收藏本站
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

支持向量机与证据理论在信息融合中的结合

周皓  李少洪  
【摘要】:在多传感器信息融合中,DS证据理论是一种重要方法,但是它的基石基本概率分配(BPA)一般不易确定,从而使它的优势难以得到发挥。支持向量机(SVM)是建立在统计学习理论之上的一种新型学习算法,但SVM的硬判决输出却不便于进行多传感器信息融合。为便于信息融合,本文提出了一种具有BPA输出的二类SVM,通过分析Platt概率输出模型的实质与不足提出利用SVM精度下限对其进行加权处理来得到证据理论的BPA方法,实现了SVM与DS证据理论在信息融合中的结合。仿真结果表明通过本文方法可以实现多传感器的信息融合并大大降低了融合识别的误差率。

知网文化
【相似文献】
中国期刊全文数据库 前20条
1 周皓;李少洪;;支持向量机与证据理论在信息融合中的结合[J];传感技术学报;2008年09期
2 尉询楷,李应红,刘建勋,路建明;基于支持向量机的信息融合诊断方法[J];系统工程与电子技术;2005年09期
3 鲁继文;张二虎;薛延学;;基于独立成分分析和信息融合的步态识别[J];模式识别与人工智能;2007年03期
4 李学军;杨大炼;郭灯塔;蒋玲莉;;基于基座多传感核主元分析的故障诊断[J];仪器仪表学报;2011年07期
5 ;智能系统学报(总第9~14期)2008年总目次       [J];智能系统学报;2008年06期
6 李林;;多传感器信息融合技术的发展与未来[J];黑龙江科技信息;2008年36期
7 田盛丰,黄厚宽;基于支持向量机的数据库学习算法[J];计算机研究与发展;2000年01期
8 张铃;支持向量机理论与基于规划的神经网络学习算法[J];计算机学报;2001年02期
9 阎辉,张学工,李衍达;支持向量机与最小二乘法的关系研究[J];清华大学学报(自然科学版);2001年09期
10 朱国强,刘士荣,俞金寿;支持向量机及其在函数逼近中的应用[J];华东理工大学学报;2002年05期
11 孙延风,梁艳春;支持向量机的数据依赖型核函数改进算法[J];吉林大学学报(理学版);2003年03期
12 朱永生,张优云;支持向量机分类器中几个问题的研究[J];计算机工程与应用;2003年13期
13 朱家元,吴伟,张恒喜,董彦非;一种新型的多元分类支持向量机[J];计算机工程;2003年17期
14 赵洪波;赵丽红;;支持向量机学习算法—序列最小优化(SMO)[J];绍兴文理学院学报(自然科学版);2003年04期
15 张健,李艳,朱学峰,黄道平,史步海;基于支持向量机的蒸煮过程卡伯值软测量[J];计算机测量与控制;2004年02期
16 樊可清,倪一清,高赞明;基于频域系统辨识和支持向量机的桥梁状态监测方法[J];工程力学;2004年05期
17 胡桥,何正嘉,张周锁,訾艳阳;经验模式分解模糊特征提取的支持向量机混合诊断模型[J];西安交通大学学报;2005年03期
18 张英,苏宏业,褚健;基于模糊最小二乘支持向量机的软测量建模[J];控制与决策;2005年06期
19 胡正平;基于模糊K近邻决策的柔性SVM分类算法[J];仪器仪表学报;2005年S2期
20 姜万录,程晓盛,陈东宁;基于支持向量机和多Agent融合的智能故障诊断系统研究[J];五邑大学学报(自然科学版);2005年03期
中国重要会议论文全文数据库 前10条
1 林杰华;张斌;李冬森;宋华茂;余志强;王浩;;支持向量机在电力客户信用评级中的应用[A];全国第21届计算机技术与应用学术会议(CACIS·2010)暨全国第2届安全关键技术与应用学术会议论文集[C];2010年
2 荣海娜;张葛祥;张翠芳;;基于支持向量机的非线性系统辨识方法[A];中国自动化学会、中国仪器仪表学会2004年西南三省一市自动化与仪器仪表学术年会论文集[C];2004年
3 尹钟;张建华;;基于支持向量机方法的过程操作员功能状态分类[A];中国自动化学会控制理论专业委员会A卷[C];2011年
4 顾锦荣;刘华强;孙预前;;遗传算法优化的支持向量机模型在热带气旋强度预报中的应用[A];第七届长三角气象科技论坛论文集[C];2010年
5 李巍华;刘雯;;基于主元分析和直推式支持向量机的齿轮早期故障诊断[A];第十二届全国设备故障诊断学术会议论文集[C];2010年
6 刘碧森;钟守铭;陈华富;;基于支持向量机与粗糙集理论的信息处理[A];第二届全国信息获取与处理学术会议论文集[C];2004年
7 杜金香;冯西安;马艳;;支持向量机在DOA估计中的稳健性研究[A];2011'中国西部声学学术交流会论文集[C];2011年
8 郭小荟;马小平;;基于EMD近似熵特征提取和支持向量机的故障诊断方法[A];中国自动化学会控制理论专业委员会D卷[C];2011年
9 蒋少华;桂卫华;阳春华;唐朝晖;蒋朝辉;;基于主元分析与支持向量机的方法及其在密闭鼓风炉过程监控诊断中的应用[A];第二十七届中国控制会议论文集[C];2008年
10 张健沛;李忠伟;杨静;;一种基于多支持向量机的并行增量学习方法(英文)[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
中国博士学位论文全文数据库 前10条
1 刘育明;动态过程数据的多变量统计监控方法研究[D];浙江大学;2006年
2 常群;支持向量机的核方法及其模型选择[D];哈尔滨工业大学;2007年
3 杨金芳;支持向量回归在预测控制中的应用研究[D];华北电力大学(河北);2007年
4 张永;基于模糊支持向量机的多类分类算法研究[D];大连理工大学;2008年
5 薛云;基于蚁群算法和支持向量机的矿化蚀变信息提取研究[D];中南大学;2008年
6 邢永忠;最小二乘支持向量机的若干问题与应用研究[D];南京理工大学;2009年
7 马儒宁;神经网络与支持向量机相关问题研究[D];复旦大学;2005年
8 梁新荣;高速公路智能控制方法研究[D];华南理工大学;2005年
9 李忠伟;支持向量机学习算法研究[D];哈尔滨工程大学;2006年
10 张小俊;基于嗅觉信息的机器人味源定位策略及实验研究[D];河北工业大学;2009年
中国硕士学位论文全文数据库 前10条
1 敖晓林;支持向量机在多目标跟踪中的研究应用[D];合肥工业大学;2006年
2 聂小芳;模糊粗糙集与支持向量机在煤与瓦斯突出预测中的应用研究[D];辽宁工程技术大学;2009年
3 冯杰;慢时变对象的支持向量机建模与在线校正方法研究[D];东北大学;2009年
4 王奇安;基于广泛内核的CVM算法研究及参数C的选择[D];南京航空航天大学;2009年
5 张成学;隐私保护线性规划和支持向量机新算法[D];山东科技大学;2011年
6 李新;支持向量机的核方法及其多核聚类算法的研究[D];中国海洋大学;2010年
7 刘维会;不平衡数据集上支持向量机算法研究[D];山东科技大学;2010年
8 杨振章;基于支持向量数据描述的分类识别算法研究[D];杭州电子科技大学;2009年
9 李靖;基于支持向量机的基因表达数据降维方法的研究[D];苏州大学;2011年
10 刘柳;基于支持向量机和模糊后处理的遥感图像分类研究[D];华中科技大学;2010年
中国重要报纸全文数据库 前3条
1 ;精密测试技术的展望(下)[N];电子报;2008年
2 ;无人驾驶技术[N];中国水利报;2000年
3 山西开原煤矿信息调度中心 李清文;IPv6在城市安防中的应用[N];计算机世界;2008年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978