基于BP神经网络和改进D-S证据理论的目标识别方法

• 作者: 张志 杨清海
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: D-S证据理论 BP神经网络 信息融合 目标识别
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 151-156
• 页数: 6页
• 分类号: TP182
• 字数: 4458字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2018.03.029

摘要

针对应用经典D-S证据理论时,其关键参数基本概率赋值(BPA)往往凭主观经验获得,导致决策可信度低的问题,提出通过构建BP神经网络来获取基本概率赋值的方法.该方法利用BP神经网络强大的自学习和非线性映射能力,归一化输出值得到基本概率赋值.同时,为了解决高冲突度证据合成结果有悖常理的问题,提出一种基于证据信任因子的新的融合方法.根据证据的信任因子赋予其相应的权重,加权平均后得到期望证据,再进行合成.实验结果表明,该改进方法消除了高冲突度证据对合成结果的影响,具有更高的目标识别准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨清海	西安电子科技大学通信工程学院综合业务网理论及关键技术国家重点实验室	10	24	3.0	4.0
2	张志	西安电子科技大学通信工程学院综合业务网理论及关键技术国家重点实验室	1	15	1.0	1.0