数据融合的技术/算法

本文为【《可穿戴健康检测系统数据融合》宫继兵 著 科学出版社 】部分读书笔记
其中涉及的算法简单一笔带过,需要重点学习的算法可以查阅其他资料。

1.直接对数据源操作的方法

1.1加权平均法

权重需要对系统和传感器进行详尽的分析才能获得。

1.2神经网络法

能够模拟复杂的非线性映射。需要对传感器输入进行组合,以获得符合条件的输入矩阵。作为重点

2.基于对象的统计特性和概率模型的方法

2.1 卡尔曼滤波法

计算量将会以滤波器纬度的三次方剧增,实时性不足。传感器的增加会导致故障率的增加从而污染整个系统使得可靠性降低。
线性系统,且系统与传感器的误差均符合高斯白噪声模型,使用卡尔曼滤波
非线性系统,使用扩展卡尔曼滤波
对系统模型或系统状态有变化的情况,使用基于强跟踪的卡尔曼滤波

2.2贝叶斯估计法

使得传感器信息依据概率原则进行组合,使用概率分布,适用于具有可加高斯噪声的不确定信息处理。

2.3多贝叶斯估计法

每个传感器作为一个贝叶斯估计,将各个单独物体的关联概率分布合成一个联合的后验的概率分布函数。

2.4统计决策理论法

3.基于规则推理的方法

3.1证据推理法

D-S证据推理是贝叶斯的扩充。

3.2产生式规则

3.3模糊逻辑推理法

3.4粗糙集理论

在这里插入图片描述

  • 3
    点赞
  • 38
    收藏
    觉得还不错? 一键收藏
  • 4
    评论
多源数据融合算法是指将来自不同数据源的信息进行整合和集成,以得到更全面、准确和可靠的结果。这些数据源可以是不同传感器、不同数据库、不同领域的数据等。多源数据融合算法可以解决数据冗余、不一致性和不完整性等问题,提高数据分析和决策的质量。 综述多源数据融合算法的研究可以从以下几个方面入手: 1. 数据匹配与对齐:多源数据往往具有不同的数据格式、分辨率和空间参考系,因此需要进行数据匹配与对齐。常用的方法包括基于特征的匹配、基于几何模型的匹配和基于统计模型的匹配等。 2. 数据融合方法:多源数据融合方法可以分为基于特征的融合、基于模型的融合和基于决策的融合等。基于特征的融合方法通过提取数据的特征信息进行融合;基于模型的融合方法利用数学模型来描述数据之间的关系;基于决策的融合方法则是基于决策理论将不同数据源的信息进行综合评估和决策。 3. 数据融合技术:多源数据融合技术包括传感器级融合、特征级融合和决策级融合等。传感器级融合是将来自不同传感器的原始数据进行融合;特征级融合是将不同数据源的特征信息进行融合;决策级融合是将来自不同数据源的决策结果进行综合。 4. 数据融合评估指标:评估多源数据融合算法的性能可以使用多种指标,如准确率、召回率、F1值、信息增益等。这些指标可以用于衡量数据融合算法对原始数据的保留程度、融合结果的一致性和可靠性等。 综述多源数据融合算法的研究进展和应用领域能够帮助人们更好地理解和应用这一技术,促进多源数据融合算法在实际应用中的发展和应用。
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值