基于模糊積分的數(shù)據(jù)融合(已修改)
2025-08-13 14:54 本頁面
【正文】 基于模糊積分的數(shù)據(jù)融合 報告人：王麗娟 時間： 2022年 4月 數(shù)據(jù)融合是由美國 JDL實驗室數(shù)據(jù)融合專家組 (DFS)提出的并給出了一般的概念模型 。 最初用于軍事領(lǐng)域 ， 現(xiàn)在廣泛應(yīng)用于機器人 ， 交通管制 ， 故障診斷等民生領(lǐng)域 。 最初數(shù)據(jù)融合用于處理傳感器的信息融合 ， 由于傳感器的固有特性 ， 單一傳感器的信息通常不完備以及抗干擾的需要 ， 經(jīng)常使用同類或異類傳感器的組合來獲得互補的信息或增加抗干擾的能力 。 現(xiàn)在不僅局限于傳感器 ， 從各方面采集得到的原始數(shù)據(jù)和分類器處理的結(jié)果都可以通過融合技術(shù)進行加工 。 如 SungBae cho和 Jin 多神經(jīng)網(wǎng)絡(luò)融合解決在線手寫字符識別問題 。 Alexandre lemieux等構(gòu)造了一個靈活的多分類器系統(tǒng)用于人臉識別系統(tǒng) 。 國內(nèi)有哈爾濱工業(yè)大學權(quán)太范等人出版了信息融合一書 ， 北京理工大學 ， 浙江大學等學校都在研究信息融合問題處理雷達圖像識別系統(tǒng) 首先介紹一下模式識別中的分類過程，分類 通過對具有類別標記的實例 (數(shù)據(jù) ) 進行訓(xùn)練 ,得出一個能夠預(yù)測新實例類別的模型。第一步信息獲取，收集大量的數(shù)據(jù)。這些數(shù)據(jù)中可能含有冗余和錯誤信息，對數(shù)據(jù)預(yù)處理，選取重要信息，刪除錯誤的信息。將預(yù)處理后的信息輸入分類器，分類器根據(jù)一定的學習算法得到分類的模型或規(guī)則，常用的分類器，如：KNN、神經(jīng)網(wǎng)絡(luò)、決策樹、 SVM、貝葉斯分類器、粗糙集等。根據(jù)所得到的模型或規(guī)則預(yù)測未知樣本的類別，做出決策。 信息獲取 預(yù)處理 分類器設(shè)計 分類器決策 圖 1 分類識別過程 這里重點介紹神經(jīng)網(wǎng)絡(luò)的 BP算法。神經(jīng)網(wǎng)絡(luò)由神經(jīng)元和權(quán)重構(gòu)成，神經(jīng)元即為：輸入節(jié)點，輸出節(jié)點和隱層結(jié)點三部分；權(quán)重是各個神經(jīng)元相互連接的強度。神經(jīng)網(wǎng)絡(luò)通過訓(xùn)練，從樣本中學習知識，并且將知識以數(shù)值的形式存儲于連接權(quán)中。神經(jīng)網(wǎng)絡(luò)的分類過程分成兩部分，首先學習網(wǎng)絡(luò)的權(quán)重，利用一些已知的數(shù)據(jù)訓(xùn)練網(wǎng)絡(luò)得到該類數(shù)據(jù)模型的權(quán)重；接著根據(jù)現(xiàn)有的網(wǎng)絡(luò)結(jié)構(gòu)和權(quán)重等參數(shù)得到未知樣本的類別。 BP算法被稱作反向傳播算法，主要思想是從前向后（正向）逐層傳播信息；從后向前（反向）逐層傳播輸出層的誤差，間接算出隱層誤差。 圖 2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖 信息 誤差 第一階段（正向過程）輸入信息從輸入層經(jīng)隱層逐層計算各單元的輸出值；根據(jù)下式計算每層的輸出值 ： 第二階段（反向傳播過程）輸出誤差逐層向前算出隱層各個單元的誤差，并用此誤差修正前層的值。在 BP算法中常采用梯度法修正權(quán)值，為此要求輸出函數(shù)可微，通常采用 Sigmoid函數(shù)作為輸出函數(shù)。 （ 1） 計算誤差： （ 2） 按照梯度方向計算各層權(quán)重的修正量： 其中 的計算公式為 （ 3） 修正各層權(quán)重： （ 4）重復(fù)上述過程直到算法收斂，即誤差小于給定的閾值 。 )( jjiiijjne tfOOwne t?? ?? ??jjj yyE2)?(21ijijij OwEtw ???????? )(j??????????? ?kkjkjjjjjj wOOOOOy非輸出層的計算方法輸出層的計算方法?? )1()1()()()()1( twtwtw ijijij ????算法分為兩個階段： 例：有兩組數(shù)據(jù)點，第一組數(shù)據(jù)為（ 0， 0）（ 0， 1），第二組數(shù)據(jù)為（ 1， 0）（ 1， 1）是。構(gòu)造一個三層的神經(jīng)網(wǎng)絡(luò)，由于數(shù)據(jù)有兩個屬性，設(shè)計兩個輸入節(jié)點；輸出有兩類，設(shè)計兩個輸出節(jié)點。當?shù)谝唤M數(shù)據(jù)輸入時，第一個輸出節(jié)點為 1；當?shù)诙M數(shù)據(jù)輸入時，第二個輸出節(jié)點為 1 ，用 BP算法訓(xùn)練網(wǎng)絡(luò)。 例：有兩組數(shù)據(jù)點，第一組數(shù)據(jù)為（ 0， 0）（ 0， 1），第二組數(shù)據(jù)為（ 1， 0）（ 1， 1）是。構(gòu)造一個三層的神經(jīng)網(wǎng)絡(luò)，由于數(shù)據(jù)有兩個屬性，設(shè)計兩
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1