第2章-数据融合与信息处理.pptVIP

聚类分析法 在一定条件下，按照目标间的相似性把目标空间划分为若干子集，划分的结果应使表示聚类质量的准则函数为最大。当用距离来表示目标间的相似性时，其结果降判别空间划分成若干区域，每一个区域相当于一个类别。 常用的距离函数有明氏距离、欧式距离、马氏距离、类块距离等。 包括：聚类分析法、表决法、神经网络法、参数模板匹配法、熵量测、品质因数、模式识别，等。 类间距离 离差平方和法（ward method） D2=WM－WK－WL 即 对异常值很敏感；对较大的类倾向产生较大的距离，从而不易合并，较符合实际需要。 Cluster K Cluster L Cluster M 表决法 由每个传感器提供对被测对象状态的一个判断，然后由表决方法对这些判断进行有哪些信誉好的足球投注网站，以找到一个由板书以上传感器“同意”的判断（或采取其它简单的判定规则），并宣布表决结果。 适合实时融合 融合无偿较大 神经网络 非线性，自学习，自组织，并行性，容错性 权值，学习收敛性，学习速度，网络模型，结构，等需要人为地根据融合对象的特点进行调整 参数模板匹配 把在一段时间内得到的多传感器数据与多个信息源按照预先选择好的条件进行匹配，然后判断观测量是否包含支持某一现象的证据 熵量测 来源于通信理论 通过事件发生的概率来度量实践中所包含信息的重要程度。度量信息价值的函数应具有这样的性质，即信息价值的大小与接受到该信息的概率成反比。 2.4.3 认知模型的数据融合方法 基于认知的模型试图通过模拟人的处理过程来自动实现决策的过程。这包括： 模拟人的处理过程来自动实现决策的过程 模糊逻辑法 逻辑模板法 专家系统 基于知识的系统 模糊集理论 模糊逻辑法 隶属度函数，如正态函数、三角函数、梯形函数等。 隶属度函数是主观确定的，但其对模糊推理的影响并不大。 隶属度函数 若对论域（研究的范围）U中的任一元素x，都有一个数A（x）∈0，1与之对应，则称A为U上的模糊集，A（x ）称为x对A的隶属度。当x在U中变动时，A（ x）就是一个函数，称为A的隶属函数。隶属度A（x）越接近于1，表示x属于A的程度越高，A（x）越接近于0表示x属于A的程度越低。用取值于区间 0，1的隶属函数A（x）表征x 属于A的程度高低。隶属度属于模糊评价函数里的概念：模糊综合评价是对受多种因素影响的事物做出全面评价的一种十分有效的多因素决策方法，其特点是评价结 果不是绝对地肯定或否定，而是以一个模糊集合来表示。 A(x )=表示模糊集“年老”的隶属函数，A表示模糊集“年老”，当年龄x≤50时A（x）=0表明x不属于模糊集A（即“年老”），当x ≥100时，A（x）=1表明x 完全属于A，当50くx〈100时，0〈A（x）〈1，且x越接近100，A（x）越接近1，x属于A的程度就越高。这样的表达方法显然比简单地 说：“100岁以上的人是年老的，100岁以下的人就不年老。”更为合理。 专家系统 将人类专家的知识和经验以知识库的形式存入计算机，并模仿人类专家解决问题的推理方式和思维过程，运用人类的知识和经验对现实中的问题作出判断和决策。 具有采用类似自然语言的方式表达，易于理解和维护 缺乏自学习自我完善能力 基于知识的系统 将规则或知名的专家知识结合起来实现自动对目标的识别。 包含以下4个部分： 1）知识库，包括基本事实、算法和启发式规则等 2）一个大型的包含动态数据的全局数据库 3）一个控制结构或推理机制 4）人机界面 模糊集理论 模糊集理论是将不精确知识或不确定性边界的定义引入到数学运算中来，它可以方便地将系统状态变量映射成控制量、分类或其他类型的输出数据。 允许知识或者身份边界的不确定性。 不累计所有输入输出，而只累计输出。 多传感器数据融合的特点 1）加强对多传感器的管理。 2）针对多传感器数据融合，建立统一的融合理论和广义融合模型。 3）研究不确定性融合推理方法和容错能力强、实时性好的高效融合模型。 4）解决数据配准、数据预处理、等问题，建立高效性能可靠的数据库管理系统和检索推理机制，利用成熟的辅助技术，建立面向具体应用需求的数据融合系统。 5）将人工智能技术引入到数据融合领域；利用集成的智能软计算方法，提高多传感器融合的性能。 6）利用有关的先验数据提高数据融合的性能，研究更加先进复杂的融合方法。 7）在多平台/单平台、多传感器背景下，建立计算复杂度低的数据处理模型和算法。 8）建立数据融合测试评估系统和多传感器管理体系。 9）工业化、商品化、专业化。 3 分布式自适应动态数据融合方法 3.1 测量模型和方法简述 3.2 测量数据范围的推导 3.3 最优范围的确定 3.1 测量模型和方法简述 模块1 模块2 模块3 模块N 被测单元 各模块间相互传递测量数据 本方法的特点 融合过程中考虑了测量时间小量误差