多源信息融合中連續(xù)變量離散化及權(quán)重分配算法的研究.pdf

1、隨著多傳感器感知技術(shù)、智能計(jì)算技術(shù)以及無(wú)線通信技術(shù)的飛速發(fā)展，軍事領(lǐng)域率先提出了“數(shù)據(jù)融合”這一概念，也就是將各式各樣的傳感器所采集到的信息加以“融合處理”，進(jìn)而能夠獲得比單個(gè)或單一種類(lèi)的傳感器更加行之有效的信息，因此對(duì)于多源信息融合技術(shù)的研究得到了社會(huì)的廣泛關(guān)注。
　　本論文主要進(jìn)行了以下三個(gè)方面的研究:
　　1.多源信息融合中連續(xù)變量離散化算法的研究
　　本論文以基于概率論的貝葉斯網(wǎng)絡(luò)數(shù)據(jù)融合算法為核心，針對(duì)現(xiàn)有算

2、法對(duì)連續(xù)變量的離散化處理不夠精確的問(wèn)題，提出基于等期望值標(biāo)準(zhǔn)狀態(tài)概率分配的連續(xù)變量離散化算法，更加科學(xué)合理地實(shí)現(xiàn)了對(duì)連續(xù)變量的無(wú)損處理，該算法解決了現(xiàn)有離散化方法的離散效果不夠精確的問(wèn)題。
　　2.多源信息融合中多屬性權(quán)重分配算法的研究
　　多屬性信息融合是多源信息融合的主要內(nèi)容。現(xiàn)有的融合算法不可避免地遇到了各屬性對(duì)于決策影響力即權(quán)重不同的問(wèn)題，目前大多數(shù)權(quán)重分配算法或太過(guò)依賴專(zhuān)家知識(shí)或太過(guò)注重變量的統(tǒng)計(jì)特性，缺乏理論依據(jù)

3、，只是定性地分析各連續(xù)屬性的相對(duì)影響力的大小已不能滿足現(xiàn)代數(shù)據(jù)融合定量分析的要求。本論文提出了一種基于信息增益的多屬性權(quán)重分配算法，主要依據(jù)信息論，利用信息增益定量地計(jì)算權(quán)重，解決了現(xiàn)有算法定性分析所導(dǎo)致的權(quán)重計(jì)算不夠精確的問(wèn)題。
　　3.加入權(quán)重的貝葉斯網(wǎng)絡(luò)算法研究
　　貝葉斯網(wǎng)絡(luò)基于概率論，其參數(shù)學(xué)習(xí)方式是可監(jiān)督式的。為了得到更加準(zhǔn)確的推理結(jié)果，本論文采用了兩種加入權(quán)重的方式:一是特征級(jí)的權(quán)重加入，即將權(quán)重加入到證據(jù)信息

4、當(dāng)中，進(jìn)而得到權(quán)重化的證據(jù)信息后再進(jìn)行網(wǎng)絡(luò)推理;二是決策級(jí)的權(quán)重加入，由于貝葉斯網(wǎng)絡(luò)支持不完備證據(jù)的特性，所以我們可以將各參數(shù)變量單獨(dú)加入貝葉斯網(wǎng)絡(luò)進(jìn)行推理，最后將權(quán)重加入到它們的推理結(jié)果之中。仿真分析證明，加入權(quán)重能夠有效地提升貝葉斯網(wǎng)絡(luò)的推理準(zhǔn)確率。
　　通過(guò)對(duì)基于等期望值標(biāo)準(zhǔn)狀態(tài)概率分配的連續(xù)變量離散化算法的研究，本論文實(shí)現(xiàn)了連續(xù)變量的無(wú)損處理，同時(shí)也將貝葉斯網(wǎng)絡(luò)的應(yīng)用環(huán)境拓展到了連續(xù)變量的推理融合之中。通過(guò)對(duì)基于信息增益的