9.5多传感器数据融合要点.pptVIP

6. Dempster-Shafer证据推理法 由Dempster首先提出，由Shafer发展 一种不精确推理理论，贝叶斯方法的扩展。 贝叶斯方法必须给出先验概率， 证据理论则能够处理这种由不知道引起的不确定性。 在多传感器数据融合系统中，每个信息源提供了一组证据和命题，并且建立了一个相应的质量分布函数。因此，每一个信息源就相当于一个证据体。 在同一个鉴别框架下， 将不同的证据体通过Dempster合并规则并成一个新的证据体，并计算证据体的似真度，最后用某一决策选择规则，获得最后的结果。 7. 模糊逻辑法 模糊逻辑实质上是一种多值逻辑，在多传感器数据融合中，将每个命题及推理算子赋予0到1间的实数值，以表示其在登记处融合过程中的可信程度，又被称为确定性因子，然后使用多值逻辑推理法，利用各种算子对各种命题（即各传感源提供的信息）进行合并运算，从而实现信息的融合。 8. 产生式规则法 人工智能中常用的控制方法。 产生式规则法中的规则一般要通过对具体使用的传感器的特性及环境特性进行分析后归纳出来的，不具有一般性，即系统改换或增减传感器时，其规则要重新产生。 特点：系统扩展性较差，但推理较明了，易于系统解释，所以也有广泛的应用范围。 9. 神经网络方法 模拟人类大脑而产生的一种信息处理技术，它采用大量以一定方式相互连接和相互作用的简单处理单元（即神经元）来处理信息。 神经