無線傳感器網(wǎng)絡(luò)作為物聯(lián)網(wǎng)的重要組成部分,在工業(yè)、商業(yè)、醫(yī)療和軍事等領(lǐng)域都得到了廣泛的應(yīng)用。隨著網(wǎng)絡(luò)內(nèi)感知數(shù)據(jù)的不斷增加,無線傳感器網(wǎng)絡(luò)能量供應(yīng)和通信帶寬受限的問題已成為其面臨的最大挑戰(zhàn)。決策級數(shù)據(jù)融合技術(shù)能夠合理地降低網(wǎng)絡(luò)內(nèi)的數(shù)據(jù)傳輸量,減少數(shù)據(jù)通信的帶寬需求和能耗開銷,提升數(shù)據(jù)處理的準確度,并延長網(wǎng)絡(luò)的工作壽命,是無線傳感器網(wǎng)絡(luò)中的研究熱點之一。在復(fù)雜的應(yīng)用場景中,受各種干擾和傳感器性能的影響,傳感器節(jié)點的感知數(shù)據(jù)內(nèi)往往包含有一定的不確定信息。通常認為,不確定信息主要來源于傳感器對目標的不充分觀測所獲取的不精確數(shù)據(jù),以及對目標的局部觀測所得到的不完整數(shù)據(jù)。不精確數(shù)據(jù)和不完整數(shù)據(jù)都會使感知目標分類問題變得十分復(fù)雜,且極易造成錯誤的分類結(jié)果。傳統(tǒng)的基于概率框架的決策級融合技術(shù)很難對數(shù)據(jù)中的不確定信息進行有效地刻畫,而證據(jù)理論則通過將識別框架推廣到冪集,能夠?qū)Χ喾N不確定信息進行合理地建模。針對不精確數(shù)據(jù)和不完整數(shù)據(jù)的分類問題,本論文將研究基于證據(jù)理論框架的決策級融合技術(shù),重點對決策級融合過程中的節(jié)點本地決策和多傳感器決策融合問題,進行了以下研究:1.對于部分屬性缺失的不完整數(shù)據(jù),如果根據(jù)缺...

【文章頁數(shù)】：127 頁

【學(xué)位級別】：博士

【文章目錄】：
致謝
中文摘要
ABSTRACT
1 引言
    1.1 研究背景和意義
    1.2 主要研究方法和研究現(xiàn)狀
        1.2.1 證據(jù)理論在分類識別中的應(yīng)用
        1.2.2 證據(jù)理論在多源信息融合中的應(yīng)用
    1.3 主要研究內(nèi)容和創(chuàng)新點
    1.4 論文的總體結(jié)構(gòu)
2 相關(guān)理論綜述
    2.1 無線傳感器網(wǎng)絡(luò)
        2.1.1 無線傳感器網(wǎng)絡(luò)體系結(jié)構(gòu)
        2.1.2 無線傳感器網(wǎng)絡(luò)面臨的挑戰(zhàn)
    2.2 無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)
        2.2.1 多傳感器數(shù)據(jù)融合
        2.2.2 決策級融合的常用理論
    2.3 證據(jù)理論
        2.3.1 證據(jù)的表示和基本函數(shù)
        2.3.2 證據(jù)的組合
        2.3.3 證據(jù)的決策規(guī)則
        2.3.4 基于證據(jù)理論的目標分類
        2.3.5 基于證據(jù)理論的決策融合模型
    2.4 本章小結(jié)
3 不完整數(shù)據(jù)填補及分類方法
    3.1 引言
    3.2 缺失數(shù)據(jù)的類型
    3.3 基于極限學(xué)習機的數(shù)據(jù)填充
        3.3.1 極限學(xué)習機原理
        3.3.2 一種新的基于ELM的缺失數(shù)據(jù)填充方法
    3.4 填充后的數(shù)據(jù)分類
        3.4.1 填充后數(shù)據(jù)的子分類
        3.4.2 子分類結(jié)果的融合
    3.5 仿真分析
        3.5.1 變壓器故障識別實例分析
        3.5.2 基于標準數(shù)據(jù)集的仿真分析
    3.6 本章小結(jié)
4 不精確數(shù)據(jù)證據(jù)k近鄰分類方法
    4.1 引言
    4.2 新的證據(jù)kNN分類算法
        4.2.1 訓(xùn)練樣本預(yù)處理
        4.2.2 基于預(yù)處理后訓(xùn)練樣本的目標分類
    4.3 仿真分析
        4.3.1 仿真生成數(shù)據(jù)集比較分析
        4.3.2 基于標準數(shù)據(jù)集的仿真分析
    4.4 本章小結(jié)
5 基于證據(jù)理論的高沖突軟決策融合方法
    5.1 引言
    5.2 沖突證據(jù)的分析及其融合方法
        5.2.1 證據(jù)組合規(guī)則改進方法
        5.2.2 證據(jù)修正方法
    5.3 基于不一致性度量的證據(jù)加權(quán)組合方法
        5.3.1 典型的沖突衡量方法
        5.3.2 證據(jù)的不一致性度量
        5.3.3 基于證據(jù)不一致性的權(quán)重度量
        5.3.4 基于不一致性度量的證據(jù)加權(quán)組合
    5.4 仿真分析
        5.4.1 合成悖論問題的驗證分析
        5.4.2 目標識別實例對比分析
    5.5 本章小結(jié)
6 基于證據(jù)推理的硬決策融合方法
    6.1 引言
    6.2 可靠度-概率融合規(guī)則
        6.2.1 決策級融合系統(tǒng)模型
        6.2.2 本地mass函數(shù)構(gòu)建
        6.2.3 多傳感器決策級融合
    6.3 DFDR融合規(guī)則
        6.3.1 基于可靠度向量的本地mass函數(shù)
        6.3.2 基于證據(jù)相對可靠性的全局融合
    6.4 仿真分析
        6.4.1 仿真生成數(shù)據(jù)集比較分析
        6.4.2 車輛識別實例對比分析
    6.5 本章小結(jié)
7 結(jié)論
    7.1 論文的主要工作
    7.2 研究工作展望
參考文獻
作者簡歷
學(xué)位論文數(shù)據(jù)集



本文編號：3802674