导　　师： 倪国强

学科专业： H03

授予学位： 博士

作　　者： ;

机构地区： 北京理工大学

摘　　要： 数据融合是一门新兴的、多学科综合的技术,在军事和民用上均有广泛的应用前景.数据融合技术是综合来自不同信源在时间及空间上的数据信息,得出对被测对象的一致性估计或描述,但这种估计或描述较单一信源有更高的可靠性,更小的模糊度等特性.人工神经网络是以神经元为顶点、顶点间的连接为边的有向图,是一种大规模的非线性动力学系统.人工神经网络模型一般具有以下特点:适应性,即系统可以通过学习较容易调整到一个新的环境;鲁棒性和容错性,即当少量神经元的连接或输入发生故障时,不会明显改变网络性能;高度并行性等.神经网络数据融合系统的突出优点是可以实现实时处理,并且通过对网络的训练,自动找到数据融合的方法,因此可以节省大量的运算和对先验信息的需求.该文研究的对象是人工神经网络在多源数据融合中的应用.研究的目的是针对多源数据融合的特点,探索用于不同融合层次上的神经网络模型、相应的学习算法及其改进方法.

关 键 词： 数据融合 人工神经网络 目标识别 学习算法 遗传算法 图像复原 特征优化 模糊理论 证据推理

分 类 号： [TP183]

领　　域： [自动化与计算机技术] [自动化与计算机技术]