文档介绍：饅..一————————————————————————一岽陨学科专业测试计量技术及仪器论文提交日期论文答辩日期论文评阅人答辩委员会主工口年,月
导师躲崔学位论文作者签名:年朋刁日独创性声明学位论文版权使用授权书年氯慈山人已经发表或撰写过的研究成果,也不包含为获得重麽由&电态堂或其他教育重麽邮电太堂重庞整皇太堂本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知,除了文中特别加以标注和致谢的地方外,论文中不包含其他机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。签字日期:本学位论文作者完全了解有关保留、使用学位论文的规定,有权保留并向国家有关部门或机构送交论文的复印件和磁盘,允许论文被查阅和借阅。本人授权可以将学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。C艿难宦畚脑诮饷芎笫视帽臼谌ㄊ年月日。
摘要随着信息技术的发展和现代战争的需要,目标识别作为信息融合技术的重要组成部分,在近年来得到了广泛关注。甋证据理论和神经网络是两种处理不确定性信息的有效推理方法,在多传感器目标识别系统中得到了广泛应用。但甋证据的基本概率赋值难以获取,网络存在训练速度慢,易陷入局部最优等缺陷。本文针对以上两种方法各自在处理不确定性信息方面的不足,提出了一种遗传算法优化的网络瓸与甋证据相结合的多传感器目标识别方法。,另一方面通过甋证据理论对神经网络的输出进行融合。将此方法应用于高压电器设备故障诊断,仿真结果表明:该方法能克服传统网络易陷入局部最优问题,同时具有更好的识别结果。首先,比较系统地介绍了多传感器信息融合的基本原理,讨论了多传感器目标识别级融合的三种结构,给出了多传感器信息融合的方法,为论文后面的研究工作奠定了基础。其次,介绍了证据理论的基本概念,归纳了现有几种依照经验获取基本概率赋值的方法。将甋推理方法应用于多传感器目标识别融合,仿真实验证明了这种推理方法的有效性。再次,重点介绍了网络学习算法流程、算法的缺陷和几种改进算法、遗传算法流程和遗传算法优化网络权值的方法。仿真实例表明遗传算法优化后的网络能够克服传统网络训练过程中收敛速度慢和容易陷入局部最小的缺陷。最后,针对甋证据和网络各自在处理不确定性问题方面的缺点,提出了一种将遗传算法优化后的网络与甋证据理论结合的多传感器目标识别方法。仿真结果表明该方法应用于多传感器目标识别是可行的。关键词:目标识别,甋证据理论,网络,遗传算法重庆邮电人学硕士论文
,,瓺—琣甶.,產甋..,·.瑂,,。琲,.琲
猻·:,,琯
目录目录⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯Ⅳ摘要⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯研究背景及意义⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..国内外研究现状及成果⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..本文的工作⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.论文章节安排⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.第二章多传感器信息融合基本理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯信息融合基本原理⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..⑷诤系募侗稹多传感器信息融合系统的结构模型⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯多传感器信息融合的方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯第三章甋证据理论在目标识别中的应用研究⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯甋证据理论概述⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.甋证据理论的基本内容【⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯甋证据在多传感器目标识别中的应用⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯甋证据用于目标识别算法设计⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯甋证据理论的优点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯甋证据理论的主要缺点⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯重庆邮电大学硕士论文Ⅳ⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.
第四章遗传算法优化网络⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.神经网络的基本理论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯.