基于SVM集成和证据理论的多传感器目标识别技术研究

本项目将针对多传感器目标识别技术进行深入研究，将把SVM集成引入多传感器目标识别，采用SVM集成与D-S证据理论有效结合的方法，以提高多传感器融合目标识别的性能。项目将从基于SVM集成和D-S证据理论的多传感器目标识别方法、结合特征选择和样本选择的SVM集成学习方法研究两个方面，针对基于SVM集成和D-S证据理论的多传感器融合目标识别结构模型、基于SVM集成与D-S证据理论有效结合的融合算法、结合特征选择和样本选择的SVM集成成员个体生成方法、基于局部性能估计的SVM动态选择性集成方法等问题进行研究。其中关键问题的解决将为提高多传感器融合目标识别性能、促进多传感器目标识别技术的研究和系统的实现提供新思路，具有重要的理论意义和重大的实际应用价值。

项目从基于SVM集成和D-S证据理论的多传感器目标识别方法、结合特征选择和样本选择的SVM集成学习方法研究两个方面，对基于SVM集成和证据理论的多传感器目标识别中的若干关键问题进行了深入研究。项目研究的结果包括基于SVM集成和D-S证据理论的多传感器融合目标识别结构模型、基于SVM集成与D-S证据理论有效结合的融合算法、结合特征选择和样本选择的SVM集成成员个体生成方法、基于局部性能估计的SVM动态选择性集成方法等方面的内容。项目研究取得了一系列有特色的创新性成果。