[发明专利]一种用于处理模糊和高冲突信息的目标识别方法

说明书

本发明提供一种用于处理模糊和高冲突信息的目标识别方法，能够降低计算量和提高被检测目标分类的准确率。所述方法包括：根据得到的辨识框架下的单焦元，将具有支持信息的模糊和高冲突信息单焦元通过新的组合方式合并成新的焦元，得到由新焦元组成的形幂集，其中，所述新的组合方式为利用算子符号◇进行合并；根据各个证据所支持的信息和形幂集中新焦元以及基本置信度指派函数，利用基于逻辑运算的信息合成规则，将所述包含模糊和高冲突信息的多个证据进行融合得到用于进行目标识别的初步合成结果；根据所述辨识框架和初步合成结果，按照预设的决策规则识别所述被检测目标。本发明涉及无线传感器网络中的目标分类领域。

技术领域

本发明涉及无线传感器网络中的目标分类领域，特别是指一种用于处理模糊和高冲突信息的目标识别方法。

背景技术

在无线传感器网络中，经常需要通过传感器检测目标并对目标进行判别分类。现有的目标分类方法有决策树归类方法、贝叶斯分类方法、支持向量机的分类方法、后向传播分类方法等等。但是，这些分类方法大都应用于需要处理海量数据的机器学习和数据挖掘等领域，这不仅对数据量要求高，而且对于机器的存储、计算能力也有很高要求。相反，在无线传感器网络应用中，由于传感器节点可用的能量有限，内部存储容量、数据处理能力以及通信带宽等资源严重受限，因此需要开发一种轻量级的方法应用于无线传感器领域中的目标检测分类问题。

再者，受尺寸、传感器制作工艺以及真实环境中复杂的干扰因素影响，无线传感器网络中节点收集到的信息不仅有很高的模糊性而且经常具有较高的冲突。若将每个节点收集到的模糊和冲突信息丢弃，只利用节点的精准信息势必会导致目标检测的不准确，甚者是错误的结果，因此有效的处理模糊和高冲突信息显得尤为重要。虽然现在有相关的数据融合算法，但有的实际上并不能解决冲突信息，即使有的算法能解决但还是普遍存在计算量过大，焦元产生不合理而出现“焦元爆炸”的问题。基于以上原因，如何找到一种算法，在保证低计算量的同时，能处理节点间模糊和高冲突信息仍然是一个研究的重点。

发明内容

本发明要解决的技术问题是提供一种用于处理模糊和高冲突信息的目标识别方法，能够在保证低计算量和保留节点间冲突以及不确定信息的前提下，准确、快速的识别被检测目标。

为解决上述技术问题，本发明实施例提供一种用于处理模糊和高冲突信息的目标识别方法，包括：

获取被检测目标的多个证据，所述多个证据为包含模糊和高冲突信息的多个证据；

根据所述被检测目标确定相应的辨识框架，并根据确定的所述辨识框架，得到所述辨识框架下的单焦元，所述单焦元为具有支持信息的模糊和高冲突信息单焦元；

根据得到的单焦元，将具有支持信息的模糊和高冲突信息单焦元通过新的组合方式合并成新的焦元，得到由新焦元组成的形幂集，其中，所述新的组合方式为利用算子符号◇进行合并；

根据各个证据所支持的信息和形幂集中新焦元以及基本置信度指派函数，利用基于逻辑运算的信息合成规则，将所述包含模糊和高冲突信息的多个证据进行融合得到用于进行目标识别的初步合成结果；

根据所述辨识框架和初步合成结果，按照预设的决策规则识别所述被检测目标。

进一步地，所述获取被检测目标的多个证据包括：

通过目标信息收集节点中的各传感器节点获取被检测目标的m个特征观测值，其中，所述m个特征观测值包含模糊和高冲突信息；

将获取到的m个特征观测值转换成包含模糊和高冲突信息的s个证据。

进一步地，所述根据所述被检测目标确定相应的辨识框架，并根据确定的所述辨识框架，得到所述辨识框架下的单焦元包括：