买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：郑州大学

摘要：本发明提供一种基于证据理论的鸢尾花植株类型识别方法及系统，本发明针对目前基于证据理论的鸢尾花识别方法中，证据模糊度的评价方法及证据权重分配方法存在的问题，将Wasserstein距离引入模糊证据的度量过程中，提出用清晰度表示证据的模糊程度，并基于该清晰度，提出一种新的证据权重分配方法；本发明解决了模糊证据度量过程复杂、度量不准确的问题，并且更充分地考虑了证据模糊程度与证据权重之间的相关性，可以为证据分配一个更合理的权重，有效降低模糊证据对融合结果的影响以提高决策准确率。

主权项：1.一种基于证据理论的鸢尾花植株类型识别方法，其特征在于，包括以下步骤：步骤1，确定鸢尾花植株类型的识别框架；步骤2，将鸢尾花的多种花型特征数据使用区间数模型转化为证据，即生成相应的基本概率指派函数；步骤3，计算各证据的可信度Cred；步骤4，计算各证据的清晰度Clar；步骤5，基于证据可信度与清晰度确定各证据的权重w；步骤6，基于各证据的权重，定义归一化证据，该归一化证据为根据权重修正后的证据；步骤7，基于权重修正后的证据，使用Dempster组合规则做出决策；步骤3中，计算各证据的可信度Cred的过程包括：步骤3.1，利用Joussulme距离函数计算各证据相似度，获取证据的相似度simmi，mj＝1-JoussulmeDistancemi，mj；且其中:mi-mj是证据mi和mj之间的向量差；D为一个基于焦元一阶范数的矩阵，且步骤3.2，计算各证据的初始可信度Cred′：基于证据的相似度，定义证据的初始可信度如下： 其中：ms为参与融合的证据集合，ms中的所有证据必须和mi处于同一个辨识框架之下；步骤3.3，计算证据的排序因子SortFactor：每个证据可被映射为一个排序矩阵SM，多个排序矩阵之间的差异可以映射为另一个矩阵差值矩阵DM，其计算方式为： 通过指数曲线可以将差值矩阵DM映射为一个值域为[0,1]的排序因子SortFactor，其计算方式为： 步骤3.4，使用证据的排序因子修正初始可信度，获得证据可信度Cred： 步骤4中，计算各证据的清晰度Clar的过程如下：步骤4.1，使用Wasserstein距离函数公式计算证据与均匀分布之间的W距离： 其中，k表示证据体中焦元的个数；假设识别框架中包含n个元素，则γ的取值范围为2n-12；步骤4.2，归一化W距离获得证据清晰度Clar： 步骤5中，基于证据可信度与清晰度确定各证据的权重w的公式如下： 其中，N为参与融合的证据个数，wmi为证据mi的权重。

全文数据：

权利要求：

百度查询： 郑州大学 一种基于证据理论的鸢尾花植株类型识别方法及系统