[发明专利]基于智联网的智能指控系统目标识别融合方法

说明书

本发明提供一种基于智联网的智能指控系统目标识别融合方法。本发明方法首先构建基于智联体联网的目标识别信息融合框架，其次在此框架基础上根据皮尔逊相关系数计算出目标识别信息之间的相关性，同时引入分类思想重视最大目标的概率赋值，将目标识别信息的相关性和最大目标重要性作为权重来修改目标识别信息，最后用DS融合规则对修改后的目标识别信息进行融合。结果表明，本文所提方法对目标的概率分配更加合理，降低了未知目标的支持度，提高了正确目标的支持度。

技术领域

本发明涉及数据挖掘领域，尤其涉及一种基于智联网的智能指控系统目标识别融合方法。

背景技术

对被测目标的属性或类型识别是指挥与控制系统实现精确打击的前提条件，体现了指挥与控制系统的智能化程度，这是提升军事领域核心竞争力的关键。在目标识别的实际应用中，大多采用多个传感器给出的联合身份信息报告来进行目标识别，涌现了许多方法，但也存在一些缺陷。

具体地，文献《改进DS证据理论在中医诊断模型中的应用》中提出一种基于改进DS证据理论的中医诊断模型。该模型预测准确率较高，预测时间在可接受范围，验证了模型的可行性，但是此方法会对未知领域进行赋值，同时在某些场景下处理不冲突的证据时融合效果没有传统DS证据理论好。

文献《基于改进DS证据融合与ELM的入侵检测算法》中提到，当证据冲突过大时应考虑证据的相似程度，通过计算证据间的相似程度求得权系数,在组合时考虑权系数的影响,以此为思路提出了对应的证据组合公式，但是改进组合规则也会带来一些新的问题，不仅增加了证据组合过程的计算量，还会破坏证据组合规则的交换律和结合律。

文献《An Ensemble Deep Convolutional Neural Network Model withImproved D-S Evidence Fusion for Bearing Fault Diagnosis》中通过计算证据体的1-范数距离评估证据体的相似程度，根据相似程度进行证据体的权重分配，再结合改正的组合规则在4种常见悖论中，3种取得了优于其他经典改进方法的结果。

文献《基于改进引导滤波和双通道脉冲发放皮层模型的红外与可见光图像融合算法》中使用加权融合算法对红外和可见光图像融合，然后利用改进的深度络提取融合图像的有效特征向量，再进行分类与识别。

文献《Scene Matching for Infrared and Visible Images with CompressiveSIFT Feature Representation in Bandelet Domain》中提出了基于多尺度变换的红外与可见光融合算法，通过互信息配准基础上对不同尺度特征进行融合，具有较高的融合精度，但易受抖动、噪声的影响。

文献《可见光-近红外HSV图像融合的场景类字典稀疏识别方法》中利用类字典稀疏识别方法对融合后的可见光-近红外HSV图像进行场景分类。由于该方法采用了搜索树特征和分层梯度方向直方图进行特征提取，其场景分类性能仅仅适用简单场景下的典型目标。

发明内容

根据上述提出的冲突识别信息融合导致的目标识别不明确甚至错误的这一技术问题，而提供一种基于智联网的智能指控系统目标识别融合方法。本发明采用的技术手段如下：

一种基于智联网的智能指控系统目标识别融合方法，包括如下步骤：

S1、根据皮尔逊相关系数计算出两个目标识别信息之间的相关性并构建相关性矩阵；

S2、将相关性矩阵中小于等于0的重新统一赋值为预设值，得到所有目标识别信息之间的相关性权重；

S3、基于识别框架内的目标识别信息和识别目标身份构建信息矩阵，统计每条目标识别信息的最大目标个数，同时统计最大目标的位置；