資料融合(5)-決策融合方法

不少留言問想系統學習

資料融合

沒有材料的，推薦一本英文和一本中文書：

Handbook of multisensor data fusion

感測器資訊融合matlab程式實現

————————————————————————————————————————————-

本文承接資料融合介紹之狀態融合方法，介紹資料融合的最高層次——

決策融合

。

決策通常基於多資訊來源做出。決策融合方法屬於JDL模型中的第二層級（形勢評估）和第四層級（影響評估）。

貝葉斯方法

基於貝葉斯的資訊融合提供了一個根據

機率論

來整合證據的規範。不確定性由條件機率項來表示，取值範圍為［0，1］，0代表完全沒有可信度，1代表絕對可信。貝葉斯推斷由下式給出：

，其中先驗機率P（Y|X）表示給定資訊X條件下假設Y的可信度。這個機率由先驗機率P（Y）與給定Y為真時X的機率P（X|Y）的乘積得到。P（X）是一個

歸一化常數

。貝葉斯推理的主要缺點在於P（X）和P（X|Y）需要是已知的。

德姆斯特-謝弗推斷

（DS inference）

DS inference基於德姆斯特與謝弗提出的數學理論，是

貝葉斯理論

更一般化的表述。DS理論提出了一個可以用來表示不完整的知識、更新可信度的框架。DS推斷最基本的概念是識別幀，定義如下：

是一個系統所有可能的狀態，此時

集就被稱之為是一個識別幀，因為其中的元素被用來識別系統當前的狀態。

集

稱之為假設。在DS理論中，基於證據E，根據每一個假設都根據質量函式（

）都被賦予一個機率

。空集的質量函式為零。任意假設的質量函式都大於等於0，即

，所有假設的質量函式之和為1，即

。為了表示假設H中不完整的可信度，DS理論定理了

可信度函式

bel， bel 在

空間上

區域內定義為：

。bel函式在空集上為零，所有假設的bel函式之和為1。H中的doubt level可以由bel函式表示為

。為了表示每一個假設的真實性，定義pl函式為

。如果假設H的真實性更高，那麼相應地不確定性就更少。

置信區間

［bel（H），pl（H）］定義了假設H中的真實可信度。為了能夠將兩個質量函式結合在一起，DS理論中定義了運算

：

。與貝葉斯推斷相反，DS推斷不需要先驗機率，因為先驗機率在獲得資訊時才需要。

反繹推理

反繹推理是一種推理方法，其選擇假設的依據為如果假設為真，那麼假設最精確地介紹了觀測的事件。換句話說，當一個事件被觀測後，反繹推理試圖尋找最佳的解釋。在機率推理的範疇裡，反繹推理根據一些觀測變數來尋找系統變數的

先驗似然函式

。反繹推理更多的是一種推理模式而不是

資料融合技術

。

語義方法

對於多來源語義資料的融合能夠得到比單一來源的語義資料更為準確的結果。在影片處理裡對此有著廣泛研究。語義資訊融合本質上是一種處理原始感測器資料的機制，每個節點只處理合成的語義資訊。語義資訊融合通常包含兩步，搭建知識體系和模式匹配。第一步將最合適的知識合併為語義資訊。然後第二步開始融合相關的引數並且提供一個語義的解釋。語義融合可以看作是將感測器資料整合並翻譯為正式的語言的方法。因此，得到的結果會與儲存在資料庫中相近的語句進行比較。這一策略的核心在於表達相同行為的語句在語義上也是相似的。