《基于流形学习的多源传感器体域网数据融合模型》PDF+DOC
作者:张俊,王杨,李坤豪,李昌,赵传信
单位:重庆西南信息有限公司
出版:《计算机科学》2020年第08期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFJSJA2020080510
DOC编号:DOCJSJA2020080519
下载格式:PDF + Word/doc 文字可复制、可编辑
《多传感器数据加权融合方法》PDF+DOC2020年第04期 杨军佳,叶晨亮,冯少华,钱冰
《多传感器数据融合的平均航迹算法》PDF+DOC1999年第02期 仪晓可,黄建国,冯晋利
《多传感器信号融合算法的仿真》PDF+DOC1999年第05期 顾健
《多传感器多目标跟踪中的概率数据互联》PDF+DOC1996年第09期 胡文龙,毛士艺
《目标航迹相关》PDF+DOC1991年第02期 金国强,赵德兴,张宇
《多传感器时间控制系统的数据融合新算法》PDF+DOC2012年第01期 熊彦铭,李世玲,李军,杨战平
《一种BP网络的土壤电导率数据融合算法研究》PDF+DOC2009年第10期 冯敏敏,朱培逸
《分布式传感器网络中基于数据融合的目标定位算法研究》PDF+DOC2013年第19期 李森,赵健飞
《基于Kalman滤波的多传感器信息融合研究》PDF+DOC2013年第11期 刘洲洲
《一种动态多传感器一致性融合算法》PDF+DOC2013年第06期 刘杨,姜礼平
无线体域网多传感器由于采集的数据量大、数据类型冗杂,难以有效进行多维度数据的融合。虽然传统流形及分解类型的数据融合方法(Isomap,MDS,PCA等)具备使距离较小点产生合理排斥梯度的能力和受异常影响较小的优点,但是针对无线多传感器体域网的数据降维效果并不理想。对此,提出了一种基于流形学习的T分布式随机邻域嵌入(T-SNE)算法对多传感器体域网数据进行融合。T-SNE算法首先将高维数据点与其对应的低维数据点间的欧氏距离转换为条件概率矩阵,然后对处理好的低维概率集合进行有限次迭代,最后更新低维概率矩阵,使距离较小点间产生合理的排斥梯度,从而构建了多维度体域网数据融合模型。实验结果表明,在特定的体域网数据集下,T-SNE算法的精度为Isomap的1.11倍,MDS的1.33倍,PCA的1.21倍,具有较好的数据降维效果。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。