证据理论与模糊神经网络相结合的身份估计方法

• 作者: 柳毅 陈红林
• 来源期刊: 火力与指挥控制
• 学科: 工学
• 关键词: D-S证据理论 基本可信度分配 模糊神经网络 数据融合 身份估计
• 年，卷（期）: 2003,（1）
• 所属期刊栏目: 理论研究
• 页码范围: 29-32
• 页数: 4页
• 分类号: TP181
• 字数: 3648字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0640.2003.01.007

摘要

重点研究了在数据融合身份估计领域中D-S证据理论与模糊神经网络相结合的多传感器数据融合方法.Dempster-Shafer证据理论方法是对Beyes决策检验法的推广,证据理论比概率论满足更弱的公理系统,并且在区分不确定与不知道等方面显示了很大的灵活性,但是在基于证据理论的身份估计融合中,基本可信度的分配是一个与应用密切相关的问题,也是实际应用中最难的一步.利用模糊神经网络来处理证据理论中的基本可信度分配问题,并对几种空中目标进行了身份估计数据融合,经计算机仿真实验证实了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈红林		35	325	12.0	16.0
2	柳毅		11	201	7.0	11.0