基于RBF神經(jīng)網(wǎng)絡與D-S證據(jù)理論的數(shù)據(jù)融合方法及應用研究.pdf_第1頁
已閱讀1頁,還剩64頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著科學技術的發(fā)展和現(xiàn)代工業(yè)的需要,數(shù)據(jù)融合作為一門新興交叉學科在近年來得到了廣泛關注和飛速發(fā)展。數(shù)據(jù)融合技術能夠綜合多個傳感器提供的互補和冗余信息,獲得觀測對象更全面、更準確的信息,從而得到準確、快捷的決策和判斷。針對工業(yè)現(xiàn)場傳感器狀態(tài)類型復雜多變、被測參量難于準確可靠獲得的問題,本文提出基于RBF神經(jīng)網(wǎng)絡和證據(jù)理論的兩級數(shù)據(jù)融合方法。
  本文首先對數(shù)據(jù)融合的基本原理、概念進行了闡述,并對數(shù)據(jù)融合的關鍵技術,常用融合算法進行了

2、分類總結。分別對數(shù)據(jù)融合算法、神經(jīng)網(wǎng)絡方法和證據(jù)理論方法進行了詳細的闡述,同時對神經(jīng)網(wǎng)絡的結構設計進行了深入研究,對神經(jīng)網(wǎng)絡和證據(jù)理論方法優(yōu)缺點進行了分析,具體內容概括如下:
  在分析了數(shù)據(jù)融合的層次和模型結構的基礎上,構建了RBF神經(jīng)網(wǎng)絡與證據(jù)理論的兩級融合的體系結構和功能模型,整個融合體系分為數(shù)據(jù)層、特征融合層、決策融合層,此融合體系為數(shù)據(jù)融合方法的研究提供了框架基礎。
  基于RBF神經(jīng)網(wǎng)絡的特征層融合,研究了RBF

3、神經(jīng)網(wǎng)絡的基本原理、拓撲結構和映射關系,對RBF神經(jīng)網(wǎng)絡的訓練方法進行了對比研究。將傳感器采集的工業(yè)現(xiàn)場數(shù)據(jù)預處理后輸入RBF神經(jīng)網(wǎng)絡,得出精確融合輸出結果。此外,網(wǎng)絡輸出還作為決策層證據(jù)理論的初始證據(jù),再進行證據(jù)組合規(guī)則融合計算,得到每個傳感器狀態(tài)的信任度。
  基于D-S證據(jù)理論的決策層融合,用于判斷工業(yè)現(xiàn)場傳感器的有效工作狀態(tài),詳細分析了D-S組合規(guī)則、不同識別框架的組合原理、算法等;研究證據(jù)理論決策方法,并用實例對證據(jù)理論

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論