基于模糊積分的數(shù)據(jù)融合-文庫吧資料
2024-08-14 14:54本頁面
【正文】 kkkg AghhfE11 )()()(0,1},{ 021 ??? hKkxxxA kk 且??在有限集合 上，函數(shù) 在點(diǎn) 處的值用， 表示。 ?gXBA ?, ??? BA)()()()()( BgAgBgAgBAg ?????gX ]1,0[: ?Xf )(xfg? ????A g fgfSgxf ))](,[ m i n (s u p)()()( ]1,0[ ?? ??})({ ?? ??? xfXxfgX ],0[: ??Xf )(xfg?? dfgfE g ???0)()(})({ ?? ??? xfXxf模糊積分是定義在模糊測度基礎(chǔ)上的一種非線性函數(shù)，它具有融合多元信息的能力，常用的模糊積分有 Sugeno積分和 Choquet積分，定義如下 定義 2：設(shè) 為 上的一個(gè)模糊測度，且設(shè) 。當(dāng) ， 是概率測度。0)( ??? Xgg)()(, BgAgt h e nBAifXBA ????0?? ?g?01)1(11?????? ?????? 且Kiig??從模糊測度的定義可知 ， 兩個(gè)不相交子集的并集的測度不能直接從這兩個(gè)子集中計(jì)算出 。 它可以作為概率測度的一種擴(kuò)展 ， 即將概率測度中的可加性條件替換為條件更弱的單調(diào)性條件 。 為一有限集和 。模糊測度利用了非負(fù)單調(diào)的集合函數(shù)，即所謂的模糊測度來取代加權(quán)值，并且利用了與模糊測度相關(guān)的模糊積分： Sugeno和 Choquet函數(shù)代替了普通的加權(quán)求和法。因而若干個(gè)分類器對分類任務(wù)所起的作用就等于各個(gè)分類器所起作用的簡單加權(quán)和。該測度定義于各個(gè)分類器組成的離散空間上，并且各個(gè)分類器的權(quán)值為 1。 可能性理論反映了實(shí)際被感知對象和期望觀測之間的相似性，試驗(yàn)結(jié)果表明被感知對象和物體被觀測的次數(shù)沒有任何關(guān)系。但是很多情況下很難得到待識(shí)別物體的先驗(yàn)概率或者先驗(yàn)和后驗(yàn)概率計(jì)算復(fù)雜，因而不是很實(shí)用。 情況： 分類器 1： +++++++++ 分類器 2： +++++++++ 分類器 3： ++++++++++ 分類器 4： +++++++++ 投票法簡單，但沒有考慮分類器間的交互影響。 下例是四個(gè)分類器識(shí)別 10個(gè)數(shù)據(jù)的結(jié)果的一情況 ， 這 10個(gè)數(shù)據(jù)有兩種分類分別是 +和 。 常用融合方法如：投票法 、貝葉斯算法 、 證據(jù)理論 、 可能性理論 、 模糊積分等 。 (6) 設(shè) Generation gap 為 G，對子代排序選擇 popsize*G個(gè)適應(yīng)函數(shù)值較大染色體覆蓋母代中的相應(yīng)的適應(yīng)函數(shù)值小的染色體； (7) 如此循環(huán)若干代，直至滿足迭代條件結(jié)束；否則轉(zhuǎn)（ 1）。從選中的基因鏈碼中，隨機(jī)的選擇popsize*pc條基因鏈碼交叉，單點(diǎn)交叉的位置隨機(jī)生成。 (2) 計(jì)算每條基因鏈碼的適應(yīng)函數(shù)值 fitness(i)， 以及相應(yīng)的選擇概率和累積概率 求總的適應(yīng)值； 計(jì)算每條基因鏈碼的選擇概率； 計(jì)算每條基因鏈碼的累積概率； (3) 選擇：按照群體中適應(yīng)函數(shù)值的大小 ， 依概率隨機(jī)選擇 popsize條基因鏈碼進(jìn)行交叉 ， 適應(yīng)函數(shù)值大被選中的概率就大 。 下面是算法的基本框架： 10100001 10100101 步驟： (1) 初始化群體 。每個(gè)個(gè)體對應(yīng)于優(yōu)化問題的 xi ,每個(gè)解 xi 對應(yīng)于一個(gè)函數(shù)值 fi ，fi 越大（如果優(yōu)化問題要求取最大值），則表明 xi越好，即對環(huán)境的適應(yīng)度越高，所以可以用每個(gè)個(gè)體的函數(shù)值 fi作為對環(huán)境的適應(yīng)度。 交叉算子 100 1011 011 0011 100 0011 011 1011 （ 4）變異。
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1