基于证据理论的多源数据融合仿真实验matlab代码

这篇具有很好参考价值的文章主要介绍了基于证据理论的多源数据融合仿真实验matlab代码。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

matlab源码链接见文章末尾

基于D-S证据理论的数据融合方法的基本思想

D-S证据理论是一种不确定性推理方法,所处理的数据信息大多是具有不确定性的,该方法能够摆脱对先验概率的依赖,把难以下手分析和处理的完整问题分解成很多易于处理的子问题,利用D-S证据理论将子问题的分析结论综合起来,采用数学推理推理的融合方式得到最终的融合结果。
D-S证据理论由识别框架、基本概率分配函数、信任函数、似然函数和合成规则构成。

基本思路

(1) 建立识别框架。分析所要融合的数据样本,得到数据融合后可能出现的所有命题,构成D-S证据理论中的识别框架。
(2) 建立初始信任分配。在识别框架中,为每一个命题分配证据,并获取它的基本概率分配函数。
(3)根据因果关系,计算所有命题的信任度。结合D-S证据理论中的信度函数和似然函数构造识别框架中的每个命题的信任度。一个命题的信任度等于证据对它的所有前提的初始信任度之和。
(4)证据合成。最后利用D-S证据理论合成法融合多个证据提供的信息,对每个命题的信任度进行合成,
(5)根据合成后的信任度决策出证据数据属于哪一种命题,一般选择信任度最大的命题。

识别框架

基于证据理论的多源数据融合仿真实验matlab代码

基本置信度指派函数

基于证据理论的多源数据融合仿真实验matlab代码

信任度函数

基于证据理论的多源数据融合仿真实验matlab代码

似真度函数

基于证据理论的多源数据融合仿真实验matlab代码

合成规则

两证据融合

基于证据理论的多源数据融合仿真实验matlab代码

三证据融合

在完成两证据的融合后,可以将证据1与证据2融合后的结果当作新的需要融合的基本置信度指派函数,与证据3再次进行融合,重复(1)中两证据融合的操作。

仿真思路

基于证据理论的多源数据融合仿真实验matlab代码
1.设置元素个数、幂集合大小,得到基本置信度指派函数
(1)设置元素个数为3,具体为:A={a,b,c}。
(2)幂集合的大小为8,具体为:

 	E={Φ,{a},{b},{c},{a,b},{a,c},{b,c},{a,b,c}}];

(3)证据个数为3,分别为M1,M2,M3。
(4)三个证据基本置信度指派函数取值为:

 	 M1=[0,0.35,0.25,0.15,0.06,0.05,0.04,0.10];
	 M2=[0,0.45,0.15,0.05,0.06,0.15,0.04,0.10];
 	 M3=[0,0.55,0.15,0.05,0.06,0.05,0.10,0.04];

满足每个证据M中,Φ的mass函数值为0,另外其他的假设mass值的和为1。

2.求信任度函数Bel
依据公式如下:
基于证据理论的多源数据融合仿真实验matlab代码

对于假设A,它的信任度函数为所有真属于A的假设B的所有mass值的和。
代码如下:

	 bel_A(2:4)=M(2:4);
	 bel_A(5)=M(5)+M(2)+M(3);
	 bel_A(6)=M(6)+M(2)+M(4);
	 bel_A(7)=M(7)+M(3)+M(4);
	 bel_A(8)=1;

3.求似真度函数Pl
对于假设A,它的似真度函数为所有与A相交的所有mass值的和。
依据公式如下:
基于证据理论的多源数据融合仿真实验matlab代码

找到焦元的非,将1与焦元的非的信任度作差,即可得到该焦元的似真度。
代码如下:

 	 pl_A(2)=1-bel_A(7);
	 pl_A(3)=1-bel_A(6);
	 pl_A(4)=1-bel_A(5);
	 pl_A(5)=1-bel_A(4);
	 pl_A(6)=1-bel_A(3);
	 pl_A(7)=1-bel_A(2);
	 pl_A(8)=1;

由信任度函数和似真度函数组成的闭区间[Bel(A),Pl(A)]为假设A的信任区间,表示对假设A的确认程度。

4.求证据M1和证据M2的融合m12
依据公式如下基于证据理论的多源数据融合仿真实验matlab代码
(1)计算冲突系数K12:
对证据M1中的每个焦元分别进行以下操作:将证据M2中与证据M1相交为空集的焦元对应的基本置信度相加,再与其基本置信度相乘,最后将每个焦元计算得到的结果进行求和,即:

 	 K12=K12+M1(i)*(1-M2(i));

(2)计算证据融合后的基本置信度指派函数:
若空集的映射结果不为0,即证据M1和证据M2的焦元相交是某焦元,就需要将证据M1与证据M2的焦元的基本置信度相乘,再将两两相乘的结果求和。

 	 m12_A(i)=M1(i)*M2(i);

(3)将融合后的结果矩阵与(1-K)相除:

     m12=m12_A/(1-K12);

5.求证据M1和证据M2的融合与证据M3的融合m123
将证据M1与证据M2融合后的结果m12当作新的需要融合的基本置信度指派函数,与证据M3再次进行两证据融合。

仿真结果

1.信任度函数:bel
基于证据理论的多源数据融合仿真实验matlab代码

例如假设A为{a,b},那么它的bel函数值为:
m{Φ}+m{a}+m{b}+m{a,b}=0+0.35+0.25+0.06=0.66
与上述仿真结果一致,且Φ信任度为0,{a,b,c}信任度为1,单元素焦元基本置信度与信任度相同,故仿真正确。

2.似真度函数pl
基于证据理论的多源数据融合仿真实验matlab代码

例如假设A为{a,b},那么它的pl函数值为:
1-m{c}=1-0.15=0.85
与上述仿真结果一致,且Φ的似真度为0,{a,b,c}的似真度为1,每一个集合的似真度函数值大于信任度函数值,故仿真正确。

3.证据M1和证据M2的融合结果m12
基于证据理论的多源数据融合仿真实验matlab代码

Φ的基本置信度为0,其他假设的基本置信度和为1,故仿真正确。

4.证据M1和证据M2的融合与证据M3的融合结果m123
基于证据理论的多源数据融合仿真实验matlab代码

Φ的基本置信度为0,其他假设的基本置信度和为1,故仿真正确。

仿真结论

1.Φ的信任度、似真度为0,识别框架的信任度、似真度为1
2.Φ的基本置信度为0,其他假设的基本置信度和为1
3.每一个集合的似真度函数值大于信任度函数值。由信任度函数和似真度函数组成的闭区间[Bel(A),Pl(A)]为假设A的信任区间,表示对假设A的确认程度。
4.数据融合后的结果能够缩小置信区间,使得数据更加精确。
5.通过基于证据理论的数据融合得到的结果更加直观,对于具有较大置信度的数据有提升,对于较小置信度的数据有减弱。

心得体会

通过多源数据融合技术课程的学习以及此次基于证据理论的多源数据融合matlab实验,我对数据融合这一之前从未涉及过的课题有了一定的了解。
通过这次仿真实验的学习,我深入了解了D-S证据理论。认识到D-S方法把每个证据信息都作为命题正确与否的依据,对每个命题指派两个不确定性度量(信任度和似真度),存在一个证据属于一个命题的不确定性测度,而并非直接判断命题的对错,这让我对于概率问题的了解更加深入和全面。
通过matlab仿真实验,我进一步理解了置信度函数,信任度函数,似真度函数,并对数据融合的原理有了进一步掌握。

源码链接: https://blog.csdn.net/qq_44394952/article/details/122208884?spm=1001.2014.3001.5501.文章来源地址https://www.toymoban.com/news/detail-438715.html

到了这里,关于基于证据理论的多源数据融合仿真实验matlab代码的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 多源数据融合 Sar & Optical(一)像素级融合

    根据图像表征层次的不同,图像融合可分为三个层次的融合:像素级融合、特征级融合和决策级融合, 下图是像融合层级划分图。 其中像素级融合位于最低层,可以看作是对信息仅作特征提取并直接使用。也正是得益于其对信息最大程度上的保留,使其在准确性和鲁棒性上

    2024年02月09日
    浏览(39)
  • 无线传感器网络数据压缩与融合及安全机制的matlab仿真

    目录 一、理论基础 二、案例背景 三、MATLAB程序 四、仿真结论分析

    2023年04月09日
    浏览(43)
  • 领域最全!多传感器融合方法综述!(Camera/Lidar/Radar等多源异构数据)

    点击下方 卡片 ,关注“ 自动驾驶之心 ”公众号 ADAS巨卷干货,即可获取 点击进入→ 自动驾驶之心技术交流群 后台回复【ECCV2022】获取ECCV2022所有自动驾驶方向论文! 原文:Multi-Sensor Fusion in Automated Driving: A Survey 自动驾驶正成为影响未来行业的关键技术,传感器是自动驾驶

    2023年04月08日
    浏览(43)
  • 基于Matlab实现多个图像融合案例(附上源码+数据集)

    图像融合是将多幅图像合成为一幅图像的过程,旨在融合不同图像的信息以获得更多的细节和更丰富的视觉效果。在本文中,我们将介绍如何使用Matlab实现图像融合。 首先,我们需要了解图像融合的两种主要方法:像素级融合和特征级融合。像素级融合是指对每个像素进行操

    2024年02月09日
    浏览(39)
  • 汽车理论动力性仿真-MATLAB

    汽车动力性是指汽车在良好路面上直线行驶时,由汽车受到的纵向外力决定的、所能达到的平均行驶速度。汽车动力性评价指标主要有汽车的最高车速、加速时间和最大爬坡度。 汽车总质量m/kg 滾动阻力系数 f f f 空气阻力系数 C D C_D C D ​ 迎风正面面积A/ m 2 m^2 m 2 滚动半径

    2024年02月12日
    浏览(32)
  • 线性卡尔曼跟踪融合滤波算法(Matlab仿真)

            卡尔曼滤波的原理和理论在CSDN已有很多文章,这里不再赘述,仅分享个人的理解和Matlab仿真代码。         假设目标的状态为X =  [x, y, vx, vy],符合匀速直线运动目标,也即                  其中F为状态转移矩阵,                  在匀速直线(const velo

    2024年01月17日
    浏览(41)
  • 人工智能_不确定性推理(5,证据理论 6,模糊推理方法 7,模糊控制)

    4.5 证据理论 证据理论(theory of evidence):又称D一S理论,是德普斯特(APDempster)首先提出,沙佛(GShafer)进一步发展起来的一种处理不确定性的理论 D-S证据推理针对的是6分不清”或“不知道”这样的不确定性; 1981年巴纳特(JABarnett)把该理论引入专家系统中,同年卡威(JGarvey)等人用它

    2024年02月03日
    浏览(41)
  • 用MATLAB/Simulink对实验/仿真示波器保存的数据进行THD分析、MATLAB自定义横纵坐标轴绘图

    最近年底和师兄交流了数据分析、波形处理问题。一个是将示波器导出的csv数据放到MATLAB中进行THD分析,另一个是自定义横纵坐标轴进行绘图,就这两个问题记录一下。 不需要背代码,简单、易于理解,使用过程中截个图就行了。 1、导入数据至MATLAB,修改变量名和数据类型

    2024年01月22日
    浏览(66)
  • 【深度学习】多粒度、多尺度、多源融合和多模态融合的区别

    多粒度(multiresolution)和多尺度(multiscale)都是指在不同的空间或时间尺度上对数据或信号进行分析和处理。其中 多尺度:通常是指在不同的空间或时间尺度上对数据或信号进行分析和处理, 通常采用不同的滤波器或分解方法,以从低到高分析不同尺度的信号结构 。例如,

    2024年02月13日
    浏览(43)
  • 3D-MIMO信道模型的理论概述和matlab仿真

    目录 一、理论基础 二、核心程序 三、测试结果        信道模型的建模,其在不同场景中所对应的参数和分别都是不同的,因此,通过修改信道模型在角度域和延迟域[40]的特定的参数和分布,就可以获得不同的信道模型。        3D-MIMO(Three-Dimensional Multiple-Input Multiple-O

    2024年02月07日
    浏览(38)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包