基于貝葉斯推理的數(shù)據(jù)融合

《基于貝葉斯推理的數(shù)據(jù)融合》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、基于貝葉斯推理的數(shù)據(jù)融合1貝葉斯推理的基本原理12數(shù)據(jù)融合中的貝葉斯推理23貝葉斯推理方法的優(yōu)缺點(diǎn)31貝葉斯推理的基本原理貝葉斯推理是英國學(xué)者ThomasBayes于1763年提出的，兩個(gè)世紀(jì)以來，它越發(fā)展現(xiàn)出廣闊的應(yīng)用前景。貝葉斯推理的基本原理是隨著測量的到來，將給定假設(shè)的先驗(yàn)密度更新為后驗(yàn)密度。貝葉斯推理與經(jīng)典推理的不同之處，除對似然函數(shù)進(jìn)行變換外，還可以用于多假設(shè)情況。貝葉斯推理的基本原理是：給定一個(gè)前面的似然估計(jì)后，若又增加一個(gè)證據(jù)（測量），則可以對前面的（關(guān)于目標(biāo)屬性的）似然估計(jì)加以更新。也就是說，隨著

2、測量值的到來，可以將給定假設(shè)的先驗(yàn)密度更新為后驗(yàn)密度。貝葉斯推理的另一個(gè)特點(diǎn)是它適合于多假設(shè)情況。假設(shè)表示n個(gè)互不相容的窮舉假設(shè)（即存在具有屬性i的一個(gè)目標(biāo)）為一個(gè)事件（或事實(shí)，觀測等），貝葉斯公式的形式為：(1)且表示事件出現(xiàn)的可能性大小，為假設(shè)為真的先驗(yàn)概率，這是實(shí)驗(yàn)前就已知道的事實(shí)。為給定證據(jù)B（目標(biāo)i存在）條件下，假設(shè)為真的后布密度。2數(shù)據(jù)融合中的貝葉斯推理貝葉斯推理方法可以對多傳感器測量數(shù)據(jù)進(jìn)行融合，以計(jì)算出給定假設(shè)為真的后驗(yàn)概率。設(shè)有n個(gè)傳感器，它們可能是不同類的，他們共同對一個(gè)目標(biāo)進(jìn)行探測。再設(shè)目標(biāo)

3、有m個(gè)屬性需要進(jìn)行識別，即有m個(gè)假設(shè)或命題。貝葉斯融合算法在實(shí)現(xiàn)上分多級進(jìn)行。在傳感器一級，將測量數(shù)據(jù)依其獲取的信息特征與要識別的目標(biāo)屬性聯(lián)系進(jìn)行分類，最終給出關(guān)于目標(biāo)屬性的一個(gè)說明，它依賴于測量數(shù)據(jù)和傳感器分類法。第二步是計(jì)算每個(gè)傳感器的說明（證據(jù)）在各假設(shè)為真條件下的似然函數(shù)。第三步是依據(jù)貝葉斯公司計(jì)算多測量證據(jù)下各個(gè)假設(shè)為真的后驗(yàn)概率。最后一步是判定邏輯，以產(chǎn)生屬性判定結(jié)論，過程如圖1所示圖1基于貝葉斯推理的數(shù)據(jù)融合在第三步中，計(jì)算目標(biāo)身份的融合概率應(yīng)分兩步。首先，計(jì)算出假設(shè)條件下，n個(gè)證據(jù)聯(lián)合似然函數(shù)，當(dāng)

4、各傳感器獨(dú)立探測時(shí)，相互獨(dú)立，該聯(lián)合似然函數(shù)為(2)然后，應(yīng)用Bayes公式得到n個(gè)證據(jù)條件下，假設(shè)的后驗(yàn)概率(3)第四步一般是采用極大后驗(yàn)判定邏輯，直接選取或判定門限選取具有最大后驗(yàn)聯(lián)合概率的目標(biāo)屬性。取滿足下述條件的假設(shè)(4)作為判定結(jié)果。在需要的場合，還需要對最大后驗(yàn)概率的假設(shè)景象門限判定，判定規(guī)則如下：為判定門限，若(5)則接受否則拒絕判斷等下一觀測的到來。形成新的證據(jù)，再進(jìn)行上述判定過程。在使用貝葉斯方法時(shí)，需要我們實(shí)現(xiàn)能計(jì)算每個(gè)傳感器對每個(gè)假設(shè)時(shí)間的似然函數(shù),以及各假設(shè)事件的先驗(yàn)概率。當(dāng)先驗(yàn)知識里缺少

5、各假設(shè)事件發(fā)生的可能性時(shí)，我們可以采用無差別對待原則，即可以為各設(shè)置相同的值。3貝葉斯推理方法的優(yōu)缺點(diǎn)貝葉斯推理方法是最早用于補(bǔ)確定推理的方法，主要優(yōu)點(diǎn)是具有公理基礎(chǔ)和易于理解的數(shù)學(xué)性質(zhì)，而且僅需中等計(jì)算時(shí)間。主要缺點(diǎn)有：（1）所有要求的概率都是獨(dú)立的，這給實(shí)際系統(tǒng)帶來了很大的困難。有時(shí)甚至是不實(shí)際的。（2）先驗(yàn)知識的條件概率的獲取，一方面比較困難，另一方面，很難保證領(lǐng)域?qū)＜医o出的概率具有前有一致性，就需要領(lǐng)域?qū)＜液陀?jì)算機(jī)花大量的時(shí)間來檢驗(yàn)系統(tǒng)中概率的一致性。（3）為了保證系統(tǒng)的相關(guān)性和一致性，在系統(tǒng)中增加或刪除

6、一個(gè)規(guī)則時(shí)，需要重新計(jì)算所有的概率，不利于規(guī)則庫的及時(shí)增加新規(guī)則或刪除舊規(guī)則。（4）貝葉斯方法要求有統(tǒng)一的識別框架，不能再不同的層次上組合證據(jù)，當(dāng)對不同層次的證據(jù)進(jìn)行組合時(shí)，由于強(qiáng)行分配先驗(yàn)概率等，肯呢個(gè)引起錯(cuò)誤的結(jié)論。