各加权证据与期望证据构成修正的证据距离。其次采用最优化的思想,将修正的证据距离作为改进粒子群优化(Particle Swarm Optimization, PSO)算法优化的目标函数,在此基础上获得证据距离最小时的各个证据权值,最后采用DS组合方法进行加权合成,得出融合结果。3.针对递推加权最小二乘融合存在算法鲁棒性较差等缺陷,在传统最小二乘算法研究的基础上,提出一种基于自适应权值的鲁棒加权最小二乘算法。按照不同的权值设计准则,得出所需的测量估计值,并且采用鲁棒权因子和学习因子的加权原则,充分利用测量数据中冗余信息,进一步提高冗余系统测量数据的估计精度。4.针对传感器管理在数据融合系统中地位与作用,提出一种智能化的传感器管理算法,通过进化算法自下而上地评价每一个控制决策使得系统的不确定性最小。首先为了取得最优的传感器测量参数将采用粒子群算法在参数空间中进行自下而上地搜索,再采用贝叶斯网络直接设计系统目标与全局性能指标之间的关系,从而使得算法更适合评估当前环境形势以及正确选择基于系统条件和传感器输入的合适性能指标,最后建立全局性能指标,并采用粒子群算法搜索最佳选择的传感器参数,最终实现对传感器资源的优化配置。
|
全文目录
摘要 3-4 Abstract 4-8 第一章 绪论 8-19 1.1 研究背景和意义 8-9 1.2 不确定信息的研究现状 9-12 1.3 数据融合理论及研究现状 12-16 1.4 本文主要研究内容简介 16-19 第二章 不确定信息的表示与处理技术 19-38 2.1 引言 19 2.2 不确定信息的表示与建模 19-25 2.3 土壤表征电导率的表示与建模 25-28 2.4 不确定信息处理技术与方法 28-37 2.5 本章小结 37-38 第三章 基于 RS-SVM 融合算法的不确定信息处理 38-52 3.1 引言 38 3.2 基于粗糙集的数据融合算法 38-40 3.3 基于 RS-SVM 的数据融合算法 40-46 3.3.1 基于支持向量机属性约简 40-43 3.3.2 基于 PSO 的支持向量机特征选择 43-45 3.3.3 基于 RS-SVM 的融合算法 45-46 3.4 仿真实验及结果分析 46-51 3.5 小结 51-52 第四章 基于改进 DS 证据理论的不确定信息处理 52-65 4.1 引言 52 4.2 基于证据距离的 DS 证据组合方法 52-54 4.3 粒子群算法缺陷及改进方法 54-59 4.3.1 标准 PSO 算法缺陷 54-55 4.3.2 分阶段简约 PSO 算法 55-59 4.4 基于 PSO 算法的改进证据理论及应用 59-64 4.5 小结 64-65 第五章 基于鲁棒最小二乘估计的不确定信息处理 65-82 5.1 引言 65 5.2 基于最小二乘估计的数据融合算法 65-69 5.3 基于鲁棒估计的数据融合算法 69-72 5.4 鲁棒最小二乘估计及应用 72-81 5.4.1 算法原理 72-77 5.4.2 仿真实验与结果分析 77-81 5.5 小结 81-82 第六章 基于传感器管理算法的不确定信息处理 82-96 6.1 引言 82-83 6.2 基于不确定信息的传感器管理原理 83-85 6.3 基于不确定信息的传感器管理技术 85-88 6.4 面向不确定信息的智能化传感器管理算法 88-95 6.4.1 算法原理 88-89 6.4.2 仿真与分析 89-95 6.5 小结 95-96 第七章 总结与展望 96-99 7.1 工作总结 96-97 7.2 下一步工作展望 97-99 致谢 99-100 参考文献 100-106 附录:攻读博士学位期间的研究成果 106-107
|
相似论文
- 基于微型无人平台导航多传感器信息融合算法研究,V249.32
- 海上平台消防系统研究,U698.4
- 基于粗糙集理论的文本分类研究,TP18
- 阴离子反浮选智能加药控制的研究,TD923
- 面向室内环境的WSN跟踪关键技术研究,TN929.5
- 基于Rough集的属性与属性值约简方法研究,TP18
- 基于粗糙集理论的决策树分类算法与应用研究,TP18
- 基于MIDI的乐器控制系统和音符的自动识别方法研究,TN912.34
- 基于ADSPTS201S的并行信号处理系统的设计与实现,TN957.51
- 土地整理项目中3S数据的处理与应用,P228.4;F301
- 粗糙集理论在高压断路器故障诊断中的应用,TM561
- 某铁路沿线黄土工程特性与黄土边坡稳定性研究,U212.22
- 基于粗糙集理论的图像分割研究,TP391.41
- 航运保险的金融职能研究,F551
- 基于证据理论的粗糙集方法,TP18
- 基于粗糙集理论的快速属性约简算法研究,TP18
- GIS与空间数据挖掘技术在环境污染事故应急处理系统中的应用研究,TP311.13
- 自动化系统中多雷达数据融合子系统的研究与实现,TN957.51
- 基于一致性分析的加速试验数据融合建模方法及应用研究,TP202
- 基于RBF神经网络猪肉新鲜度的检测与研究,TP274
- 关于数据挖掘方法中粗糙集理论的研究及应用浅析,TP311.13
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论
© 2012 www.xueweilunwen.com
|