推荐星级:
  • 1
  • 2
  • 3
  • 4
  • 5

决策级融合:概念与技术框架.docx

资料介绍

决策级融合:概念、技术框架与应用实践

一、决策级融合的基本概念

1.1 多源信息融合的层级划分

多源信息融合是对来自多个数据源的信息进行整合处理,以获得更准确、更可靠的决策结果的技术体系,按照信息处理的先后顺序和抽象程度,通常划分为三个层级:数据级融合特征级融合决策级融合

数据级融合是最低层级的融合,直接对原始传感器采集的数据进行整合,保留了最完整的原始信息,但数据量大、处理成本高,对传感器同质性要求高;特征级融合是中间层级,先从各数据源原始数据中提取特征向量,再对特征进行融合处理,压缩了数据量,降低了处理压力,但会损失一部分原始信息;决策级融合是最高层级的融合,每个数据源先独立完成决策或分类,再对各个单源决策结果进行融合,最终得到全局统一决策。

1.2 决策级融合的核心定义

决策级融合是指在多源感知系统中,每个信息源预先完成各自的处理过程,包括数据预处理、特征提取、识别或判决,得到独立的局部决策结果,之后通过特定的融合规则对这些局部决策进行整合,推理得到最终全局决策的信息处理过程。

相较于前两个层级,决策级融合的核心优势在于三点:第一,容错性高,当某个或某几个数据源出现错误、失效甚至缺失时,融合系统可以通过其他数据源的正确决策修正错误结果,仍然输出可靠的全局决策;第二,通用性强,对数据源的同质性没有要求,可以融合不同类型传感器、不同模态的数据结果,支持异构信息整合;第三,通信成本低,只需要传输各数据源得到的决策结果,数据量远低于原始数据和特征数据,适合分布式传感、边缘计算等场景。


部分文件列表

文件名 大小
决策级融合:概念与技术框架.docx 17K

全部评论(0)

暂无评论

上传资源 上传优质资源有赏金

  • 打赏
  • 30日榜单

推荐下载