[發明專利]一種基于多種群動力學的多傳感器證據演化博弈融合識別方法

在審

• 申請號: 202011215224.6
• 申請日: 2020-11-04
• 公開（公告）號: CN112464991A
• 公開（公告）日: 2021-03-09
• 發明（設計）人: 鄧鑫洋;楊洋;耿杰;蔣雯
• 申請（專利權）人: 西北工業大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于多種群動力學的多傳感器證據演化博弈融合識別方法，其特征在于，包括以下步驟：

步驟一、依據傳感器樣本數據生成對應的基本概率指派函數；

使用n個傳感器對k個目標進行目標識別，將第i個傳感器對第j個目標的識別概率記為P_i(j)，i＝1,2,…,n，j＝1,2,…,k，辨識框架為Ω＝{F₁,F₂,...,F_k}，Ω的冪集合為2^Ω＝{φ,{F₁},...,{F_k},{F₁F₂},...,{F₁F_N},...,Ω}，將傳感器對每個目標識別的概率值轉換成對應的基本概率指派函數，從而建立證據模型，所述基本概率指派函數的轉換方法為：

步驟101：令傳感器i對第j個目標的識別概率P_i(j)為證據i對元素F_j的支持程度m_i({F_j})，即轉換成基本概率指派函數，依據基本概率指派函數的性質可知m(φ)＝0，且若傳感器i識別出一個目標B的概率為x，且無法得到其他的識別結果，這種情況下，轉換成的基本概率指派函數即為m_i({B})＝x，m_i({Ω})＝1-x，其中Ω＝{F₁,F₂,...,F_k}為全集；

步驟102：根據步驟101將其余的傳感器對目標識別的概率值均轉換為相應的基本概率指派函數；

步驟二、依據辨識框架建立證據的命題層博弈模型；

步驟201：依據辨識框架Ω＝{F₁,F₂,...,F_k}，可令博弈的策略空間為{{F₁},...,{F_k},{F₁F₂},...,{F₁F_N},...,Ω}，其中{F₁F₂}是集合{F₁,F₂}的簡寫。策略F₁，F₂兩個個體相遇時各自的收益為J_Ω(F₁,F₂)，它在數值上等于F₁與F₂的Jaccard相似性系數，即其中|F₁∩F₂|指的是F₁和F₂的交集元素的個數，|F₁∪F₂|指的是F₁和F₂的并集元素的個數；

步驟202：根據步驟201，計算出證據的命題層博弈矩陣J_Ω；

步驟三、依據命題層博弈矩陣建立證據層博弈收益矩陣；

步驟301：引入證據距離矩陣D(i,j)＝d_BPA(m_i,m_j)，計算機依據公式計算兩個證據之間的距離，其中依據公式計算，其中A,B∈2^Θ；

步驟302：基于步驟二計算得到的命題層的博弈收益矩陣，以及步驟301引入的證據距離，將證據層博弈矩陣定義為A＝J·(1-D)；

步驟四、依據多種群動力學對證據進行演化；

步驟401：基于步驟三計算得到的證據層博弈矩陣，使用多種群復制動力學公式對步驟一中產生的基本概率指派函數進行演化。在多種群復制動力學中，代表著第s個物種的第i個個體，s＝1,...,n，表示隨時間的變化量，A代表著相互作用的兩個物種相遇時各自的收益，n指的是物種的總數。把這種思想應用到證據的演化博弈問題中，令代表第s個證據的第i個基本概率指派數，表示隨時間的變化量，A代表兩個證據相互作用時各自的收益；

步驟402：依據步驟401的演化模型對基本概率指派函數進行演化得到時間t之后的證據m'₁,m'₂,...,m'_n；

步驟五、依據演化結果進行加權平均處理和決策判斷；

步驟501：在起始時刻，令各個證據均擁有相同的權重，即將步驟四演化得到的證據，按照公式加權平均公式計算得到一條新的證據；

步驟502：在步驟501得到的新證據m^*中，m^*({F_i})代表著傳感器對第i個目標{F_i}的支持程度，據此可以得到傳感器對所有目標的支持程度，依據傳感器對各個目標的支持程度就可以做出相應的決策判斷。