-
公开(公告)号：CN111340118B
公开(公告)日：2021-07-23
申请号：CN202010124973.1
申请日：2020-02-27
Applicant: 河南大学
Abstract: 本发明公开了一种基于信度熵和BJS散度的冲突证据融合方法，包括如下步骤：首先，获取杂草种类目标识别信息转换为证据信息，然后，通过融合证据的信度熵度量证据的不确定度，利用融合证据的BJS散度和支持度之间的关系构造证据的相对支持度，综合考虑融合证据的不确定度、相对支持度以及静态可信度对融合证据进行加权平均处理，得到加权平均证据，最后，采用Dempster组合规则对加权平均证据进行逐个融合，输出最终决策结果。本发明方案与传统算法相比，利用融合证据的信度熵有效度量不确定信息，通过证据的BJS散度有效度量证据BPA之间的相似度，利用信度熵和BJS散度共同确定融合证据的权重系数，实现智慧农业中杂草识别的快速、准确决策处理。
-
公开(公告)号：CN111625775B
公开(公告)日：2023-04-07
申请号：CN202010468422.7
申请日：2020-05-28
Applicant: 河南大学
Abstract: 本发明公开了一种基于Hellinger距离和信度熵的加权冲突证据融合方法，包括如下步骤：首先，获取多个传感器测量信息，转换为证据信息，然后，利用基本概率赋值转换公式将融合证据中的焦元变为单子集焦元，并引入Hellinger距离获得融合证据的支持度；另外，通过改进信度熵表征证据的不确定性程度，综合考虑Hellinger距离和改进信度熵确定融合证据的信任度并获得权重因子，然后利用加权平均思想修正融合证据，最后采用Dempster组合规则对修正后的证据进行逐个融合，输出最终目标识别的决策结果。本发明方案与传统算法相比，通过基本概率赋值转换函数和Hellinger距离能够有效地衡量存在非单子集命题证据之间的冲突程度，同时通过改进的信度熵表征证据的不确定程度，综合考虑支持度和信息量共同确定融合证据的权重系数，具有重要的理论意义和应用价值。
-
公开(公告)号：CN113449412A
公开(公告)日：2021-09-28
申请号：CN202110564130.8
申请日：2021-05-24
Applicant: 河南大学
IPC: G06F30/20 , G06K9/62 , G06F111/08 , G06F119/08
Abstract: 本发明公开了一种基于K‑means聚类和综合相关度的机械故障诊断方法，包括如下步骤：首先，获取传感器对各个故障类型的原始观测信息；利用K‑means聚类寻找各个故障类型数据组的质心；计算传感器采集的机械设备运行数据与各个故障类型数据簇质心之间的JS散度和灰色关联度构建综合相关度；对综合相关度进行归一化处理，将其转化为基本概率指派函数；最后，采用Dempster组合规则对基本概率指派函数进行逐个融合，输出最终对机械设备故障类型的决策结果。本发明方案提出的基于K‑means聚类和综合相关度的故障诊断方法，可以有效地对机械设备进行故障诊断，具有重要的理论意义和应用价值。
-
公开(公告)号：CN114792112B
公开(公告)日：2024-02-20
申请号：CN202210430919.9
申请日：2022-04-22
Applicant: 河南大学
IPC: G06F18/25
Abstract: 本发明公开了一种基于自适应处理策略的时域证据融合方法，包括如下步骤：首先，将多个传感器收集的信息转化为证据信息；其次，计算各个历史时刻证据信息的相关性，并确定历史证据信息的权重因子；对历史证据信息进行加权平均获得当前时刻的预测值，根据预测值和真实值判断当前时刻是否出现失真；再通过可信度衰减模型，获得相邻时刻证据的实时可靠度，根据实时可靠度对时域证据进行折扣；最后，利用Dempster组合规则对时域证据进行融合。本发明考虑了当前时刻的证据有可能出现失真的情况，同时对失真情况进行了研究，对当前时刻获取的证据和历史积累的证据进行对比，选择最合适的处理策略，具有重要的理论意义和应用价值。
-
公开(公告)号：CN112312511B
公开(公告)日：2021-06-04
申请号：CN202010926383.0
申请日：2020-09-04
Applicant: 河南大学
Abstract: 本发明提供了一种基于树的无线传感器网络能耗均衡的改进LEACH方法，首先确定簇头传感器节点和区域内的工作节点，然后基于树算法构建路由树，实现无线传感器网络的能耗均衡；本发明在进行簇头选择时，考虑了传感器节点到基站的距离和传感器节点当前的剩余能量，使距离基站较近和剩余能量大的传感器节点优先成为簇头；其次，在无线传感器网络中所有传感器节点都加入相应的簇头形成簇之后，对每个簇进行区域划分并选择工作节点，并且优先选择剩余能量大于该簇平均剩余能量的传感器节点作为工作节点，避免远距离传输造成巨大的能量消耗，从而使传感器节点的能量消耗得到均衡，延长无线传感器网络的生命周期。
-
Patent Agency Ranking
公开(公告)号：CN112312511A
公开(公告)日：2021-02-02
申请号：CN202010926383.0
申请日：2020-09-04
Applicant: 河南大学
Abstract: 本发明提供了一种基于树的无线传感器网络能耗均衡的改进LEACH方法，首先确定簇头传感器节点和区域内的工作节点，然后基于树算法构建路由树，实现无线传感器网络的能耗均衡；本发明在进行簇头选择时，考虑了传感器节点到基站的距离和传感器节点当前的剩余能量，使距离基站较近和剩余能量大的传感器节点优先成为簇头；其次，在无线传感器网络中所有传感器节点都加入相应的簇头形成簇之后，对每个簇进行区域划分并选择工作节点，并且优先选择剩余能量大于该簇平均剩余能量的传感器节点作为工作节点，避免远距离传输造成巨大的能量消耗，从而使传感器节点的能量消耗得到均衡，延长无线传感器网络的生命周期。
-
公开(公告)号：CN111625775A
公开(公告)日：2020-09-04
申请号：CN202010468422.7
申请日：2020-05-28
Applicant: 河南大学
Abstract: 本发明公开了一种基于Hellinger距离和信度熵的加权冲突证据融合方法，包括如下步骤：首先，获取多个传感器测量信息，转换为证据信息，然后，利用基本概率赋值转换公式将融合证据中的焦元变为单子集焦元，并引入Hellinger距离获得融合证据的支持度；另外，通过改进信度熵表征证据的不确定性程度，综合考虑Hellinger距离和改进信度熵确定融合证据的信任度并获得权重因子，然后利用加权平均思想修正融合证据，最后采用Dempster组合规则对修正后的证据进行逐个融合，输出最终目标识别的决策结果。本发明方案与传统算法相比，通过基本概率赋值转换函数和Hellinger距离能够有效地衡量存在非单子集命题证据之间的冲突程度，同时通过改进的信度熵表征证据的不确定程度，综合考虑支持度和信息量共同确定融合证据的权重系数，具有重要的理论意义和应用价值。
-
公开(公告)号：CN111340118A
公开(公告)日：2020-06-26
申请号：CN202010124973.1
申请日：2020-02-27
Applicant: 河南大学
Abstract: 本发明公开了一种基于信度熵和BJS散度的冲突证据融合方法，包括如下步骤：首先，获取杂草种类目标识别信息转换为证据信息，然后，通过融合证据的信度熵度量证据的不确定度，利用融合证据的BJS散度和支持度之间的关系构造证据的相对支持度，综合考虑融合证据的不确定度、相对支持度以及静态可信度对融合证据进行加权平均处理，得到加权平均证据，最后，采用Dempster组合规则对加权平均证据进行逐个融合，输出最终决策结果。本发明方案与传统算法相比，利用融合证据的信度熵有效度量不确定信息，通过证据的BJS散度有效度量证据BPA之间的相似度，利用信度熵和BJS散度共同确定融合证据的权重系数，实现智慧农业中杂草识别的快速、准确决策处理。
-
公开(公告)号：CN113177328B
公开(公告)日：2022-09-20
申请号：CN202110563661.5
申请日：2021-05-24
Applicant: 河南大学
IPC: G06F30/20 , G06K9/62 , G01M99/00 , G01M13/04 , G06F111/08
Abstract: 本发明公开了一种基于多传感器融合的机械故障诊断方法，包括如下步骤：将不同位置的传感器观测到的机械设备的运行数据转换为证据信息；计算证据中焦元的支持区间，通过区间距离衡量证据之间的冲突程度进而获得各个证据的支持度；通过改进的信度熵来量化证据的不确定性程度作为证据的信息量；综合考虑区间距离和改进的信度熵确定证据的信任度并获得权重因子；利用权重因子对获取的证据进行加权平均，输出机械故障诊断的决策结果。本发明方案与传统算法相比，通过区间距离能够有效地衡量证据之间的差异性，同时通过改进的信度熵量化证据的不确定程度，综合考虑支持度和信息量共同确定证据的权重因子。
-
公开(公告)号：CN113449412B
公开(公告)日：2022-07-22
申请号：CN202110564130.8
申请日：2021-05-24
Applicant: 河南大学
IPC: G06F30/20 , G06K9/62 , G06F111/08 , G06F119/08
Abstract: 本发明公开了一种基于K‑means聚类和综合相关度的机械故障诊断方法，包括如下步骤：首先，获取传感器对各个故障类型的原始观测信息；利用K‑means聚类寻找各个故障类型数据组的质心；计算传感器采集的机械设备运行数据与各个故障类型数据簇质心之间的JS散度和灰色关联度构建综合相关度；对综合相关度进行归一化处理，将其转化为基本概率指派函数；最后，采用Dempster组合规则对基本概率指派函数进行逐个融合，输出最终对机械设备故障类型的决策结果。本发明方案提出的基于K‑means聚类和综合相关度的故障诊断方法，可以有效地对机械设备进行故障诊断，具有重要的理论意义和应用价值。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.018 seconds)
