基于证据理论的信息融合系统设计与实现

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (4): 11-13.

基于证据理论的信息融合系统设计与实现

罗贺^1,2,付超²,胡小建²

1.合肥工业大学计算机与信息学院，合肥 230009
2.合肥工业大学计算机网络系统研究所，合肥 230009

收稿日期:2007-09-19 修回日期:2007-11-07 出版日期:2008-02-01 发布日期:2008-02-01
通讯作者: 罗贺

Design and implementation of system of information fusion based on evidence theory

LUO He^1,2,FU Chao²,HU Xiao-jian²

1.School of Computer & Information，Hefei University of Technology，Hefei 230009，China
2.Institute of Computer and Network Systems，Hefei University of Technology，Hefei 230009，China

Received:2007-09-19 Revised:2007-11-07 Online:2008-02-01 Published:2008-02-01
Contact: LUO He

摘要/Abstract

摘要： 为了对多传感器获取的不完整信息进行融合，提出了基于证据理论的信息融合方法，并将神经网络技术引入到证据合成规则中，建立了新的合成规则。在此基础上，采用面向对象的系统设计开发方法，分析了系统的体系结构，建立了各功能模块，并利用Visual C++ 6.0开发了基于证据理论的信息融合系统。

关键词: 信息融合, 证据理论, 系统设计

Abstract: In order to fuse incomplete information from multi-sensors，a method of information fusion based on the evidence theory is proposed in the paper.The new combination rule is suggested by introducing neural network technique into it.On this basis，the object-oriented software design and development method is used to analyze the software architecture and build different functional modules.In the end，the system of information fusion based on the evidence theory is developed by Visual C++ 6.0.

Key words: information fusion, evidence theory, system design

罗贺^1,2,付超²,胡小建². 基于证据理论的信息融合系统设计与实现[J]. 计算机工程与应用, 2008, 44(4): 11-13.

LUO He^1,2,FU Chao²,HU Xiao-jian². Design and implementation of system of information fusion based on evidence theory[J]. Computer Engineering and Applications, 2008, 44(4): 11-13.

[1]	黄逸磊，夏志杰，王诣铭. 强关系型社交媒体平台不实信息传播模型研究[J]. 计算机工程与应用, 2021, 57(9): 126-133.
[2]	刘畅，邱卫根，张立臣. 基于可变形掩膜对齐卷积模型的行人再识别[J]. 计算机工程与应用, 2021, 57(5): 146-152.
[3]	蒋斌，梁小安，张亮，高杨军. 基于改进修正权重的证据组合方法[J]. 计算机工程与应用, 2021, 57(24): 100-106.
[4]	陈坤峰，潘志松，王家宝，施蕾，张锦，焦珊珊. 跨模态行人再识别的协同学习方法[J]. 计算机工程与应用, 2021, 57(12): 115-125.
[5]	张红，程传祺，徐志刚，李建华. 基于深度学习的数据融合方法研究综述[J]. 计算机工程与应用, 2020, 56(24): 1-11.
[6]	刘潇雅，王应明. 基于支持向量机集成的个人信用评估研究[J]. 计算机工程与应用, 2020, 56(14): 272-278.
[7]	韩二东. 概率语言术语集多准则决策方法研究进展[J]. 计算机工程与应用, 2020, 56(10): 27-35.
[8]	阮凯，邱卫根. 多信息融合的深度学习人脸表情识别算法研究[J]. 计算机工程与应用, 2019, 55(5): 192-196.
[9]	罗兰，肖建于. 一种有效折扣证据源的冲突证据合成方法[J]. 计算机工程与应用, 2019, 55(4): 154-158.
[10]	李果，马春阳，马建晓. 基于DPCA和改进证据理论的融合式故障诊断[J]. 计算机工程与应用, 2019, 55(20): 197-201.
[11]	陈金广1，2，王星辉1，2，马丽丽1，2，张馨东1，2，巩林明1，2. 采用分段RTS的CPHD平滑算法[J]. 计算机工程与应用, 2019, 55(1): 50-55.
[12]	严志军，陶洋. 基于证据距离和不确定度的冲突数据融合算法[J]. 计算机工程与应用, 2018, 54(10): 54-58.
[13]	陈富强1，周学成1，2，李一海1，杨自尚1，王高峰1，闫露露1. 原位根系三维构型测量系统的设计与实现[J]. 计算机工程与应用, 2018, 54(10): 249-255.
[14]	涂世杰1，2，陈航1，冯刚2. 证据理论与模糊函数相结合的弹道目标识别[J]. 计算机工程与应用, 2017, 53(6): 169-173.
[15]	段锁林，杨可，毛丹，任珏朋. 基于模糊证据理论算法在火灾检测中的应用[J]. 计算机工程与应用, 2017, 53(5): 231-235.