改进的对向传播网络及其在多传感器目标识别中的应用-光子学报.pdf

下载文档

1
0
约1.35万字
约 5页
2017-08-12 发布于天津
举报
版权申诉
保障服务

改进的对向传播网络及其在多传感器目标识别中的应用-光子学报.pdf

1、本文档共5页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

改进的对向传播网络及其在多传感器目标识别中的应用-光子学报

32 2 Vol32 No2 2003 2 ACTA PHOTONICA SINICA February 2003 * 牛丽红倪国强苏秉华 ( , 100081) 针对多传感器数据融合和目标识别的特点, 提出了改进的对向传播网络(MCPN) , 并与 Dempster Shafer( D S) 证据推理相结合, 实现了决策层数据融合目标识别. 文中利用仿真数据对所提出的网络训练算法和融合结构进行了实验研究. 结果表明: 改进后的对向传播网络识别性能优于传统的对向传播网络( CPN) , 融合后的目标识别率较单传感器明显提高. 最后, 将该方法应用于前视红外(FLIR) 和可见光摄像机目标跟踪系统对算法和融合结构进行验证, 结果表明文中提出的方法是可行的. 多传感器数据融合; 目标识别; 人工神经网络; D S 证据推理 TP18 A , , 0 , 80 ; , . , , , ; . KCN . , . , Dignet Stelios C. A.Thomopoulos [7] , , , [ 1, 2] , . , . , Dignet KCN . , Dignet CPN, ( Counter Propagation network, KCN , CPN) [3~ 5] Robert Hecht Nielsen 1987 , CPN ( ) ., , Kohonen (MCPN) , D S , (Kohonen Clustering Network, KCN) [6] , . , 1 CPN ; Grossberg , Kohonen Kohonen , dM ( t) / dt = (X, M, ) M ( t) + (X , M, . )X ( t) ( 1) T (Back Propagation Network, BPN) , CPN ( t) = M ( t)X ( t) (2) , , ( t), X ( t) M ( t) , ( ) ( ) , KCN . . Dignet * 国防科工委基础预研目标与环境光学特征国防科技重 d[ ei ( t) di ( t)] / dt= d[ di ( t)] X ( t)/ dt (3) 点实验室开放基金资助项目(00JS66. 3. 1. BQ.0110) d[ d ( t)] / dt = ( t) ( t)i i i