[发明专利]基于区间数距离和模型可靠性的目标识别方法

权利要求书

1.基于区间数距离和模型可靠性的目标识别方法，其特征在于：包括以下几个步骤：

步骤1、构造观测目标各个属性的区间数模型：记输入传感器观测到的目标总为n个，L₁,L₂,…,L_i,…,L_ni＝1,2,…,n；子集A_l表示一个或者多个观测到的目标集合；

步骤2、计算传感器观测到的测试样本与模型之间的区间数距离：由传感器观测到目标的k个属性的参数构成一个测试样本ξ，测试样本ξ在属性att_j下的区间数为表示最大值，表示最小值，j∈1,2…，k；通过下面区间数之间的距离公式计算区间数为与子集A_l在属性att_j下的区间数之间的区间数距离，表示最小值，表示最大值；

其中，λ和μ分别称为区间数的中点影响因子和区间数的宽度影响因子；

步骤3、确定初始基本概率指派；

步骤4、计算模型的综合可靠性R_j：将静态可靠性和动态可靠性结合起来，并归一化处理，作为区间数模型的综合可靠性R_j；

步骤5、确定最终基本概率指派：利用综合可靠性R_j对步骤3中所求的初始基本概率指派进行折扣，折扣结果作为最终基本概率指派；

步骤6、利用Dempster组合规则对步骤5中的最终基本概率指派进行逐个融合，总共融合k-1次；

步骤7、输出目标类型识别结果，最终融合结果中最大的基本概率赋值所对应的子集即为最终的识别目标。

2.根据权利要求1所述的基于区间数距离和模型可靠性的目标识别方法，其特征在于，步骤1的具体步骤为：

步骤1-1：输入传感器观测到的n个目标，L₁,L₂,…,L_i,…,L_n i＝1,2,…,n；k个属性，att₁,att₂,…,att_j,…,att_kj＝1,2，…,k的目标样本数据集；

步骤1-2：可以确定辨识框架为：Θ＝{L₁,L₂,…,L_i,…,L_n}；2^Θ为辨识框架的幂集，包含辨识框架的所有子集，若函数m:2^Θ→[0,1]满足则称m为辨识框架Θ上的基本概率指派；

步骤1-3：分别确定目标样本数据集中所有属于子集的样本在属性att_j上的最小值和最大值即为子集A_l在属性att_j下的区间数模型；对样本中的每一个属性进行建模，可以得到k个不同的属性模型。

3.根据权利要求2所述的基于区间数距离和模型可靠性的目标识别方法，其特征在于：步骤3的具体步骤为：

步骤3-1：将步骤2所求的结果通过下面的公式转换为相似度；

其中，α是支持系数，α＞0；

步骤3-2：对步骤3-1中获取的相似度进行归一化，归一化后的结果作为初始基本概率指派，m(A_l)表示为子集A_l的基本概率赋值；