基于多分类支持向量机和证据合成方法的多传感器信息融合研究

• 作者: 姜礼平 苏思 邹明
• 来源期刊: 兵工自动化
• 学科: 工学
• 关键词: 支持向量机 证据理论 信息融合 多传感器
• 年，卷（期）: 2010,（1）
• 所属期刊栏目: 网络与信息技术
• 页码范围: 59-62
• 页数: 4页
• 分类号: TP391.41
• 字数: 3331字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-1576.2010.01.018

摘要

为克服支持向量机和Dempster方法的不足,提出一种基于SVM多分类器的识别结果概率输出方法.以BPA函数的形式输出SVM多分类结果,对Dempster证据合成方法进行了改进:根据证据之间的相似性程度判断是否存在证据冲突,对于证据数目在3条以上且存在冲突的证据组合,引用统计理论中马氏距离的计算公式计算各证据与其余证据组合之间的距离,导出各证据的重要性权系数,由此对证据的BPA函数进行转化,采用Dempster方法对转化后的BPA函数进行合成.然后,将SVM多分类器的BPA输出作为参与融合的各传感器对应的BPA函数,采用改进的证据合成方法进行合成,得到最后识别结果.结果表明,SVM识别方法能降低错误率,其输出形式包含更多信息量.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姜礼平	海军工程大学理学院	80	573	12.0	17.0
2	苏思	海军工程大学理学院	7	20	3.0	4.0
3	邹明	海军工程大学理学院	4	27	3.0	4.0