导读:本文包含了证据融合论文开题报告文献综述、选题提纲参考文献，主要关键词:证据,理论,数据,算法,向量,转子,瓦斯。
证据融合论文文献综述写法
路军,王梓耀,余涛[1]（2019）在《基于朴素贝叶斯和D-S证据理论的多时空数据融合》一文中研究指出针对泛在电力物联网中分布广泛的传感器以及各类设备采样周期不同的问题,本文提出一种基于朴素贝叶斯和D-S证据理论的多时空数据融合方法。该方法突出的优点是融合了多个时间段、多个不同地点传感器的数据。首先运用朴素贝叶斯分类器得到信度分配,克服了过去采用专家系统进行信度分配的缺点,然后运用D-S证据理论进行融合得到最终系统的状态评价,有效地将多时空数据进行融合。实验结果表明,本文提出的方法相比其他机器学习算法有了明显的改进,能够有效地评估系统的状态。(本文来源于《电气技术》期刊2019年11期）
陈仿雄,程良伦,黄国恒[2]（2019）在《基于D-S证据理论的特征融合车标识别方法》一文中研究指出在针对现有的智能交通对车辆多维信息识别存在识别精度不高的情况,特别是对于车标识别,很大程度上识别结果依赖于高分辨和高质量的图像.提出了一种新的车标识别方法,用于识别卡口捕获的低质量车标图像,该方法是基于D-S证据理论的特征融合方法,提取Hu不变矩和HOG特征,采用不同的分类器构造基本概率分配(BPA),采用改进D-S证据理论进行融合,根据判别规则给出最终的识别结果.通过实验证明在低分辨的情况下仍能保持较高的准确率,分类准确率达94.29%,相比单一的特征识别,具有更强的鲁棒性.(本文来源于《计算机系统应用》期刊2019年10期）
耿建伟[3]（2019）在《基于D-S证据理论的光电测量数据融合》一文中研究指出当前测距装置易受到大气、噪声的干扰,导致测量数据不精准。大数据发展战略下,对数据精确度提出了新要求。针对光电测量仪器测量数据测量精度较低、可靠性较差等问题,提出了一种基于D-S证据理论的光电测量数据融合模型。模型采用决策层融合方法,实时融合传感器采集的数据。实验仿真数据表明,此模型具有较高的融合精度,有利于提高光电测量数据的精确性、实时性。(本文来源于《信息与电脑(理论版)》期刊2019年16期）
蒋雯,张瑜,谢春禾[4]（2019）在《多传感器协同探测证据理论分类融合方法》一文中研究指出随着智能化、网络化集群作战等理念和技术的兴起,精确制导武器越来越向智能化、协同化方向发展。多传感器协同探测能够针对不同的探测任务背景和作战需求,提升目标探测性能,还可以跨域整合多种探测平台。但是由于信息的不确定性等特点,使得多传感器数据直接融合可能造成决策困难。因此,在证据理论体系下对信息融合的有效性进行合理分析与度量是很有必要的。提出了一种基于Deng熵的证据理论分类融合算法,以熵减为主要思想,将证据进行分类融合。在决策过程中,将含有证据数最多的类别融合结果作为总体融合结果,避免高冲突证据的影响,提升融合结果的信息有效性。采用算例说明了所提方法不仅能够得到合理正确的结果,并且融合可靠性较高,便于决策与后续的信息处理。(本文来源于《导航定位与授时》期刊2019年05期）
杨呈永,刘佳祎[5]（2019）在《基于物联网节点加权的D-S证据理论数据融合算法》一文中研究指出物联网底层接入海量的数据节点,这些节点具有大小不一的能力,所处的外部环境也不一致,使节点产生和传输的大量的数据信息带有很多不确定性。为解决这一问题,提出在物联网节点加权的基础上用D-S证据理论对数据进行融合,并且根据证据的冲突性大小对权重作一个调整,减少数据传输量,使融合的结果更贴近实际情况,保证用户在收到融合数据后作出正确的判断处理。(本文来源于《桂林理工大学学报》期刊2019年03期）
付华,梁小飞,李涛,司南楠[6]（2019）在《DEBA优化加权D-S证据融合的煤矿瓦斯监测策略》一文中研究指出针对煤矿瓦斯监测系统的非线性、时变性和多参数强耦合性问题,提出了一种差分进化改进蝙蝠算法(DEBA)优化加权D-S证据融合的煤矿安全监测策略。通过核独立主元分析算法(KICA)对煤矿井下多种传感器采集的原始数据初步处理,进行特征提取,再应用加权D-S证据理论进行数据融合处理,同时采用DEBA算法对加权平均D-S理论的权重进行优化,建立煤矿瓦斯监测模型,可对矿井下的瓦斯状态作出及时判断,并相应地采取决策。MATLAB仿真结果表明:该监测模型能够显着提高煤矿瓦斯监测的精确度和泛化能力以及全局决策的快速性与合理性。(本文来源于《传感器与微系统》期刊2019年08期）
胡若彤,于树松,侯瑞春,陶冶[7]（2019）在《基于D-S证据体的异构日志文件融合方法》一文中研究指出随着云计算、大数据等技术的不断发展,海量的日志文件所产生的商业价值得到了不断提高。为了提升企业的客户粘度以及对信息的掌控程度,针对多源异构日志的特点建立了异构日志收集融合系统,首先,将网站日志文件抽取并划分为不同的评价标准,并提出了评价信息加权计算方法构建识别框架,其次,基于storm实时流数据处理框架设计了异构日志文件融合信息系统,运用AHP权重法和D-S证据体理论对评价标准进行融合处理,最后,融合后的信息形成决策级信息,这些决策信息将被用于用户画像内信息的决策处理。(本文来源于《制造业自动化》期刊2019年07期）
张雅媛,孙力帆,郑国强[8]（2019）在《基于改进Jousselme证据距离的多传感器决策融合方法》一文中研究指出多传感器系统通常能够获取各种不同的量测数据,但是其信息的准确性和可靠性往往难以被保证,使用这些数据所做出的决策很有可能与事实相悖。鉴于此,在D-S证据理论框架内提出了一种基于改进Jousselme证据距离的多传感器决策融合方法。通过对相似性Jaccard系数矩阵分块化处理,以合理准确地描述传感器节点证据冲突,并借此计算各传感器节点的权值来修正证据源,最终通过D-S融合规则得到正确决策。数值实验结果显示提出方法的识别率最高可达92.52%,相比Muphy法高出了17.28%,而不确定度却降低了2个数量级,不但能够快速准确地识别传感器节点证据冲突,而且决策风险更小,因此适用范围更广。(本文来源于《仪表技术与传感器》期刊2019年07期）
丁小勤[9]（2019）在《例谈证据推理与实验探究的巧妙融合》一文中研究指出以苯酚的酸性、物质溶解性为例展示了如何将证据推理和实验探究相结合起来,利用数据、实验结果为证据展开推理,再利用推理进一步展开实验探究,从而得出相关结论。这种教学方式培养了学生的严谨探究的品质和敢于质疑的创新精神,有效落实化学学科核心素养的培养。(本文来源于《化学教与学》期刊2019年07期）
李亦滔,叶德住,汤绍钊,雷奶华[10]（2019）在《支持向量机与证据理论融合在电机转子故障诊断中的应用》一文中研究指出在电机转子故障诊断中,为了进一步提高诊断方法的自适应性和分类准确性,提出一种支持向量机和证据理论的故障诊断方法.利用小波包分解振动信号和提取特征向量,构造多类支持向量机概率输出.采用改进的D-S证据理论,建立支持向量机与证据理论的诊断模型.实验结果表明:与常规故障诊断方法相比,该故障诊断方法可行,且具有更高的诊断准确率,为电机转子故障诊断研究提供有效的途径.(本文来源于《宁德师范学院学报(自然科学版)》期刊2019年02期）
证据融合论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在针对现有的智能交通对车辆多维信息识别存在识别精度不高的情况,特别是对于车标识别,很大程度上识别结果依赖于高分辨和高质量的图像.提出了一种新的车标识别方法,用于识别卡口捕获的低质量车标图像,该方法是基于D-S证据理论的特征融合方法,提取Hu不变矩和HOG特征,采用不同的分类器构造基本概率分配(BPA),采用改进D-S证据理论进行融合,根据判别规则给出最终的识别结果.通过实验证明在低分辨的情况下仍能保持较高的准确率,分类准确率达94.29%,相比单一的特征识别,具有更强的鲁棒性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
证据融合论文参考文献
[1].路军,王梓耀,余涛.基于朴素贝叶斯和D-S证据理论的多时空数据融合[J].电气技术.2019
[2].陈仿雄,程良伦,黄国恒.基于D-S证据理论的特征融合车标识别方法[J].计算机系统应用.2019
[3].耿建伟.基于D-S证据理论的光电测量数据融合[J].信息与电脑(理论版).2019
[4].蒋雯,张瑜,谢春禾.多传感器协同探测证据理论分类融合方法[J].导航定位与授时.2019
[5].杨呈永,刘佳祎.基于物联网节点加权的D-S证据理论数据融合算法[J].桂林理工大学学报.2019
[6].付华,梁小飞,李涛,司南楠.DEBA优化加权D-S证据融合的煤矿瓦斯监测策略[J].传感器与微系统.2019
[7].胡若彤,于树松,侯瑞春,陶冶.基于D-S证据体的异构日志文件融合方法[J].制造业自动化.2019
[8].张雅媛,孙力帆,郑国强.基于改进Jousselme证据距离的多传感器决策融合方法[J].仪表技术与传感器.2019
[9].丁小勤.例谈证据推理与实验探究的巧妙融合[J].化学教与学.2019
[10].李亦滔,叶德住,汤绍钊,雷奶华.支持向量机与证据理论融合在电机转子故障诊断中的应用[J].宁德师范学院学报(自然科学版).2019