基于模糊积分的数据融合.pptVIP

* * 基于模糊积分的数据融合 报告人：王丽娟 时间：2004年4月 数据融合是由美国JDL实验室数据融合专家组(DFS)提出的并给出了一般的概念模型。最初用于军事领域，现在广泛应用于机器人，交通管制，故障诊断等民生领域。最初数据融合用于处理传感器的信息融合，由于传感器的固有特性，单一传感器的信息通常不完备以及抗干扰的需要，经常使用同类或异类传感器的组合来获得互补的信息或增加抗干扰的能力。现在不仅局限于传感器，从各方面采集得到的原始数据和分类器处理的结果都可以通过融合技术进行加工。如Sung-Bae cho和Jin H.Kim使用基于模糊逻辑多神经网络融合解决在线手写字符识别问题。Alexandre lemieux等构造了一个灵活的多分类器系统用于人脸识别系统。国内有哈尔滨工业大学权太范等人出版了信息融合一书，北京理工大学，浙江大学等学校都在研究信息融合问题处理雷达图像识别系统 首先介绍一下模式识别中的分类过程，分类通过对具有类别标记的实例(数据) 进行训练,得出一个能够预测新实例类别的模型。第一步信息获取，收集大量的数据。这些数据中可能含有冗余和错误信息，对数据预处理，选取重要信息，删除错误的信息。将预处理后的信息输入分类器，分类器根据一定的学习算法得到分类的模型或规则，常用的分类器，如：KNN、神经网络、决策树、SVM、贝叶斯分类器、粗糙集等。根据所得到的模型或规则预测未知样本