基于模糊变结构动态贝叶斯网的目标识别方法

摘要：

在研究分析各信源信息的特征和目标识别的基本流程的基础上,基于传统静态贝叶斯网络,提出了一种基于模糊变结构动态贝叶斯网络的目标识别方法.该方法构建了模糊变结构动态贝叶斯网络,并提出了基于样本信息的统计方法和无样本的贝叶斯网络参数学习方法,以期网络推理实现目标属性识别,并在传统硬判决的基础上,实现了基于软判决准则的动态判决和基于线性加权思想的网络参数在线更新.数值实验表明,相对于传统静态贝叶斯网络目标识别方法,所提出的方法能够解决不同时刻证据的时序关系问题以及不能处理连续随机变量推理的问题,提高了目标识别置信度,缩短了识别收敛周期,能够有效纠正关联错误和关联多义性所造成的错误识别问题,解决了网络参数一成不变的问题,较好地实现了网络参数的在线更新.

关键词：数据融合、目标识别、贝叶斯网络、结构学习、参数学习

所属期刊栏目：27

分类号：TP274(自动化技术及设备)

资助基金：国防预先研究项目12100201

在线出版日期：2017-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：17-21