基于SVM的多源异构数据融和方法
合集下载
相关主题
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
征级和决策级 。本文基于统计学 习理论 支持 向量 机( S VM) 机制 , 对 多源异构 数据 特征级 融合进行 了研 究 , 实验证 明此方法能有效实现 多源异构数据 的融 合 , 并应用于决策支持 。 关键词 : 数 据融合 , S VM, 支持向量机 , 大数据
中图分类号 : T P 3 1 1 文献标识码 : A 文章编号 : 1 6 7 3 —7 9 3 8 ( 2 0 1 7 ) 0 3 —0 0 1 3 —0 4
维数灾难现象[ 3 ] 。
基金项 目: 北华航天工业学院基金项 目( B K Y. 2 0 1 4 — 0 3 )
收 稿 日期 : 2 0 1 6—1 0—2 8
的决策结果具有整体上的一致性 9 ] 。 由于不 同融合层次的融合算法都有各 自的优缺 点, 为 了提高融合技术的精确度以及融合的速度 , 研
习方法 , 采用 结构 最 小化原 则 , 学 习 目标 是得 到 现有
数 据下 的最 优解 , 而 不是样 本趋 于无 穷 时 的最优 ; 此
m i n 。 * E R 2 l 专∑ : ∑ : ( o — o ) ( 0 — a i ) K
( , , ) +e ∑ : 1 ( a +a ) 一∑ : 1 Y ( 0 一a ) 5 . t . ∑ : ( 一n ) =0 , 0 ≤n , 口 ≤了 C ( 式 2 )
Βιβλιοθήκη Baidu
0 引 言
1 多源数 据 融合 方法
随着 互 联 网及 传 感器 技 术 的 不断 进 步 , 人 类 已 进 人大 数据 时代 。针 对 大量 的 同构 或 异构 数 据 , 如
对 多 个异 构 数 据 进行 多方 面 、 多 层 次 和 多级 别
的处理 , 得出单一数据所不能获得的更有意义 的信 息, 能为各种应用 系统提供更加准确的信息 和决策
一
作者简介 : 李会 民( 1 9 7 3 一) , 男, 博士 , 讲师, 河南濮 阳人 , 研究 方向 : 模式识别与智能系统 、 数据挖掘 、 大数据分析。
1 3
2 0 1 7 年 6月
北华航天工业学 院学报
第2 7 卷
究高效的局部传感器融合策略 以及异构传感器数据
融合 算 法是 十分 必要 的 。
J u n . 2 0 1 7
基于 S V M 的多源异构 数据 融和方法
李会 民 马桂 英
( 1 . 北华航天工业学 院 计算机 与遥感信 息技术 学院 , 2 . 北 华航天 工业学院 图书馆 ,
3 . 河北工业大学 经济管理 学院; 河北 廊坊 0 6 5 0 0 0 )
摘
要: 多源异构数据融合可为决策提供更好 的支持 , 相 较于单 一数据 源有很 多优 势。异构数 据融合 常发生 在特
为三层 , 即: 数 据 级融 合 、 特征 级 融 合、 决 策 级 融
合 一 引。
数据级的融合是最低级 的数据融合 , 它是对不
同传感器采集到 的数据信息进行直接 的融合处理 ,
且对融合形成的特征进行提取和决策判断。这个融 合处理的方法 的优势是 : 数据量损失少 , 可以提供其 他融合层不能提供 的细微的信息 , 精确度高。
2 S V M 原 理
Y ) , ( , Y ) , ( 3 , Y 。 ) , ( , Y f ) } ∈( X× Y) 。然 后 设定 泛 化参数 e和上 界 c以及核 函数 K( , ) 。
最 后求 最 优级化 问题 的解 。 由
由V a p i k等人 提 出 的 S VM 支 持 向量 机 机 器 学
异构数据融合技 术进行研究 , 具有重要 的应用价值
和社 会 意义 ] 。
多 源异构信息融合 与其他数 据处理 的方法不
同, 根 据融 合 系统 中 的数 据抽 象 的层 级 , 可 将融 合分
时性和信息利用率¨ 1 ] 。融合技术能为各种应用系统 提供准确信息和决策依据 。数据融合按融合级别分 为数据级融合、 特征级融合和决策级融合 。在数据 处理研究中, 对于数据级 的数据融合通常采用神经 网络 、 卡尔曼滤波( K a l m a n ) 等方法 , 但 对于大数据 的处理 , K a l m a n 方法对脏数据很敏感 , 而且滤波参 数计算不确定 ; 神经网络方法在使用 中, 参数设置不
当会 出现学 习不 足或过 学 习现象 , 会 陷入局 部极 小 , 处理 大数 据 时 , 易 出现维 数 灾难 的 问题 2 ] 。S VM 支 持 向量 机是一 种新 型机 器学 习理 论 。它是 基 于统计 理论 , 根 据结 构风 险最小 化 而设计 的 , 目前 已成 功应 用 于多个 领域 , 特别 是对 于 大数据 的处 理 , 不会 出现
依据 。特 别是 随 着 大数 据 时代 的到 来 , 对 海 量 多 源
何运用恰当的方法对其融合处理 , 并为决策提供支 持是迫切需要解决的问题。同构或异构数据融合技 术在解决探测、 跟踪和目标识别等问题时 , 能够大大 提高系统的可靠性和鲁棒性 , 增强数据的可信度、 精
确度 , 扩 展系统 的 时 间 、 空 间 覆盖 率 , 增 加 系统 的实
第2 7卷第 3 期 2 0 1 7年 6月
北华航天工业学 院学报
J o u r n a l o f No r t h C h i n a I n s t i t u t e o f Ae F O S D a c e E n
Vo 1 . 27 No. 3
特征 级融 合 的方 法指从 各传 感 器所采 集 的原 始 数据 中抽取 出一组 特 征 信 息 , 接 着 对 各 组 特 征 信 息 来进 行融 合 。
决策级融合是数据融合中的最高层次。是把来 自 传感器数据经过预处理后对被测 目标进行独立决 策, 随后将各独立的决策进行信息融合 , 最终所获得