学位论文 > 优秀研究生学位论文题录展示

基于概率图模型的态势估计

作　者: 王忆南
导　师: 马波
学　校: 北京理工大学
专　业: 计算机视觉
关键词: 态势估计 HSC算法概率图模型团树传播算法自适应遗传算法
分类号: E917
类　型: 硕士论文
年　份: 2011年
下　载: 80次
引　用: 0次
阅　读: 论文下载

内容摘要

战场态势估计是多源数据融合系统中的二级融合,它对来自一级数据融合的当前战场作战平台的各种状态信息进行抽取和分析,给出当前战场下敌方的态势,并将结果传递给下一级融合系统即威胁估计系统。态势估计主要完成三个功能:事件检测、目标编群以及态势预测。本文对战场态势估计中的相关理论进行了深入研究,主要内容如下:目标编群是将当前战场上的各作战平台聚合为目标群,从而为军事决策提供兵力层次的战场信息。传统的目标编群一般采用层次聚类法和K-均值算法。层次聚类的缺点是,由于战场的多样性,使得作为终止条件的阈值选取非常困难,从而导致编群错误。而K-均值算法的缺陷是极易陷入局部最小化,导致得到错误的聚类中心。针对上述问题,本文采用基于HSC的目标编群算法。这种方法通过严密的数学变换,将不可微的目标函数转化为具有单一极值点的可微函数,从而可以通过最优化方法求取目标函数的全局极小值,从而得到正确的编群结果。本文对基于概率图模型的态势预测进行了深入研究。这种方法首先将概率图模型转化为团树,然后使用团树传播算法对概率图模型进行推理。其中,概率图模型向团树的转化需要利用消元序列对概率图模型进行三角化,传统的方法是手动输入消元序列,但是这种方法的效率比较低,而且很容易得出局部最优的消元序列,从而影响到团树推理的效率。针对这个问题,本文采用基于自适应遗传算法的三角化方法,这种方法具有很强的全局搜索能力,能够准确地找到最优的消元序列,从而提高了态势预测的效率。

全文目录

摘要  5-6
Abstract  6-8
第1章绪论  8-16
  1.1 研究意义  8-9
  1.2 国内外研究现状  9-10
  1.3 态势估计的研究内容  10-12
    1.3.1 多传感器数据融合概述  10
    1.3.2 态势估计的定义  10-11
    1.3.3 态势估计模型  11-12
  1.4 态势估计目前存在的问题  12-13
  1.5 论文研究内容和章节安排  13-16
第2章态势估计的常用方法分析  16-28
  2.1 引言  16
  2.2 事件检测常用方法  16-19
    2.2.1 事件的简介与类型  16-17
    2.2.2 事件检测方法  17-19
  2.3 目标编群常用方法  19-22
    2.3.1 目标编群问题简介  19-20
    2.3.2 目标编群常用方法描述  20-22
  2.4 态势预测常用方法  22-25
    2.4.1 专家系统  22-23
    2.4.2 D-S 证据理论  23-24
    2.4.3 计划识别  24-25
  2.5 本章小结  25-28
第3章目标编群问题描述及算法分析  28-44
  3.1 引言  28
  3.2 双曲线平滑聚类方法  28-33
  3.3 基于双曲线平滑的目标编群算法  33-36
  3.4 基于双曲线平滑的目标编群算法的实验结果分析  36-43
  3.5 本章小结  43-44
第4章基于概率图模型的态势估计  44-72
  4.1 引言  44
  4.2 概率图模型理论知识  44-47
  4.3 基于团树传播方法的概率图模型推理  47-54
    4.3.1 团树的构造  47-50
    4.3.2 团树传播推理算法  50-54
  4.4 态势估计中概率图模型结构的建立  54-57
  4.5 态势推理中基于遗传算法的三角化  57-63
    4.5.1 利用自适应遗传算法求解态势推理中的三角化问题  58-61
    4.5.2 实验分析  61-63
  4.6 实例分析  63-71
  4.7 本章小结  71-72
结论  72-74
参考文献  74-78
致谢  78

基于概率图模型的态势估计

内容摘要

全文目录

相似论文