[发明专利]一种基于信任的多框架异构数据融合识别方法

说明书

本发明公开了一种基于信任的多框架异构数据融合识别方法，在每个辨识框架的特征空间中均训练出对应的分类器，通过每个分类器对多个已知训练样本进行分类，得出每个已知训练样本的分类结果，根据每个已知训练样本的分类结果和其真实分类结果的对应关系，分别计算出每个辨识框架和目标辨识框架之间的转化关系；通过转化关系将目标样本在不同辨识框架中的分类结果转化至目标辨识框架中并进行融合，得出目标样本的最终分类结果；本发明将不同分类器(位于两个不同的辨识框架)得到的分类结果转化到同一个辨识框架，并利用证据理论进行融合估计该转化规则，最终实现不同框架数据的融合决策，可以提高异构数据识别的准确率。

【技术领域】

本发明属于目标识别技术领域，特别涉及一种基于信任的多框架异构数据融合识别方法。

【背景技术】

基于分类器融合任务的复杂模式系统识别是目前研究的一个重要且具有挑战性的领域，其中关键问题之一是如何获取更多的可用知识，提高分类精度，特别是在知识未知、复杂的模式分类系统中。分类器融合的思想是不同的分类器可以提供(或多或少)互补信息，以达到更高的分类精度。在分类器融合技术中，辨识框架是首先要统一的，相同辨识框架下的两个分类信息可以进行融合决策，以增加它们的上下文信息。然而，由于不同传感器所观测到的目标辨识框架不同，这种辨识框架在许多应用中可能会有所不同。在这种情况下，因为我们无法在分类结果或假设之间建立强有力的关联，一些不正确的结果就会产生。

目前，许多分类器融合识别方法都是针对统一辨识框架下的融合，即所要融合决策的分类结果都位于相同的辨识框架，其辨识框架完全一致，因此可以直接利用D-S规则等多分类器融合算法进行分类。而现实中由于不同传感器的辨识框架存在差异，不同辨识框架之间关系是未知的而且并非线性，因此，难以实现多框架异构数据融合识别。

【发明内容】

本发明的目的是提供一种基于信任的多框架异构数据融合识别方法，通过先验知识构建不同辨识框架之间的分类结果转化改规则并优化后，再对目标数据进行决策分类，进而得出最终精确分别结果。

本发明采用以下技术方案：一种基于信任的多框架异构数据融合识别方法，通过以下步骤实现：

在每个辨识框架的特征空间中均训练出对应的分类器，通过每个分类器对多个已知训练样本进行分类，得出每个已知训练样本的分类结果，根据每个已知训练样本的分类结果和其真实分类结果的对应关系，分别计算出每个辨识框架和目标辨识框架之间的转化关系；

通过转化关系将目标样本在不同辨识框架中的分类结果转化至目标辨识框架中并进行融合，得出目标样本的最终分类结果。

进一步的，转化关系由每个辨识框架和目标框架之间的转化规则、以及其对应的权重构成。

进一步的，转化规则具体由以下步骤得出：

通过每个辨识框架和目标辨识框架之间的先验关系，建立每个辨识框架和目标辨识框架之间的预转化规则；

通过预转化规则将各已知训练样本在对应辨识框架中的第一分类结果进行转化，并得出各已知训练样本在目标辨识框架中与每个第一分类结果相对应的第二分类结果；将每个已知训练样本的多个第二分类结果进行融合得到其在目标辨识框架中的融合分类结果，计算每个已知训练样本的融合分类结果与真实分类结果之间的欧氏距离并求和，最小化求和结果得出预转化规则中的转化系数，将转化系数代入预转化规则中进而得出转化规则。

进一步的，与转化规则对应的权重由以下步骤得出：

分别计算每个已知训练样本相对于每个分类器的第二分类结果与其真实分类结果的欧氏距离，并对每个已知训练样本相对于同一分类器计算出的欧氏距离求均值，根据不同分类器对应的均值比例关系，得出每个分类器所在辨识框架与目标辨识框架之间转化规则的权重。