北航多源信息融合课件4属性融合知识讲解

2020/5/23
多源测试信息融合
12
属性融合算法--物理模型（1）
例: 成像传感器用于遥感，识别某一对象，并且已
经有一些观测对象的简单模型，如：二维几何图 形或实体照片。
一般来讲识别过程看似很简单：将两幅图像进 行比较，但实质计算需要进行很多工作：传感器 几何校正、滤波补偿、平台校正、动态调整和照 片匹配等等。
多源测试信息融合
17
属性融合算法--基于知识的方法(3)
对象 目标
传 感 器
观测信号 观测模型
特
基于
征
知识
属性识别报告
抽
的系统
取
先验 知识
库
语法规则 框架 逻辑模板
图3 基于知识的属性识别
2020/5/23
多源测试信息融合
18
Outline
属性融合算法概述 ➢ 属性融合算法分类 ➢ 属性融合算法概述
2020/5/23
多源测试信息融合
8
物 理 模 型
()
识属 别性
参 数
算 法
融 合
分 类
基 于 知 识 的 模 型
2020/5/23
模拟 估计
语法分析 映像代数 统计算法
信息论技术 逻辑模板 品质因数 专家系统
模糊集系统
多源测试信息融合
Kalman滤波 极大似然估计 最小二乘法
经典推理 Bayes
1.在[0,1]上映射属性的信任度或可能性等； 2.按一定的融合规则，对反应各属性的信任度和可能性进行 融合，得到各属性的最终信任度或可能性； 3.根据融合结果作出决策。
2020/5/23
多源测试信息融合
5
多属性融合概述
由于属性的表达形式复杂多样，有可度 量的，也有不可度量的形式，因此，检测方 法各不相同。
Βιβλιοθήκη Baidu
2020/5/23
多源测试信息融合
13
属性融合算法--参数分类法(2)
参数分类技术是依据参数数据获得属性 说明，而不使用物理模型。在参数数据（如 特征）和一个属性说明之间建立一个直接的 映像。具体包括统计算法和信息论方法。
统计算法有经典推理、Bayes推理、D-S证 据理论方法等。
信息论方法有：模板法、聚类分析、自 适应神经网络、表决法和熵法等。
Dempster-Shafer 参数模板 聚类分析
自适应神经网络 表决法 熵法
图1 属性融合算法的分类
9
属性融合算法--物理模型（1）
物理模型所采用的技术是根据物理模型 模拟出可观测或可计算的数据，并把观测数 据与预先存储的目标特征或根据物理模型对 观测对象进行预测所得出的模拟特征进行比 较。比较过程涉及到计算预测数据和实测数 据的相关关系。如果相关系数超过一个预先 规定的阈值，则认为两者存在匹配关系。这 种方法的处理过程如图2所示。
2020/5/23
多源测试信息融合
15
属性融合算法--参数分类法(2)
D-S证据理论方法是一种较新的属性融合 方法，是经典概率论的扩展，是一种不确定 性推理方法，为不确定信息的表达和合成提 供了强有力的方法，特别适用于决策级信息 融合。但其在计算上的复杂度比较高。
2020/5/23
多源测试信息融合
16
属性融合算法--基于知识的方法(3)
属性融合算法的第三种主要方法是基于 知识的模型。这些方法主要是模仿人类对属 性判别的推理过程，它们可以在原始传感器 数据或抽取的特征基础上进行。图3是用此类 方法进行目标属性识别的原理。
这类方法主要包含：逻辑模版、知识（ 专家）系统和模糊集合论。
2020/5/23
贝叶斯统计理论
2020/5/23
多源测试信息融合
19
1.2 属性融合算法概述
（1）经典推理
经典推理技术中的假设检验，是在给定 先验知识的两种假设 H0 和 H1 中做出接受哪 一个的判断。该技术是从样本出发，根据样 本的量测值制定一个规则（阈值），因此， 这种方法，只要知道事件的观测值，就可以 利用这一规则做出判定。
2020/5/23
多源测试信息融合
10
属性融合算法--物理模型（1）
对象 目标
传 感 器
观测信号 观测模型
对象物理特性
属性识别报告
观 测 预 处 理
属性 识别 处理
观 测 模 型
观察模型
图像信号
物理模型1 物理模型2
先验 信号 文件
...
物理模型n
图2 属性识别的物理模型方法
2020/5/23
多源测试信息融合
11
属性融合算法--物理模型（1）
预测一个实体特征的物理模型必须建立在 被识别物体的物理特征基础上。对于每一种（ 类）被识别物体，都需要建立一个（组）物理 模型。因此，在实际应用中，即使物理模型相 对简单或已有先验特征数据的情况下，其观测 模型和信息处理过程的运算量也非常庞大。其 实际应用很有限，但在非实时环境中，研究观 测对象的物理现象时非常有用。
2020/5/23
多源测试信息融合
14
属性融合算法--参数分类法(2)
经典推理技术在给定先验前提假设下计 算一个观测的概率，它的缺点是一次仅能估 计两个假设，而多变量数据复杂度高，不能 直接使用先验似然估计。
Bayes推理在目标属性估计中，其缺点是 定义先验似然函数困难；当存在多个可能假 设和多条相关事件时复杂度高，需要对应的 互不相容的假设，缺乏分配总的不确定性的 能力。
3
多属性融合概述
多属性融合
属性即事物本身所固有的性质。是物质必然的、基本的、 不可分离的特性，是事物某个方面质的表现。一定质的事物 常表现出多种属性。
多属性融合是利用多传感器检测信息对目标的属性和类 型进行判断。
2020/5/23
多源测试信息融合
4
多属性融合概述
多属性融合与通常所说的多属性决策不同，多 属性融合一般包含以下3个步骤：
《多源测试信息融合》
第三讲 多源属性融合原理
Outline
属性融合算法概述 ➢ 属性融合算法分类 ➢ 属性融合算法概述
贝叶斯统计理论
2020/5/23
多源测试信息融合
2
Outline
属性融合算法概述 ➢ 属性融合算法分类 ➢ 属性融合算法概述
贝叶斯统计理论
2020/5/23
多源测试信息融合
本次课程先简单介绍属性融合算法的分 类，然后介绍几种常用的属性融合算法。
2020/5/23
多源测试信息融合
6
Outline
属性融合算法概述 ➢ 属性融合算法分类 ➢ 属性融合算法概述
贝叶斯统计理论
2020/5/23
多源测试信息融合
7
1 属性融合算法分类
1.1 属性融合算法分类
对属性融合不存在精确的和唯一的算法分类， 在属性融合领域中有统计法、经典推理、Bayes方 法、模板法、表决法以及自适应神经网络等算法。 一般归纳为三大类：物理模型、参数分类技术和 基于知识的模型法。