摘要：针对齿轮箱故障诊断时使用单一传感器进行信号获取过程中存在信息不完整的问题,导致故障特征信息及诊断推理方法具有随机性和模糊性。利用多传感器信息融合的二阶张量特征作为输入,构建了一个支持张量机和集成矩阵距离测度(Assembled Matrix Distance Metric,AMDM)的K最近邻分类器(k-nearest neighborhood classifier,KNN)决策融合故障诊断模型。首先,对多传感器信息时频域特征层进行融合,获得二阶张量的特征样本;其次,分别构建基于集成支持张量机、KNN-AMDM的故障诊断模型,并针对两类故障诊断模型的输入,设计了两种基本概率分配赋值的转化方法,通过不断调整参与的传感器数目获得6种不同的故障征兆张量集,进而得到12种不同的初步故障诊断结果;最后,采用D-S证据理论对12个证据体提供的基本概率分配值进行融合决策,得到最终的齿轮箱故障诊断结果。实验对比表明,该方法可提高齿轮故障诊断结果的可信度。

摘要：为解决基于声学散射数据的高精度鱼类识别问题,提出一种基于SVM的多方位声散射数据决策层融合的鱼类识别方法。利用小波包变换(WPT)和离散余弦变换(DCT)方法对多方位声散射数据进行特征提取,并进行特征降维处理。然后采用SVM分类器对每个方位提取的特征做出多次决策,并输出最终识别结果。采用3种不同鱼类作为研究对象,设计了可靠的获取多方位声散射数据的实验方案,给出不同方位数量条件下,基于WPT和DCT特征量的识别率。理论分析及实验数据处理结果表明,随着方位数量的增加,总体识别率呈升高的趋势,基于SVM的多方位声散射数据决策层融合方法可以有效提高识别率至90%以上。

摘要：云量对光伏发电有至关重要的影响。全天空地基云图云量估计的重点在于对全天空图像进行畸变矫正,以及设计准确率高的地基云分割方法。针对这两个问题,提出一种基于决策融合策略的云量估计模型。首先,通过基于多维球切面透视投影模型的鱼眼畸变矫正算法,获取多方位的局部复原图像;其次,采用最近邻复原中心的决策融合方法对多维复原图像分割后的数据进行修正,最终获取云量估计值。实验表明:该方法更好地复原了云和天空的比例关系,提高了云量估计的准确性。

摘要：基于Google Earth Engine(GEE)云计算平台,协同Sentinel-2影像、WordClim生物气候数据、SRTM地形数据、森林资源二类调查数据等数据,以随机森林(Random Forest,RF),支持向量机(Support Vector Machine,SVM)和最大熵(Maximum Entropy,MaxEnt)3种机器学习算法为组件分类器,开展多源特征、多分类器决策融合的优势树种分类研究。通过3种组件分类器分别构建了两种串行集成和3种贝叶斯并行集成模型,用于确定云南香格里拉地区10种主要优势树种的空间分布。分类结果显示:3个组件分类器的总体精度均低于67.17%;3种并行集成方法总体精度相当,约为72%;两种串行集成方法精度高于78.48%,其中MaxEnt-SVM串行集成方法获得最佳精度(OA:80.66%,Kappa:0.78),与组件分类器相比精度至少提高了13.49%。研究表明:决策融合方法在优势树种分类中比组件分类器精度更高,并且有效改善了小样本树种的分类精度,可用于大范围山区优势树种分类。

摘要：脑电信号的识别与分类是脑机接口技术的热点研究问题,单一分类器不能很好利用特征以及分类器的适应性,导致识别的准确率很难进一步提高,基于线性判别分析的分类决策级融合策略,可用于提高脑-机接口系统的分类准确率。首先,通过分离出两种分类器的假性试验特征,从这两种方法中选择更有可能正确决策提高分类准确性;其次为了测量每个决策的不确定性,使用与所对应分类器的最大和第二大相关系数提取特征向量。基于这一思想,提出了一种新的决策选择器,该方法通过整合两种基于线性判别分析的算法选择更有可能是准确的决策,从而达到提高脑电信号分类准确度。实验结果表明,该方法通过与精度相近的算法相结合在运动想象数据分类上获得了较好的分类准确率。

摘要：提出了一种基于主成分分析(PCA)、独立分量分析(ICA)和Gabor小波决策融合的合成孔径雷达SAR(Synthetic Aperture Radar)图像目标识别方法。首先用PCA、ICA和Gabor小波变换分别对SAR目标图像提取特征向量,再用3个支持向量机分类器分别对3种方法提取得到的特征向量分类,通过基于等级的决策融合方法对3个支持向量机分类器的输出进行决策融合,得到最终类别决策结果。采用MSTAR数据库中3个目标进行识别实验,实验结果表明,PCA、ICA和Gabor小波决策融合后得到的识别率高于单独用其中任何一个特征得到的识别率。因此,该方法可提高目标的正确识别率,是一种有效的SAR图像目标识别方法。

摘要：本文针对国际上近几年兴起的研究热点——无线传感器网络在信道衰减下的决策融合问题进行探讨。分析了已有传感器决策融合问题算法的结构,在已知信道传输错误概率的条件下,将信道无传输错误的分析方法推广到信道衰减的情况,对传输错误和融合律的关系进行了深入分析。对给定融合律的网络决策融合问题,获得了最优容错传感器观测量化器的必要条件并设计了迭代算法。在没有增加问题的计算复杂度的情况下,得到了最优观测量化器。与国际上现有结果不同,新结果不要求传感器决策条件独立,也不要求各传感器与融合中心之间的信道相互独立,具有更加广泛的使用范围。

摘要：声发射技术是刀具磨损状态监测的有效检测方法。针对目前对刀具声发射信号难以实现识别分辨率和计算速率兼容的问题,提出关于刀具磨损状态识别建模的新方法。首先对信号进行小波包特征抽取,并通过核主分量分析对其进行优化。接着在两种神经网络识别结果的基础上,提出基于支持向量机的决策融合算法,从而避免了经典决策融合算法在实际应用中的问题。实验数据证明,该模型能有效提高刀具磨损状态的识别分辨率,且不影响运算的在线性。

摘要：为了防止数据在开放的无线传感器网络中传输过程中遭到窃听而泄密,本文设计了一种带安全机制的传感器网络分布式决策融合方法 FRSM,该方法在传感节点发送数据到融合中心时利用随机函数对数据进行翻转置乱,以阻止窃听方获得正确的融合结果,而合法的融合中心能够基于已知的随机函数概率密度对接收到的数据进行对数似然比决策.理论分析和对比实验表明,FRSM能够使得合法的融合中心取得较好的融合结果,而窃听方在高信噪比和大量传感器环境下仍然难以获得正确的融合结果,从而保障了传感数据的机密性.

摘要：随着对地观测技术的快速发展,高分遥感影像变化检测已成为遥感领域中的研究热点。空间分辨率的提高带来了丰富的空间信息,同时也导致了由于物候差异引起的实际属性并未发生变化,而光谱等表现特征发生变化的“伪变化”问题更为显著。形态属性剖面(Morphological Attribute Profiles,MAPs)作为一种高效空间信息建模方法,可从不同属性、多个尺度精细刻画复杂变化特征,已在变化检测领域任务中得到了广泛应用。尽管如此,已有MAPs方法通常未考虑差分剖面的属性及尺度平衡问题,从而容易陷入局部最优;同时,有效融合MAPs差分特征获取变化检测结果是此类方法面临的另一个难点。为此,研究提出了一种结合自适应形态属性剖面与决策融合的变化检测方法。首先,通过对MAPs进行CVA,提取初始差分特征集合;在此基础上,设计了一种综合考虑属性及尺度平衡性的择优目标函数(Balanced Optimal Objective Function,BOF),进而提取优化差分特征集合;最后,基于所提出的变化强度证据指标(Evidence Index,EVI)和证据置信度指标(Indicators Of Evidence Confidence,IOEC),构建了一种多特征决策融合框架获得变化检测结果。实验结果表明:所提出方法的总体精度(Overall Accuracy,OA)和F1分数(F1 score,F1)分别可达96.41%及88.67%以上,在目视分析和定量评价均显著优于对比方法,尤其针对本文所提“伪变化”,该方法相较对比方法可实现更为精确的判别,可以有效缓解“伪变化”。