冲突证据决策新方法及应用

冲突证据决策方法研究是证据理论重要研究课题。鉴于现有的证据理论改进方法在冲突证据决策过程中存在计算量较大,归一化过程不合理,证据组合效果不理想等一系列问题,提出基于二次组合的冲突证据决策方法。首先,提出新的基于二次组合的冲突证据决策方法的流程图;然后,提出新的乘性归一化规则,并对新的乘性归一化规则进行算例分析,验证其合理性;最后,分析现有冲突度量函数的不足,并提出新的冲突度量函数,并分析冲突度量函数的合理性。通过算例分析,并与现有证据组合规则的比较表明,所提方法不仅计算量得以改善,组合结果也得到提升。      

基于深度学习的图像匹配方法综述

图像匹配是飞行器视觉导航中的一项关键技术。基于深度学习的图像匹配方法在近几年快速发展,其特征提取网络比传统方法具有明显优势与广阔的应用前景。基于深度学习的图像匹配方法可以按照网络结构的不同分为单环节网络模型匹配方法和端到端网络模型匹配方法。首先对单环节网络模型中的特征检测模型、描述符学习模型、相似度度量模型和误差剔除模型逐一进行了深度调研及分析,然后对端到端匹配网络模型中的单网络结构方法和多网络结构组合方法进行了针对性的综述,并对经典的端到端匹配网络模型算法进行了介绍和分析。最后,结合目前基于深度学习的图像匹配方法存在的问题,指出未来可能的发展趋势和方向,为后续研究者在深度学习图像匹配的研究提供一定参考。