- 1、本文档共3页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于区间值Vague集的多传感器信息融合TOPSIS法.pdf
64 传感器与微系统 (TmnsducerandMicrosystemTechnologies) 2009年 第28卷 第 10期
基于区间值 Vague集的多传感器信息融合 TOPSIS法
万树平
(江西财经大学信息管理学院。江西 南昌330013)
摘 要:针对区间值Vague集表达的多传感器信息融合问题,提出了一种基于TOPSIS的融合方法。该方
法定义了区间值Vague集的距离,给出了正、负理想 目标,并得到各 目标与正、负理想 目标的距离,根据各
目标与正理想 目标的相对接近度给出融合结果。实例分析验证了方法的有效性。
关键词:多传感器 ;信息融合;区间值Vague集 ;TOPSIS
中图分类号:TP274 文献标识码:A 文章编号 :1000--9787(2009)10--0064--03
TOPSISmethodformulti.sensorinformationfusion
basedon interval—valueVagueset
W AN Shu-ping
(CollegeofInformationTechnology,JiangxiUniversityofFinanceandEconomic,Nnachnag330013,China)
Abstract:Aimedattheproblem ofmulti—sensorinformationfusionexpressedby interval—valueVagueset,anew
fusionmethodbasedonTOPSISisproposed.Themethoddefinesthedistancebetweeninterval-valueVaguesets,
thepositivenadnegativeidealobjectsaregiven,andthedistnacesbetweeneachobjectandpositive,negativeideal
objectsaregot.Thefusionresultisgivenbytherelativeapproachdegreeofeachobjectandpositiveidealobjects.
Theexampleanalysisprovestheeffectivenessofthemehtod.
Keywords:multi.sensor;informationfusion;interval—valueVagueset;TOPSIS
0 引 言 准确地刻画了信息融合模型。根据TOPSIS(techniquefor
在多传感器信息融合的研究中,传感器的测量信息一 orderpreferencebysimilaritytoidealsolution)思想 ,提出
般采用精确数和模糊数 (fuzzynumber)来表达,相应的融合 了一种新的多传感器信息融合方法。
算法主要有基于证据理论 、模糊理论 、区间数 引、 1 区间值Vague集
Fisher判别 等方法。 定义 1:(区间Vague集 )称 Vague集 G= {(,
由于Fuzzy集 的隶属度是一个单值,不能同时表示 G(),G,()l∈U)}为区间值Vague集,其中,U是论域,
支持和反对的证据,而 Vague集”同时考虑非空集元素隶 区间值模糊集合 G (),G,()分别表示 ∈U关于G的真
属度与非隶属度两方面的信息,这使得 Vague集在处理不 隶属度函数和假隶属度函数
确定性信息时比传统的Fuzzy集更具有优势。Gorzalezany G ()=[aT(
您可能关注的文档
- 基于ADMS和线性规划的区域大气环境容量测算.pdf
- 基于ADVISOR软件的双轴驱动混合动力汽车性能仿真模块开发.pdf
- 基于AHP的物流运输方式选择.pdf
- 基于ANSYS的异种钢焊接残余应力的数值模拟.pdf
- 基于ANSYS的盲孔螺栓联接的有限元仿真.pdf
- 基于ANSYS的结构分析.pdf
- 基于ArcGISAdd_In的不等分纬线多圆锥投影变换_李论.pdf
- 基于ARM单片机的汽车电动助力转向系统的研究.pdf
- 基于autocad的预想钻孔生成及其柱状图绘制.pdf
- 基于BP神经网络的地下水水位预测.pdf
- 半导体材料性能提升技术突破与应用案例分析报告.docx
- 半导体设备国产化政策支持下的关键技术突破与应用前景报告.docx
- 剧本杀市场2025年区域扩张策略研究报告.docx
- 剧本杀行业2025人才培训体系构建中的市场需求与供给分析.docx
- 剧本杀行业2025年人才培训行业人才培养模式创新与探索.docx
- 剧本杀行业2025年内容创作人才需求报告.docx
- 剧本杀行业2025年区域市场区域剧本市场消费者满意度与市场竞争力研究报告.docx
- 剧本杀市场2025年区域竞争态势下的区域合作策略分析报告.docx
- 剧本杀行业2025人才培训与行业人才培养模式创新.docx
- 剧本杀行业剧本创作人才心理素质培养报告.docx
文档评论(0)