基于潜在变量二元回归模型的多传感器数据融合

• 作者: 刘海涛 楼晓俊 鲍必赛
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 数据融合 潜在变量二元回归模型 Gibbs抽样 置信度
• 年，卷（期）: 2012,（1）
• 所属期刊栏目: 物联网专题
• 页码范围: 29-33
• 分类号: TP391
• 字数: 3224字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5439.2012.01.007

摘要

针对目前数据融合算法存在的置信度无法获取的问题,提出了一种基于潜在变量二元回归模型( Latent Variable Binary Regression Model)的多传感器数据融合算法.将每个传感器获取的特征值作为多变量回归模型中的相关变量,通过Gibbs抽样得到潜在变量的分布概率,确定多变量回归模型中的表征量作为融合结果,并以潜在变量的分布概率作为融合结果的置信度.基于实地采集的运动目标震动信号进行仿真实验,结果表明该融合方法拥有较好的识别效果,同时能够给出识别结果的置信度.其中错分类的结果具有较低的置信度,可以提醒观测者做进一步的观察.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘海涛	中国科学院上海微系统与信息技术研究所无线传感器网络与通信重点实验室	121	805	17.0	22.0
5	鲍必赛	中国科学院上海微系统与信息技术研究所无线传感器网络与通信重点实验室	5	27	3.0	5.0
6	楼晓俊	中国科学院上海微系统与信息技术研究所无线传感器网络与通信重点实验室	9	59	4.0	7.0