基于数据驱动的信息融合及其在车辆声辨识中的应用

• 作者: 林岳松 郭宝峰 陈琳
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 信息融合 数据驱动 车辆声辨识 贝叶斯决策融合
• 年，卷（期）: 2011,（9）
• 所属期刊栏目: 论文
• 页码范围: 2158-2163
• 分类号: TP391
• 字数: 6249字
• 语种: 中文
• DOI: 10.3724/SP.J.1146.2011.00156

摘要

传统多源信息融合方法大都依赖于事先建立的理论机理模型,一般会引入一定的简化操作.然而实际中的应用往往会较为复杂,建立的理论模型一般存在一定的偏差.在某些情况下,满足性能要求的理论模型甚至无法给出.针对这样的缺陷,该文根据数据驱动的思想,提出了两种基于数据驱动的信息融合实现方法.通过联合利用基于数据的特征集与基于模型的特征集,有效弥补了模型中缺失的信息,从而提高信息融合的性能.将其运用在一个基于声音信息融合的地面车辆辨识实例中,获得了良好的识别性能,展现出将数据驱动处理思路引入信息融合的可行性和优点.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林岳松	杭州电子科技大学信息与控制研究所	39	200	9.0	11.0
2	陈琳	杭州电子科技大学信息与控制研究所	16	98	5.0	9.0
3	郭宝峰	杭州电子科技大学信息与控制研究所	22	78	5.0	7.0