[发明专利]一种基于属性权重融合的未知目标识别方法

权利要求书

1.一种基于属性权重融合的未知目标识别方法，其特征在于，包括以下步骤：

步骤一、依据目标样本数据集建立高斯分布训练模型；

输入n种类型、k种属性的目标样本数据集D_ij，i＝1,2,…,n，j＝1,2,…,k，n种类型记为θ₁,θ₂,…,θ_i,…,θ_n，k种属性记为att₁,att₂,…,att_j,…,att_k；目标样本数据集D_ij是k种属性的测量值，对每种目标类型每种属性建立高斯分布模型，所述高斯分布模型的建立方法为：

步骤101：计算目标样本数据集D_ij中所有属于类型θ_i的T个样本在属性att_j上的均值和标准差σ_ij，其中x_ij为目标样本数据集中属于类型θ_i的T个样本在属性att_j上的测量值；

步骤102：根据步骤101中的均值和标准差σ_ij，计算类型θ_i在属性att_j上的高斯分布训练模型x_ij为目标样本数据集中属于类型θ_i的T个样本在属性att_j上的测量值；

步骤二、将传感器探测得到的测试样本t扩展为高斯测试模型；

步骤201：将测试样本t在属性att_j上的测量值t_j作为高斯测试模型的均值，目标样本数据集D_ij在属性att_j上各目标类型的标准差σ_ij的最小值ε_j作为高斯测试模型的标准差；

步骤202：计算机根据公式计算属性att_j上的高斯测试模型f_t^j，x_j表示目标样本数据集中的样本在属性att_j上的测量值；

步骤三、计算高斯测试模型与高斯分布训练模型的匹配度，生成各属性上的证据；

步骤301：计算辨识框架Θ＝{θ₁,θ₂,…,θ_i,…,θ_n}的命题集合2^Θ中各命题在属性att_j上的命题分布模型：其中a＝1,2,…,n，b＝1,2,…,n，z＝1,2,…,n；

步骤302：计算机根据公式生成各属性上的证据，其中A_tj为测试样本t在属性att_j上的测试模型f_t^j与横轴围成的封闭区域，为命题B在属性att_j上的分布模型；

步骤四、加权融合各属性上的证据；

步骤401：根据公式计算属性att_j的权重，S表示辨识框架幂集中每种目标类型在各属性上的高斯分布训练模型面积；

步骤402：将步骤三得到的k个属性上的k条证据m₁,m₂,…,m_k使用mGCR规则进行加权融合，得到融合后的证据所述mGCR组合规则为其中B∈2^Θ,D∈2^Θ，C表示B和D的交集；

步骤五、根据步骤四的融合结果判断测试样本目标类型：若融合后的证据中m({θ_i})大于0.5，则取θ_i作为测试样本目标类型；若融合后大于0.5，则测试样本目标为一种新的目标类型，更新目标类型库。