【信息融合】基于matlab BP神经网络和DS证据理论不确定性信息融合问题【含Matlab源码 2112期】
一、 D-S证据理论及解释
证据理论由Dempster在1967年最初提出,并由他的学生Shafer改进推广使之成为符合有限离散领域中推理的形式,因此称为D-S理论。证据理论讨论一个“辨识框架”(Frame of Discernment)Θ,它是关于命题的相互独立的可能答案或假设的一个有限集合。按传统方法可以把Θ的幂集表示为2Θ,它是Θ的所有子集的集合。D-S证据理论对这个辨识框架进行运算,并提供计算幂集元素的逻辑,然后使用这些计算结果完成高和低的不确定性的计算工作。
定义1Θ为鉴别框架,由一完备的互不相容的陈述集合组成,Θ的幂集构成了命题集合。通过传感器信息得到的特征度量作为证据,并通过基本概率赋值函数对所有命题赋予一个可信度,基本概率赋值函数m则是满足下述两个条件的映射:2Θ→[0,1]。
(1)不可能事件基本概率数为0,即m(Φ)=0;
表示。它表示了既不信任A也不信任A¯¯¯的一种度量,可表示对不知道的度量。
1 证据理论在信息融合中的应用
定义3 假设Bel1和Bel2是相同的框架2Θ上的信任函数,具有基本概率赋值函数m1和m2以及核{A1,A2,…,An}和{B1,B2,…,Bn},并假设
定义4 假设Bel1,Bel2,…,Beln都是相同框架2Θ上的信任函数,则n个信任函数的组合可写成
(((Bel1⊕Bel2)⊕Bel3)⊕…)⊕Beln
式中⊕表示直和,有组合证据获得的最终证据在组合完成过程中与其次序无关,即满足结合率。
假定两个独立的证据源(传感器信息源)导出的基本概率赋值函数,则利用组合规则可以计算这两个证据共同作用下产生的基本概率赋值函数。
假定两个传感器同时反映对象为A,且
采用D-S规则进行组合,结果为
假设一个传感器支持对象A的程度为0.8,而另一个传感器支持的对象是B,程度为0.9,即
式中,对象A和对象B是相互排斥的描述,经过规则组合并规格化为和1并简化后得到
可以看出,信任程度低的对象报告影响了高信任度的对象报告。
当m1(A)=1.0,m2(B)=1.0时,组合公式中的分母为零,D-S规则无法对其进行组合,也就是说,D-S规则无法处理完全不一致的证据。
二、部分源代码
function [M2,M3,M4] = Dengyong( m1,m2,m3,m4)
% 加权证据合成法
%两个证据的信息融合
%--------------------------------------------
n2=2;
d11=sqrt(0.5*(sum(m1.(2))+sum(m1.(2))-2sum(m1.m1)));
d12=sqrt(0.5(sum(m1.(2))+sum(m2.(2))-2sum(m1.m2)));
d22=sqrt(0.5(sum(m2.(2))+sum(m2.(2))-2*sum(m2.*m2)));
d21=d12;
DM=[d11 d12;d21 d22];
SM=ones(n2,n2)-DM;
sup=sum(SM’)-[SM(1,1) SM(2,2)]; %自己的
crd=sup/sum(sup);%可信度
m=[m1;m2];
M2=crd*m;
%--------------------------------------------
%三个证据的信息融合
%--------------------------------------------
n3=3;
d11=sqrt(0.5*(sum(m1.(2))+sum(m1.(2))-2sum(m1.m1)));
d12=sqrt(0.5(sum(m1.(2))+sum(m2.(2))-2sum(m1.m2)));
d13=sqrt(0.5(sum(m1.(2))+sum(m3.(2))-2sum(m1.m3)));
d22=sqrt(0.5(sum(m2.(2))+sum(m2.(2))-2sum(m2.m2)));
d21=d12;
d23=sqrt(0.5(sum(m2.(2))+sum(m3.(2))-2sum(m2.m3)));
d31=d13;
d32=d23;
d33=sqrt(0.5(sum(m3.(2))+sum(m3.(2))-2sum(m3.*m3)));
DM=[d11 d12 d13;d21 d22 d23;d31 d32 d33];
SM=ones(n3,n3)-DM;
sup=sum(SM’)-[SM(1,1) SM(2,2) SM(3,3) ]; %自己的
%sup=[sum(SM(1,2)+SM(1,3)) sum(SM(2,1)+SM(2,3)) sum(SM(3,1)+SM(3,2))];
crd=sup/sum(sup);%可信度
m=[m1;m2;m3];
M3=crd*m;
%M3=m.*m/sum(m.*m);
%--------------------------------------------
%四组证据的融合结果
%--------------------------------------------
n4=4;
d11=sqrt(0.5*(sum(m1.(2))+sum(m1.(2))-2sum(m1.m1)));
d12=sqrt(0.5(sum(m1.(2))+sum(m2.(2))-2sum(m1.m2)));
d13=sqrt(0.5(sum(m1.(2))+sum(m3.(2))-2sum(m1.m3)));
d14=sqrt(0.5(sum(m1.(2))+sum(m4.(2))-2sum(m1.m4)));
d22=sqrt(0.5(sum(m2.(2))+sum(m2.(2))-2sum(m2.m2)));
d23=sqrt(0.5(sum(m2.(2))+sum(m3.(2))-2sum(m2.m3)));
d24=sqrt(0.5(sum(m2.(2))+sum(m4.(2))-2sum(m2.m4)));
d33=sqrt(0.5(sum(m3.(2))+sum(m3.(2))-2sum(m3.m3)));
d34=sqrt(0.5(sum(m3.(2))+sum(m4.(2))-2sum(m3.m4)));
d44=sqrt(0.5(sum(m4.(2))+sum(m4.(2))-2sum(m4.*m4)));
d21=d12;
d31=d13;
d41=d14;
d32=d23;
d42=d24;
d43=d34;
DM=[d11 d12 d13 d14;d21 d22 d23 d24;d31 d32 d33 d34;d41 d42 d43 d44];
SM=ones(n4,n4)-DM;
sup=sum(SM’)-[SM(1,1) SM(2,2) SM(3,3) SM(4,4)]; %自己的
crd=sup/sum(sup);%可信度
m=[m1;m2;m3;m4];
M4=crd*m;
%M4=m.*m/sum(m.*m);
%--------------------------------------------
end
三、运行结果
四、matlab版本及参考文献
1 matlab版本
2014a
2 参考文献
[1]陈寅,林良明,颜国正.D-S证据推理在信息融合应用中的存在问题及改进[J].系统工程与电子技术. 2000,(11)
3 备注
简介此部分摘自互联网,仅供参考,若侵权,联系删除
【信息融合】基于matlab BP神经网络和DS证据理论不确定性信息融合问题【含Matlab源码 2112期】相关推荐
- 【Matlab人脸识别】人脸实时检测与跟踪【含GUI源码 673期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]人脸实时检测与跟踪[含GUI源码 673期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]孟逸凡,柳益君 ...
- 【Matlab限速标志识别】形态学限速标志识别【含GUI源码 1142期】
一.代码运行视频(哔哩哔哩) [Matlab限速标志识别]形态学限速标志识别[含GUI源码 1142期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅 ...
- 【Matlab指纹识别】指纹识别门禁系统【含GUI源码 1692期】
一.代码运行视频(哔哩哔哩) [Matlab指纹识别]指纹识别门禁系统[含GUI源码 1692期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 包子阳,余继 ...
- 【Matlab水果蔬菜识别】形态学水果蔬菜识别【含GUI源码 919期】
一.代码运行视频(哔哩哔哩) [Matlab水果蔬菜识别]形态学水果蔬菜识别[含GUI源码 919期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅. ...
- 【Matlab青草识别】形态学马唐草+牛筋草识别【含GUI源码 908期】
一.代码运行视频(哔哩哔哩) [Matlab青草识别]形态学马唐草+牛筋草识别[含GUI源码 908期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅 ...
- 【Matlab人脸识别】BP神经网络人脸识别(含识别率)【含GUI源码 891期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]BP神经网络人脸识别(含识别率)[含GUI源码 891期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] ...
- 【Matlab树叶分类】BP神经网络植物叶片分类【含GUI源码 916期】
一.代码运行视频(哔哩哔哩) [Matlab树叶分类]BP神经网络植物叶片分类[含GUI源码 916期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅 ...
- 【Matlab图像融合】小波变换遥感图像融合【含GUI源码 744期】
一.代码运行视频(哔哩哔哩) [Matlab图像融合]小波变换遥感图像融合[含GUI源码 744期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 包子阳,余 ...
- 【Matlab人脸识别】形态学教室人数统计(带面板)【含GUI源码 1703期】
一.代码运行视频(哔哩哔哩) [Matlab人脸识别]形态学教室人数统计(带面板)[含GUI源码 1703期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1]孟 ...
- 【Matlab身份证识别】身份证号码识别【含GUI源码 014期】
一.代码运行视频(哔哩哔哩) [Matlab身份证识别]身份证号码识别[含GUI源码 014期] 二.matlab版本及参考文献 1 matlab版本 2014a 2 参考文献 [1] 蔡利梅.MAT ...
最新文章
- head/tail实现
- System.Transactions深入了解
- 日本农商巨头50年布局多个领域 对话国际农民丰收节贸易会
- python的re2和re区别_浅谈Python中re.match()和re.search()的使用及区别
- 【渝粤教育】国家开放大学2018年秋季 0734-22T出纳实务 参考试题
- 将二维列表输出到excel
- flutter PositionedTransition 实现缩放动画
- vss登录invalid handle问题的解决办法
- SVD decomposition and polar decomposition
- 嵌套的SQL另外一种写法
- ios html 图片旋转了,解决移动端iOS下上传图片被旋转问题。
- sql添加字段和字段说明
- ssm毕设项目基于框架的动漫网站设计与实现q6dcx(java+VUE+Mybatis+Maven+Mysql+sprnig)
- 大话spring~spring那些事
- 笔记本光驱改固态硬盘装系统小记
- 工作流应用 电子表单签核
- PostgreSQL的学习心得和知识总结(八十三)|词法级自上而下完美实现Oracle数据库的 q转义 的实现方案
- mysql ddl之增加字段
- 明明花钱买了VIP,为何仍逃不过花式插入的广告?
- 武汉方言RAP 《武汉》
热门文章
- 自建FTP和SFTP服务器
- linux支持labview2017,LabVIEW 2017
- Linux环境下搭建Java Web测试环境的具体步骤
- 关于搭建测试环境(详细)
- 数字图像处理(2)——数字图像获取
- 一个简单的WEB网页制作作业——黑色的山河旅行社网站(5个页面)HTML+CSS+JavaScript
- iptv错误代码2003什么意思_IPTV部分错误代码及原因解释
- eeglab导出图片
- Ant design的Table组件报错TypeError: rawData.some is not a function
- 围观Razavi和Sansen打架——电流并联反馈