【文章內(nèi)容簡介】 測轉(zhuǎn)化為對象屬性的說明 : ? (2)計算每個傳感器關(guān)于對象屬性說明的不確定性 : ? (3)計算對象屬性的融合概率： 12, , ...., mD D D( ) 1 , 2 , .. ., 。 1 , 2 , .. .,jiP D O i n j m??1212121( , , ... ., ) ( )( , , ... ., ) 1 , 2 , ... , 。 1 , 2 , ... ,( , , ... ., ) ( )m i iim nm i iiP D D D O P OP O D D D i n j mP D D D O P O?? ? ?? 基于 Bayes理論數(shù)據(jù)融合 ? 如果 相互獨立則： ? (4)應(yīng)用判定邏輯進(jìn)行決策。若選取 的極大值作為輸出，這就是所謂的極大后驗概率（ MAP）判定準(zhǔn)則： ? 運用 Bayes方法中的條件概率進(jìn)行推理，能夠在出現(xiàn)某一證據(jù)時給出假設(shè)事件在此證據(jù)發(fā)生的條件概率，能夠嵌入一些先驗知識，實現(xiàn)不確定性的逐級傳遞。但它要求各證據(jù)之間都是相互獨立的，當(dāng)存在多個可能假設(shè)和多條件相關(guān)事件時，計算復(fù)雜性增加。另外， Bayes方法要求有統(tǒng)一的識別框架，不能在不同層次上組合證據(jù)。 1 2 1 2( , , .. .. , ) ( ) ( ) .. . ( )m i i i m iP D D D O P D O P D O P D O?12( , ,...., )imP O D D D12, ,...., mD D D121( ) m a x { ( , , .... , ) }j i mimP O P O D D D??? 基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合 ? 人工神經(jīng)網(wǎng)絡(luò)源于大腦的生物結(jié)構(gòu)，神經(jīng)元是大腦的一個信息處理單元，包括細(xì)胞體、樹突和軸突，如圖所示。 基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合 ? 神經(jīng)網(wǎng)絡(luò) 神經(jīng)元利用樹突整合突觸所接收到的外界信息 ， 經(jīng)軸突將神經(jīng)沖動由細(xì)胞體傳至其他神經(jīng)元或效應(yīng)細(xì)胞 。 神經(jīng)網(wǎng)絡(luò)使用大量的處理單元 (即神經(jīng)元 )處理信息 ， 神經(jīng)元按層次結(jié)構(gòu)的形式組織 ， 每層上的神經(jīng)元以加權(quán)的方式與其它層上的神經(jīng)元連接 ， 采用并行結(jié)構(gòu)和并行處理機制 ， 具有很強的容錯性以及自學(xué)習(xí) 、 自組織及自適應(yīng)能力 ， 能夠模擬復(fù)雜的非線性映射 。 基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合 ? 常用的人工神經(jīng)元模型（ PE模型） ? 典型的多級前饋感知模型 基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合 ? 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu) 、 功能特點和強大的非線性處理能力 ， 恰好滿足了多源信息融合技術(shù)處理的要求 ， 人工神經(jīng)網(wǎng)絡(luò)以其泛化能力強 、 穩(wěn)定性高 、容錯性好 、 快速有效的優(yōu)勢 ， 在數(shù)據(jù)融合中的應(yīng)用日益受到重視 。 ? 如果將數(shù)據(jù)融合劃分為三級 ， 并針對具體問題將處理功能賦予信息處理單元 ， 可以用三層神經(jīng)網(wǎng)絡(luò)描述融合模型 。 第一層神經(jīng)元對應(yīng)原始數(shù)據(jù)層融合 。 第二層完成特征層融合 ， 并根據(jù)前一層提取的特征 ， 做出決策 。對于目標(biāo)識別 ， 輸出就是目標(biāo)識別結(jié)論及其置信度；對于跟蹤問題 ， 輸出就是目標(biāo)軌跡及誤差 。 輸出層對應(yīng)決策融合 ， 決策層的輸入輸出都應(yīng)該為軟決策及對應(yīng)決策的置信度 。 ? 融合模型的全并行結(jié)構(gòu)對應(yīng)神經(jīng)網(wǎng)絡(luò)的跨層連接 。 決策信息處理單元組的輸出可以作為原始數(shù)據(jù)層數(shù)據(jù)融合單元組的輸入 ， 對應(yīng)數(shù)據(jù)融合模型的層間反饋 。 數(shù)據(jù)融合模型的內(nèi)環(huán)路對應(yīng)前向神經(jīng)網(wǎng)絡(luò)中層內(nèi)的自反饋結(jié)構(gòu) 。 不論在數(shù)據(jù)融合的哪個層次 ， 同層各個信息處理單元組或同一信息處理單元組的各個信息處理單元之間或多或少地存在聯(lián)系 。 基于神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合 ? 人工神經(jīng)網(wǎng)絡(luò)信息融合具有如下性能： ? (1)神經(jīng)網(wǎng)絡(luò)的信息統(tǒng)一存儲在網(wǎng)絡(luò)的連接權(quán)值和連接結(jié)構(gòu)上，使得多源信息的表示具有統(tǒng)一的形式，便于管理和建立知識庫。 ? (2)神經(jīng)網(wǎng)絡(luò)可增加信息處理的容錯性，當(dāng)某個傳感器出現(xiàn)故障或檢測失效時，神經(jīng)網(wǎng)絡(luò)的容錯功能可以使融合系統(tǒng)正常工作，并輸出可靠的信息。 ? (3)神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)和自組織功能，能適應(yīng)工作環(huán)境的不斷變化和信息的不確定性對融合系統(tǒng)的要求。 ? (4)神經(jīng)網(wǎng)絡(luò)采用并行結(jié)構(gòu)和并行處理機制，信息處理速度快，能夠滿足信息融合的實時處理要求。 基于專家系統(tǒng)數(shù)據(jù)融合 ? 專家系統(tǒng) (Expert system)是一個具有大量專門知識與經(jīng)驗的程序系統(tǒng) ， 根據(jù)某領(lǐng)域一個或多個專家提供的知識和經(jīng)驗 ， 進(jìn)行推理和判斷 ， 模擬人類專家的決策過程 ， 以便解決那些需要人類專家處理的復(fù)雜問題 。 專家系統(tǒng)具有如下特點： ? (1)啟發(fā)性：專家系統(tǒng)能運用專家的知識和經(jīng)驗進(jìn)行推理 、判斷和決策 。 ? (2)透明性：專家系統(tǒng)能夠解釋本身的推理過程和回答用戶提出的問題 ， 用戶能夠了解推理過程 ， 提高對專家系統(tǒng)的信賴感 。 ? (3)靈活性：專家系統(tǒng)