雷蕾
- 作品数：38 被引量：217H指数：8
- 供职机构：空军工程大学防空反导学院更多>>
- 发文基金：国家自然科学基金陕西省自然科学基金国防科技重点实验室基金更多>>
- 相关领域：自动化与计算机技术电子电信兵器科学与技术军事更多>>
- 基于证据理论和混淆矩阵的传感器可靠性评估被引量：8
- 2015年
- 在信息融合系统中,各传感器提供的信息不一定完全可靠,在融合前有必要对传感器的可靠性进行评估,进而对其提供的信息进行预处理.基于证据理论,在传感器混淆矩阵的基础上定义了后验概率向量,通过分析后验概率向量与传感器输出证据之间的关系对传感器可靠性进行评估;然后利用传感器的可靠性因子对证据进行折扣运算,实现对信息的预处理;最后利用Dempster组合规则进行融合.基于证据理论的融合识别算俐表明,所提出的方法综合利用了传感器的先验信息和动态输出,可以较好地反映传感器的性能,并能够有效降低可靠性传感器的影响,具有较好的融合效果.
- 宋亚飞王晓丹雷蕾邢雅琼
- 关键词：证据理论混淆矩阵
- 多层去噪极限学习机被引量：6
- 2020年
- 为提高极限学习机-自编码器(ELM-AE)所提取特征的有效性和鲁棒性,提升多层极限学习机(ML-ELM)性能,抑制噪声的影响,本文将极限学习机(ELM)与去噪自编码器(DAE)相结合,在ELM-AE中引入退化过程,提出了极限学习机-去噪自编码器(ELMDAE);并通过堆叠ELM-DAE,构建了多层去噪极限学习机算法(ML-D-ELM)。ML-DELM首先通过堆叠的ELM-DAE逐层提取具有高有效性、鲁棒性的抽象特征,而后运用ELM进行分类,完成由抽象特征到类别标签的映射。在多个常用数据集上的实验结果表明:与ELM、SAE-ELM、ML-ELM算法相比,无论是否存在噪声,ML-D-ELM的分类准确率都有明显上升。对于MNIST数据集,ML-D-ELM分类准确率可以达到98.81%。
- 王晓丹来杰李睿赵振冲雷蕾
- 关键词：人工智能极限学习机特征提取鲁棒性
- 基于免疫克隆选择的最优ECOC编码输出
- 2018年
- 纠错输出编码(Error Correcting Output Codes,ECOC)是解决模式识别领域多类分类问题的有效工具。在寻找最优编码输出的问题上,现有方法忽略了样本类别之间的相关性,导致学习效率和分类效果低下。为构造数据感知的编码矩阵,提出基于免疫克隆选择(Immune Clonal Selection Algorithm,ICSA)的最优纠错输出编码方法,将矩阵构造的多约束NP(Non-deterministic Polynomial,NP)难问题转换为优化搜索问题.首先基于分类精度和编码长度定义亲合度函数,然后结合样本知识改进变异交叉算子,根据约束性条件对矩阵进行搜索,从而快速有效地构建最优ECOC编码.实验表明该方法能够在提升多类分类精度的同时加快算法效率,而且输出的编码矩阵更加紧凑.
- 雷蕾余晓东王晓丹罗玺王艺菲
- 关键词：多类分类纠错编码免疫克隆选择
- 基于DAMDF的弹道导弹进动周期提取被引量：3
- 2014年
- 对现有的进动周期提取方法进行了研究,分析了周期提取函数的特性,针对其容易造成分频和倍频错误的问题,提出了一种基于修正的双重平均幅度差函数的周期提取方法。该方法利用了传统周期提取函数随步长增加而衰减的特性,使处理后的结果只有一个峰值,从而克服了分频的影响,并且能够有效抑制噪声和倍频带来的干扰。仿真实验表明,该方法能够明显提高周期估计的精确性和稳定性。
- 赵振冲王晓丹宋亚飞雷蕾
- 关键词：弹道导弹
- 基于损失函数的AdaBoost改进算法被引量：2
- 2012年
- 针对AdaBoost集成时难分样本权重扩张导致训练样本在更新时分布失衡的问题,提出一种基于正负类样本损失函数(LF)的权重更新策略。权重的调整不仅与训练误差有关,还考虑到基分类器对不同类别样本的正确分类能力,从而避免训练样本过度集中于某一类的异常现象。实验结果表明,基于LF的AdaBoost能在提高收敛性能的情况下,提高算法精度,克服样本分布失衡问题。偏差方差分析的结果显示,该算法在改善偏差的情况下,能有效地减小错误率中的方差成分,提高集成的泛化能力。
- 雷蕾王晓丹
- 关键词：ADABOOST算法支持向量机损失函数
- 基于NSST域灰度关联分析的多聚焦图像融合方法被引量：11
- 2015年
- 根据多聚焦图像的成像特点,并利用非下采样剪切波变换(non-subsample shearlet transform,NSST)在图像融合领域的优势,将非下采样剪切波变换运用于多聚焦图像融合.由于NSST会将图像分解为一幅低频图像和若干幅高频图像,对于低频图像采用了基于标准差的融合策略,而针对高频图像的特点,利用灰度关联分析在图像融合中的优势,将其运用在高频图像的融合中.后将低频图像和高频图像的融合图像进行NSST的逆变换后得到了融合图像.计算机仿真实验表明:相比于传统的剪切波交换,本文提出的图像融合方法提高图像的融合质量,增加了图像的信息量,具有一定的有效性和实用性.
- 邢雅琼王晓丹雷蕾宋亚飞
- 关键词：图像融合
- 结合多分类RVM和DS的弹道目标HRRP融合识别方法被引量：4
- 2017年
- 多特征融合可以有效提高目标识别正确率.本文将相关向量机(relevance vector machine,RVM)二类分类模型扩展为多类分类概率模型MRVM(multi-class relevance vector machine,MRVM),然后与DS证据理论相结合,用于弹道中段目标高分辨距离像(high resolution range profile,HRRP)分类和融合识别,提出了结合MRVM和DS的HRRP融合识别方法.该方法充分利用了多类分类RVM输出的概率信息,解决了用DS证据理论进行融合时基本概率赋值获取问题.仿真实验结果表明MRVM估计的样本后验概率更准确,融合识别后的正确率更高.
- 李睿王晓丹雷蕾薛爱军
- 关键词：高分辨距离像相关向量机DS证据理论
- 结合SVM和DS证据理论的多极化HRRP分类研究被引量：17
- 2013年
- 针对雷达目标一维距离像(HRRP)识别问题,结合支持向量机(SVM)和DS证据理论提出一种多极化HRRP分类方法—–SDHRRP.该方法通过混淆矩阵获取基分类器之间的距离,从而根据基分类器对不同目标类的分类能力给其赋予不同的可信度.将该可信度值与SVM后验概率结合到DS证据理论的基本概率赋值(BPA)中,以实现SVM和DS证据理论在目标识别中的有效结合.对实测目标数据的实验结果表明,基于分类器可信度得到的BPA能够有效避免证据冲突,SDHRRP方法可以有效降低融合分类的误差率.
- 雷蕾王晓丹邢雅琼毕凯
- 关键词：证据理论高分辨一维距离像
- 弹道导弹中段目标角度极化相关性分析
- 2015年
- 现代信息化战争条件下,随着相关技术的不断发展更新,弹道导弹中段目标的识别难度越来越大。近年来,极化特征在目标识别领域得到了广泛应用。本文首先采用建模仿真的方法获取了五类中段目标的动态全极化散射数据,然后在窄带和宽带两种雷达体制下分析了五类目标的角度极化相关性,仿真结果表明,角度极化相关性可用于目标的初识别;在此基础上,进一步研究了进动参数对目标极化相关性的影响,所得结论对目标的精细识别有一定的参考价值。
- 帅玮祎王晓丹宋亚飞雷蕾
- 关键词：窄带雷达宽带雷达
- 带拒绝域的ECOC多类分类
- 2017年
- 针对纠错输出编码分解框架的自身特点、从降低误判风险出发,研究了带拒绝域的ECOC多类分类方法.首先在二类划分过程中引入拒绝域,对不属于正负子类的待识别样本进行拒识;其次,在基分类器内部引入拒绝域,以最小化风险贝叶斯决策为目标,利用后验概率输出和代价矩阵寻找拒绝域阈值,对样本输出值落入拒绝域中的样本进行拒识;最后,研究了不同拒绝域输出的解码方法,并讨论了拒识码字个数和矩阵最小Hamming距离之间的关系.实验结果表明基于二类划分构造的拒绝域能够提高分类正确率,而基于基分类器构造的拒绝域能够减小分类代价.
- 雷蕾王晓丹罗玺王玮
- 关键词：多类分类纠错输出编码拒绝域支持向量数据描述贝叶斯决策
