專(zhuān)利名稱(chēng)：：基于模糊隸屬函數(shù)的證據(jù)理論bpa生成方法
技術(shù)領(lǐng)域：
：本發(fā)明屬于信息融合范疇，涉及自動(dòng)目標(biāo)識(shí)別領(lǐng)域。
背景技術(shù)：
：D-S證據(jù)理論能夠比概率論更有效的表示和處理不確定信息，使得其在目標(biāo)識(shí)別領(lǐng)域得到廣泛應(yīng)用，而正確獲得基本概率指派(BPA)是應(yīng)用證據(jù)理論的基礎(chǔ)，BPA是否合理直接關(guān)系到融合結(jié)果是否合理。BPA生成總體來(lái)看可以分為兩大類(lèi)，一類(lèi)是專(zhuān)家根據(jù)主觀經(jīng)驗(yàn)加以設(shè)定，一類(lèi)是系統(tǒng)根據(jù)一些已知條件自動(dòng)生成BPA。本發(fā)明所提出的BPA生成方法屬于BPA自動(dòng)生成方法，特指在系統(tǒng)具有一定樣本數(shù)據(jù)的前提下，根據(jù)傳感器報(bào)告自動(dòng)生成BPA函數(shù)。應(yīng)該說(shuō)，BPA自動(dòng)生成方法更具有普遍性和實(shí)用性，這是因?yàn)榫唧w的目標(biāo)識(shí)別或是模式識(shí)別、分類(lèi)等實(shí)際應(yīng)用中一般都是滿足有一定樣本這一條件的，此外生成較為客觀的BPA函數(shù)也是應(yīng)用者所希望的?，F(xiàn)有的BPA自動(dòng)生成方法往往根據(jù)實(shí)際情況加以確定，例如基于FCM分類(lèi)結(jié)果來(lái)確定像元BPA的方法被用于多源醫(yī)學(xué)圖像融合分類(lèi)和圖像分割問(wèn)題；根據(jù)分類(lèi)器混淆矩陣來(lái)生成BPA的方法被用在手寫(xiě)字符識(shí)別問(wèn)題；比例差分BPA生成方法被用于多源遙感圖像融合分類(lèi)等。國(guó)內(nèi)在這方面的研究更偏重于應(yīng)用，以解決實(shí)際問(wèn)題為導(dǎo)向。通過(guò)對(duì)國(guó)內(nèi)外在BPA生成方面的工作進(jìn)行分析發(fā)現(xiàn)，目前存在兩個(gè)問(wèn)題有待解決第一個(gè)問(wèn)題是未能提出一種通用的BPA自動(dòng)生成方法；第二個(gè)問(wèn)題是現(xiàn)有BPA生成方法計(jì)算復(fù)雜度較高，在一些實(shí)時(shí)性要求比較高的場(chǎng)所，無(wú)法使用。
發(fā)明內(nèi)容為了克服現(xiàn)有技術(shù)通用性差和計(jì)算復(fù)雜度高的不足，本發(fā)明提供一種了基于模糊隸屬函數(shù)的證據(jù)理論BPA生成方法，具有較好的通用性，且具有計(jì)算復(fù)雜度小，實(shí)時(shí)性好的優(yōu)點(diǎn)，可方便用于多傳感器目標(biāo)識(shí)別系統(tǒng)中。本發(fā)明解決其技術(shù)問(wèn)題所采用的技術(shù)方案包括以下步驟(1)建立模型庫(kù)的模糊模型標(biāo)記在自動(dòng)目標(biāo)識(shí)別系統(tǒng)中，總是通過(guò)對(duì)被識(shí)別目標(biāo)的各個(gè)特征參數(shù)的觀測(cè)和模型數(shù)據(jù)庫(kù)中已知目標(biāo)的特征參數(shù)進(jìn)行匹配來(lái)確定被識(shí)別目標(biāo)的類(lèi)別。我們將模型數(shù)據(jù)庫(kù)中對(duì)已知目標(biāo)的參數(shù)描述稱(chēng)為模型標(biāo)記，由于傳感器輸出結(jié)果具有一定的模糊性，我們可以利用模糊隸屬函數(shù)來(lái)描述目標(biāo)該特征屬性，稱(chēng)其為模糊模型標(biāo)記，它由模糊隸屬函數(shù)ytU—定義，其中U表示目標(biāo)屬性參數(shù)空間。模糊數(shù)的類(lèi)型有很多種，比如常見(jiàn)的有三角形、梯型和高斯型等。具體采用何種類(lèi)型的模糊數(shù)需要和實(shí)際問(wèn)題相互結(jié)合加以確定，其原則是所選用的模糊數(shù)應(yīng)該具有一定的合理性且易于后續(xù)處理。在這一標(biāo)準(zhǔn)下，本方法采用三角形模糊數(shù)對(duì)目標(biāo)屬性模型進(jìn)行刻畫(huà)。一個(gè)三角模糊數(shù)可以用一個(gè)三元組(a，b，C)來(lái)表示，如圖1所示，其中3和c分別為模糊數(shù)的下限和上限，b為可能性最大的值，其隸屬函數(shù)為權(quán)利要求基于模糊隸屬函數(shù)的證據(jù)理論BPA生成方法，其特征在于包括下述步驟(1)建立模型庫(kù)的模糊模型標(biāo)記采用三角形模糊數(shù)(a，b，c)對(duì)目標(biāo)屬性模型進(jìn)行刻畫(huà)，其隸屬函數(shù)為<mrow><msub><mi>μ</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><mi>x</mi><mo><</mo><mi>a</mi></mtd></mtr><mtr><mtd><mfrac><mrow><mi>x</mi><mo>-</mo><mi>a</mi></mrow><mrow><mi>b</mi><mo>-</mo><mi>a</mi></mrow></mfrac><mo>,</mo></mtd><mtd><mi>a</mi><mo>≤</mo><mi>x</mi><mo>≤</mo><mi>b</mi></mtd></mtr><mtr><mtd><mfrac><mrow><mi>c</mi><mo>-</mo><mi>x</mi></mrow><mrow><mi>c</mi><mo>-</mo><mi>b</mi></mrow></mfrac><mo>,</mo></mtd><mtd><mi>b</mi><mo>≤</mo><mi>x</mi><mo>≤</mo><mi>c</mi></mtd></mtr><mtr><mtd><mn>0</mn><mo>,</mo></mtd><mtd><mi>x</mi><mo>></mo><mi>c</mi></mtd></mtr></mtable></mfenced></mrow>其中a、b、c分別等于該屬性的最小值、平均值和最大值；(2)確定傳感器報(bào)告與模型庫(kù)中模型標(biāo)記的似然度設(shè)A為一個(gè)在區(qū)間上均勻分布的隨機(jī)數(shù)，并定義<mrow><mrow><msub><mi>Σ</mi><mi>t</mi></msub><mover><mo>=</mo><mi>Δ</mi></mover><msub><mi>Σ</mi><mi>A</mi></msub><mrow><mo>(</mo><msub><mi>μ</mi><mi>t</mi></msub><mo>)</mo></mrow><mo>=</mo><mo>{</mo><mi>x</mi><mo>∈</mo><mi>U</mi><mo>|</mo><msub><mi>μ</mi><mi>t</mi></msub><mrow><mo>(</mo><mi>x</mi><mo>)</mo></mrow><mo>≥</mo><mi>A</mi><mo>}</mo></mrow><mo>,</mo></mrow>∑t表示目標(biāo)屬性參數(shù)空間中隸屬函數(shù)大于A的元素的隨機(jī)集合；同樣，傳感器獲得的觀測(cè)也可以由模糊隸屬函數(shù)gU→表示，定義<mrow><mi>θ</mi><mover><mo>=</mo><mi>Δ</mi></mover><msub><mi>Σ</mi><mi>A</mi></msub><mrow><mo>(</mo><mi>g</mi><mo>)</mo></mrow><mo>,</mo></mrow>設(shè)定為似然度它是觀測(cè)θ與產(chǎn)生該觀測(cè)的目標(biāo)t的匹配概率，其數(shù)值上的大小反映了在目標(biāo)為t時(shí)，觀測(cè)應(yīng)該為θ的似然程度，θ∩∑t＝∑A(g∧μt)＝{x∈U|(g∧μt)(x)≥A}；因此當(dāng)且僅當(dāng)存在任意的A∈，有(g∧μt)(x)≥A，相應(yīng)的有設(shè)系統(tǒng)的辨識(shí)框架Θ＝{θ1，θ2，...，θn}，一個(gè)傳感器對(duì)目標(biāo)的某個(gè)屬性At進(jìn)行觀測(cè)產(chǎn)生了一個(gè)測(cè)量值R，該測(cè)量值隸屬于各個(gè)目標(biāo)屬性模板At的程度為其中ρ(R|Ati)為測(cè)量值R與產(chǎn)生該測(cè)量值的目標(biāo)i的匹配概率，表示對(duì)目標(biāo)i的屬性Ati的隸屬度，即傳感器觀測(cè)數(shù)值為R的情況下隸屬于目標(biāo)i的程度；(3)生成基本概率指派生成BPA的步驟如下a)分配給第i個(gè)目標(biāo)的初始BPA為b)令<mrow><msub><mi>U</mi><mi>n</mi></msub><mo>=</mo><munder><mi>max</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn><mo>,</mo><mo>.</mo><mo>.</mo><mo>.</mo><mo>,</mo><mi>n</mi></mrow></munder><msubsup><mi>μ</mi><mi>R</mi><msub><mi>At</mi><mi>i</mi></msub></msubsup><mo>;</mo></mrow>c)分配給全集Θ的初始BPA為m′(Θ)＝1Un；d)對(duì)全集的BPA和分配給第i個(gè)目標(biāo)的BPA進(jìn)行歸一化處理，即就得到傳感器這次測(cè)量的BPA。FSA00000304193500014.tif,FSA00000304193500015.tif,FSA00000304193500016.tif,FSA00000304193500017.tif,FSA00000304193500018.tif,FSA00000304193500019.tif,FSA000003041935000110.tif,FSA000003041935000111.tif,FSA00000304193500022.tif全文摘要本發(fā)明公開(kāi)了一種基于模糊隸屬函數(shù)的證據(jù)理論BPA生成方法，首先建立模型庫(kù)的模糊模型標(biāo)記，然后確定傳感器報(bào)告與模型庫(kù)中模型標(biāo)記的似然度，最后生成基本概率指派，就得到傳感器這次測(cè)量的BPA。本發(fā)明可以較好的反映傳感器報(bào)告對(duì)各個(gè)目標(biāo)的隸屬程度，具有較好的通用性，計(jì)算復(fù)雜度低，具有較好的實(shí)時(shí)性，本方法具有一定的魯棒性。文檔編號(hào)G06K9/62GK101976346SQ20101050799公開(kāi)日2011年2月16日申請(qǐng)日期2010年10月14日優(yōu)先權(quán)日2010年10月14日發(fā)明者張安,彭進(jìn)業(yè),蔣雯,鄧勇申請(qǐng)人:西北工業(yè)大學(xué)