论文部分内容阅读
信息融合是指对不同来源的数据进行多级别、多方面、多层次的处理,从而产生新的有意义的信息。目前,信息融合技术在军事、民用各种领域都得到了广泛的应用。
信息融合过程可以分解为若干个子步骤,每个步骤执行相对独立的任务,具有相对独立的子算法。随着对信息融合技术的深入研究,越来越多的融合算法被提出。这些算法的特点与适用范围各不相同。对于各种各样的数据源,如何在信息融合的每个子步骤上选择合适的算法,以便得到最优的融合结果,具有重要意义,也正是本文的研究目标。
本文的主要研究工作如下:
(1)建立了算法管理理论框架。论证了算法管理的意义与可能性,明确了算法管理的定义与目标,给出实现算法管理可行的方法、描述了算法管理的实施结构,讨论了算法管理涉及到的其它问题。
(2)对数据源和跟踪航迹进行多粒度划分。提出一种多粒度模糊聚类算法,从粗粒度到细粒度对数据源以及跟踪航迹进行聚类分析,由此获得数据源和航迹在不同粒度下的商空间,最终得到两者的多粒度类别划分以及类别特征描述。这种类别划分抓住了不同数据之间的本质差别,是算法管理的基础。
(3)对信息融合数据样本进行算法管理规则的挖掘。算法管理规则是能够揭示数据源—算法—航迹三者之间内在关系的规则。本文利用柔性的叶结点标记规则对ID3算法进行改进,并提出实效决策树剪枝规则,应用于信息融合样本,最终得到实用的算法管理规则。
(4)提出一种基于熵增益率的连续属性离散化算法。通过该算法对数据源进行离散化,获得新的数据源类别划分以及特征描述,在此基础上得到的算法管理规则具有更高的可信度。
(5)提出一种新的数据源质量评价指标——易跟踪度。该指标可以直观地判定对数据源进行跟踪,是否容易得到理想的跟踪航迹,为算法管理提供直观依据。给出了易跟踪度的计算方法。
(6)解决了算法管理中的分类问题。采用邻居质量优先隶属度函数,以及双极隶属度判决规则对模糊KNN分类算法进行改进,降低了因分类错误而导致的无适用规则的风险,提高了算法管理的有效性。
(7)设计了算法管理决策系统。描述了算法管理反馈控制模型,结合算法管理过程的实例验证,设计出具有可扩展性和自适应性的算法管理决策系统结构。