基于改进D-S证据理论的数据融合目标分类

• 作者: 周文文 万晓冬 李文
• 来源期刊: 半导体光电
• 关键词: D-S证据理论 数据融合 目标分类 冲突分配 MSTAR数据集 Pignistic概率距离
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 光电技术及应用
• 页码范围: 121-126
• 页数: 6页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.16818/j.issn1001-5868.2021.01.022

摘要

首先采用分类算法对MSTAR数据集进行十类目标分类识别、三类目标的变体分类识别,然后根据分类调参过程中的先验知识修正证据即分类器输出,构造基本置信函数,并采用改进的合成规则即基于冲突系数K和Pignistic概率距离相结合的冲突度量方法,对冲突证据采用按比例分配冲突度的合成规则进行合成.未融合时,三类 目标的变体分类准确率最高为93.553％,融合后三类目标变体分类识别率为95.092％,提升幅度约是理想状态的37％.