食品安全spssau数据的融合及分类技术综述(七)

浏览: 作者: 来源: 时间:2019-11-30 分类:论文写作技巧
spssau数据(或者spss论文)。卡尔曼滤波法一般用于动态环境中多传感器信息的实时融合,其算法核心是计算各传感器数据之间的加权平均值,其中,权值与测量方差成反比。

1)卡尔曼滤波法

spssau数据(或者spss论文)。卡尔曼滤波法一般用于动态环境中多传感器信息的实时融合,其算法核心是计算各传感器数据之间的加权平均值,其中,权值与测量方差成反比。在实际应用中,通过调节各传感器的方差值来改变权值,从而得到更可靠的结果。目前国内外对卡尔曼滤波法进行了大量的研究。文献[16]提出了一种基于压缩感知的扩展卡尔曼滤波跟踪方法,并将该方法应用到单目标跟踪中,与传统卡尔曼滤波相比,该方法的具有更好的精确度和稳定度。文献[17]提出基于模糊卡尔曼算法的姿态误差补偿方法,通过引入模糊卡尔曼滤波数据融合算法对陀螺误差校正,与常规卡尔曼滤波算法相比,精度更高。针对食品安全spssau数据(或者spss论文)融合过程,采用卡尔曼滤波器对多传感器采集的食品安全数据进行融合,不仅可以显著提高容错性,还可以有效降低数据传输运算量。但是由于数据量巨大时,该方法的实时性较差,因此还需要进一步研究。本站专业提供spss数据分析、stata数据分析和eviews数据分析服务。

(二) 统计方法

统计方法一般常用的有贝叶斯推理、支持向量机理论、经典推理等等方法。

1)贝叶斯估计方法贝叶斯估计提供了一种按概率理论组合多传感器信息的方法,贝叶斯估计理论基础是贝叶斯法则。文献[18]通过实验证明,利用贝叶斯估计方法对多传感器数据进行融合,可以有解决数据的不确定和不一致性。通常来说,在先验概率已知的情况下,贝叶斯估计法是食品安全spssau数据(或者spss论文)融合的最佳方法。

 

(三) 信息论方法

信息论方法在多源数据融合中应用数理统计知识研究信息的处理和传递,其典型算法有:熵方法、模糊理论、模板法、最小描述长度方法等。

1)模糊集理论

模糊理论在数据融合领域应用的实质就是利用一个模糊映射将数据源信息作为输入映射到融合结果的输出空间,其基本思想就是将原本只有两个取值 0 或 1,扩展到一个连续的取值范围:[0,1],用这个区间内的一个值来表示元素对某个模糊集的隶属程度,通过这种度量方法能够很好地描述和表达不确定事件。模糊理论一定程度上克服了概率论方法的缺点,不需要一个确定的概率表达事情可能性,它对“可能性”的分析更加贴近人的处理方式。多传感器数据融合中,模糊集理论在处理模糊问题和模糊推理上具有显著优势。文献[19]

 

通过实验证明,模糊集理论在多传感器信息融合中计算量小、融合精度较高。在食品安全spssau数据(或者spss论文)融合过程中,模糊集理论方法可以实现食品安全数据的简化,去除冗余信息。本站专业提供spss数据分析、stata数据分析和eviews数据分析服务。

摘自:食品安全spssau数据的融合及分类技术综述