指数加权思想

最新推荐文章于 2022-09-28 08:49:26 发布

Jace Lee

最新推荐文章于 2022-09-28 08:49:26 发布

阅读量711

点赞数

分类专栏：算法文章标签：其他

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/Yujian2563/article/details/123235810

版权

本文探讨了数据融合过程中如何利用加权融合处理可信度问题，特别是权重与子数据协方差的关系。当协方差越小时，权重越大，表示数据贡献度更高。指数函数作为权重分配的一种形式，其特性随着参数s的变化调整权重，当s趋近于0时权重接近1，而s趋近于无穷时权重接近0。这种权重分配方式在不依赖子数据误差的情况下，可根据其他因素如故障信息调整权重。

摘要由CSDN通过智能技术生成

背景

数据融合的过程中存在可信度的问题，因此在融合算法中加权融合的方式是非常经典的方式，其中的权重体现的就是融合的置信度，也就是相应子系统数据的可信度、可靠性、精度。
融合的权重 $w_i$ 通常与子数据的协方差 $P$ 挂钩，通过一些处理实现如下
$\hat{x}_o(t|t)=\sum_{i=1}^{N}w_i \hat{x}_i(t|t)$

最低0.47元/天解锁文章

关注

0
点赞
踩
1

收藏

觉得还不错? 一键收藏
0
评论
指数加权思想

背景数据融合的过程中存在可信度的问题，因此在融合算法中加权融合的方式是非常经典的方式，其中的权重体现的就是融合的置信度，也就是相应子系统数据的可信度、可靠性、精度。融合的权重wiw_iwi通常与子数据的协方差PPP挂钩，通过一些处理实现如下x^o(t∣t)=∑i=1Nwix^i(t∣t)\hat{x}_o(t|t)=\sum_{i=1}^{N}w_i \hat{x}_i(t|t)x^o(t∣t)=i=1∑Nwix^i(t∣t)其中wi∈[0,1]w_i\in [0,1]wi∈[0,1]
复制链接

扫一扫

专栏目录

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

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。