10720938-赵海红-信息论.pptVIP

多源信息融合 学号姓名：赵海红 大纲 背景 信息融合-信息论 基于最小熵的信息融合模型 总结 大纲 背景 信息融合-信息论 基于最小熵的信息融合模型 总结 背景 在多源信息融合系统中 ,各个信源提供的信息一般是不完整 ,不精确 ,模糊的 ,甚至可能是矛盾的 ,即包含着大量的不确定性。融合中心不得不依据这些不确定的信息进行推理 ,从而达到目标身份识别和属性判决的目的。但是如何在尽量获得目标全方位信息的前提下，使得信息来源最少呢？ 　 信息的冗余性与互补性 冗余性 互补性 大纲 背景 信息融合-信息论 基于最小熵的信息融合模型 总结 信息融合-信息论 下面我们联系信息论中的有关概念定量地描述信息的冗余性与补性。给定一输入 X和输出Y的融合系统 理论基础 H(X) H(Y) H(X,Y) I(X,Y) 理论基础 多传感器信息融合系统的目的是通过多个传感器获得足够多的信息,最大化输入与输出间的冗余信息也即最大化交互信息 I ( X , Y) ,对未知目标进行有效的估计,从而获得其一致性的解释或描述 分析 这里通过最大化交互信息I ( X ，Y) (即使所有输入信息间的冗余性最小) ,由等式 ③也就是最小化条件熵 H( Y/X) (即使所有输入信息间的互补性最大)的方法使融合系统的输入达到最优 分析 其中 X *表示最佳的传感器输入集合。下面我们基于上述理论构建融合模型。 大纲 背景 信息融合-信息论 基于最小熵的信息融合模型 总结 　 基于最小条件熵的融合模型 问题描述:设有一个Ω= { H1 , . . , Hk}的基本假设目标集,每个假设 Hk 又由 m 个特征属性Z1, . . Zm 构成。目标是由多个传感器的测量值 D= { d1 , . . ds}及其先验概率和条件概率分布,完成对目标假设类型的识别。 基于熵的融合 假设所有的测量值概率 和特征值概率 已知, 且条件概率分布 可由计算方法获得。下面给出基于最小条件熵的输入值的融合方法: 这里 d *表示满足最小条件熵标准的测量值集合,在该准则下的融合系统可获得最佳的融合信息,既保证了最大可能地获得系统所需的各个传感器的互补信息又适当的滤去一些不必要的传感器冗余信息。 基于熵的融合 基于熵的决策 在决策过程中,目标是在给出测量集合信息的条件下(满足最小条件熵),找到对应的最可能假设类型,即找到不确定(条件熵 H( Y/ X) )最小的假设类型,记为: 评价因子 为了提高决策的模糊性,引入一个品质因子用来表示决策质量的好坏： 评价因子 该式表示了假设 Hk 的冗余率,即 Hk与 d*k 间的冲突大小,当 q = 0时,表示 Hk 与 d*k 无冲突,即输入测量值集合可以完全的对目标做出识别,无需改善。当 q = 1 时, Hk 与 d*k存在严重冲突,此时需重新选择输入测量值集合,以改善决策品质。综上所述,给出基于最小条件熵的决策规则 算法步骤 基于最小条件熵的融合策略就是逐次融合能使 H () Hk/ d3k不断减小的测量值,直至信息增量在某一阈值门限内;并由品质因子判断此时决策质量的好坏,若大于门限值则可以依此给出决策,否则重新融合测量值直至满足⑨ 式,给出此时融合所对应的传感器,输出融合结果。具体步骤如下: (1) 设定阈值门限ε,η;输入实验数据。 (2) 融合测量值并验证。 (3) 更新 值,并计算此时所对应的品质因子μ,若大于ε,则由 ⑦式给出判决,同时给出所对应的传感器;否则继续(2) 。 (4) 输出融合结果。 大纲 背景 理论分析 基于最小熵的信息融合模型 总结 总结 总结 总结 总结 冗余性与互补性的平衡问题 根据领域的确定具体的阈值 阈值的自适应能力？ 参考文献 多传感器的信息融合 赵春阳等 A statistical Model for user preference.taek-soo kim.. A approach to web user profiling 广义信息论 一种基于信息熵的Web页面主题信息抽取方法 。。。。 謝謝聆聽，請多多指教。