[发明专利]一种多颗粒度目标识别结果融合方法

说明书

本发明公开了一种多颗粒度目标识别结果融合方法，包括步骤：S1，将数据划分为不同类别，包括样本级、类级和目标级；S2，基于S1中数据划分，分别生成样本级识别结果和类级识别结果；S3，基于S2中识别结果进行数据融合，先样本级识别结果融合间接形成类级识别结果；然后与S2中类级识别结果融合得到类1级识别结果，类1级识别结果进行融合得到类2级识别结果，类2级识别结果进行融合得到类3级识别结果，依次类推得到类n级识别结果等。本发明能实现对同一目标不同颗粒度数据的分级融合，充分运用了各颗粒度数据信息互补优势，逐级提取关键信息，减少冗余信息，得到更加可靠的目标识别结果，提升识别正确率和计算速度。

技术领域

本发明涉及目标识别领域，更为具体的，涉及一种多颗粒度目标识别结果融合方法。

背景技术

利用目标识别结果数据进行融合对于充分运用目标信息、提升识别效果而言具有重要意义。刘海英于2010年7月在《基于信息融合理论的空间点目标识别实验结果分析》一文中提出一种三级融合的多传感器信息融合空间点目标识别方法，将BP网络和D-S证据推理有效地结合起来，较好地解决复杂目标识别问题，两种方法的结合提高了对目标的识别率及系统稳定性。孙伟等人于2016年3月在《一种新的多目标融合关联算法》一文中结合灰色理论利用多种量测信息，提出了一种新的多目标融合关联算法，利用目标方位、LOFAR和DEMON谱特征线谱实现多目标的融合关联，取得了较好的关联融合结果。刘佳媛等人于2017年12月在《一种改进的聚类目标融合算法》一文中以K均值算法为基础，提出了基于空间密度与欧式距离结合的聚类初始化算法，对聚类方法进行改进，并将其应用于多源目标融合领域，提高了多源融合性能。

现有方法多从多源融合及特征融合的角度出发，在一定程度上提升了识别正确率，而本发明主要从不同颗粒度识别结果的融合方法出发，给出了基于不同颗粒度目标识别结果的融合方法，对单传感器和多传感器应用均能适应，能综合运用各类不同颗粒度的识别结果对现有的融合方法进行补充，可为优化目标识别结果提供依据。

发明内容

本发明的目的在于克服现有技术的不足，提供一种多颗粒度目标识别结果融合方法，能实现对同一目标不同颗粒度数据的分级融合，充分运用了各颗粒度数据信息互补优势，逐级提取关键信息，减少冗余信息，得到更加可靠的目标识别结果，提升识别正确率和计算速度。

本发明的目的是通过以下方案实现的：

一种多颗粒度目标识别结果融合方法，包括步骤：

S1，将数据划分为不同类别，所述类别包括样本级、类级和目标级；

S2，基于S1中数据划分，分别生成样本级识别结果和类级识别结果；

S3，基于S2中识别结果进行数据融合，先样本级识别结果融合间接形成类级识别结果；然后与S2中类级识别结果融合得到类1级识别结果，类1级识别结果进行融合得到类2级识别结果，类2级识别结果进行融合得到类3级识别结果，依次类推得到类n级识别结果，n为类数量，即得到目标级识别结果。

进一步地，S2中，生成样本级识别结果包括步骤：设目标识别结果共有k个元素，表示目标共有k类识别结果；设侦收到的同一目标样本数量为m，每一样本经过不同的单样本识别算法得到样本级识别结果样本级识别结果的形式表示为：式中，s为单样本识别算法标识号，i为同一目标样本序号，i取值为表示目标的第i个样本采用识别算法s的识别结果置信度，各置信度之和为1，即

生成类级识别结果包括步骤：对同一目标样本数据进行聚类，得到多组类数据，设类数量为n，每一类经过识别算法得到类级识别结果为类级识别结果的形式给出如下：式中，t为类识别算法标识号，j为同一目标类序号，j取值为表示目标的第j个类的识别结果置信度，各置信度之和为1，即

进一步地，S3中，包括步骤：