基于带权重的贝叶斯网络数据融合研究

基于带权重的贝叶斯网络数据融合研究

ID:46622819

大小:699.80 KB

页数:5页

时间:2019-11-26

基于带权重的贝叶斯网络数据融合研究_第1页
基于带权重的贝叶斯网络数据融合研究_第2页
基于带权重的贝叶斯网络数据融合研究_第3页
基于带权重的贝叶斯网络数据融合研究_第4页
基于带权重的贝叶斯网络数据融合研究_第5页
资源描述:

《基于带权重的贝叶斯网络数据融合研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、2014年第5期导弹与航天运载技术No.42014总第335期MISSILESANDSPACEVEHICLESSumNo.335文章编号:1004-7182(2014)05-0052-05DOI:10.7654/j.issn.1004-7182.20140513基于带权重的贝叶斯网络数据融合研究12221毛伟,宋扬东,汪大鹏,孟刚,刘佳琪(1.试验物理与计算数学国家级重点实验室,北京,100076;2.北京航天长征飞行器研究所,北京,100076)摘要:目标识别是弹道导弹防御系统作战中的一个重要环节,作战指挥中心对不同传感器获得的目标信息

2、进行特征提取,然后得出多个不同的目标识别结果。对于这些识别结果,给出了一个基于决策层融合的目标识别算法。通过专家测评的方法,对不同目标特征量得出的识别结果赋予不同的权重,然后通过贝叶斯网络的方法在决策层对目标识别结果进行融合。利用该方法进行了实例计算,计算结果比较准确合理。关键词:数据融合;贝叶斯网络;目标识别+中图分类号:TP274.2文献标识码:AResearchonDataFusionBasedonBayesianNetworkwithWeight12221MaoWei,SongYang-dong,WangDa-peng,MengG

3、ang,LiuJia-qi(1.NationalKeyLaboratoryofScienceandTechnologyonTestPhysics&NumericalMathematic,Beijing,100076;2.BeijingInstituteofSpaceLongMarchVehicle,Beijing,100076)Abstract:TargetRecognitionisanimportantpartofBallisticMissileDefense,thebattlecommandcenterextractscharacte

4、risticsfromthetargetinformationwhichobtainedbydifferentsensors,then,differenttargetrecognitionresultscanbegot.Thedifferenttargetrecognitionresultsareendowedwithdifferentweights,bythemethodofexpertassessment,thetargetrecognitionresultsondecisionlevelarefusedbythemethodofBa

5、yesianNetwork.Simulationresultshowsthatthemethodiseffectiveandcorrect.KeyWords:Datafusion;Bayesiannetwork;Targetrecognition0引言本文是在决策层上开展目标识别数据融合方法研[2]为应对弹道导弹的威胁,世界上的一些军事大国究,即各个传感器先在本地进行目标识别结果预处[1]投入巨大的人力、物力打造出了导弹防御系统。导弹理、特征提防御系统(MD)的一个很重要的环节是目标识别,当取、目标识前,导弹防御系统进行目标识别的探测器主

6、要由雷达别,对各个和红外探测器组成。传感器得到图1目标识别结果融合流程在目标识别过程中通常选定目标的某个特征作为的识别结果识别特征量,对导弹目标来说可以选取RCS、一维距进行融合,流程如图1所示。离像、极化信息、红外辐射量等作为识别特征量。对每一个识别特征量而言,通过特定的识别算法都可以1贝叶斯网络推理算法得出一个对应的识别概率。这样,对于多个特征量就1.1推理模型会得到多个对应的识别结果。这些识别特征量包含的贝叶斯网络是以贝叶斯方法为数学基础的一种图目标信息不同,所以对这些识别结果而言不应按照同形模式,它以有向边表示变量之间的因果关系,

7、以条样的权重来对待。本文通过专家决策打分,利用层次件概率表表示变量之间关系的强弱,描述问题具有形分析法为每个识别结果赋予一个权重,通过权重来体式直观的特点。现各个识别特征量之间的区别。最后,通过贝叶斯网贝叶斯网络由一个二元组S=(,)GP组成,其中:络方法对识别结果进行融合得到最终识别概率。a)G是一个有向非循环图,网络中节点与影响最收稿日期:2013-11-25;修回日期:2014-03-01作者简介:毛伟(1986-),男,硕士研究生,主要研究方向为飞行器设计第5期毛伟等基于带权重的贝叶斯网络数据融合研究55终识别结果的随机变量一一对

8、应。网络中的有向边表1.2推理机理示变量间的因果关系,从因素节点X到因素节点Y,有考虑一个最简单的贝叶斯网络,即一个只包含两向弧的直观含义是X对Y有直接的因果影响;个节点网络XY→,如果观察到

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。