• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>Thirty-Fifth Annual Conference on Information Sciences and Systems Vol.2, Mar 21-23, 2001, Baltimore, Maryland >Data Fusion and Hierarchical Models ― A Bayesian Sampling Approach to Distributed Detection
【24h】

Data Fusion and Hierarchical Models ― A Bayesian Sampling Approach to Distributed Detection

机译：数据融合和分层模型-一种用于分布式检测的贝叶斯采样方法

获取原文
获取原文并翻译 | 示例
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper we propose a novel approach in fusing decisions from distributed sensors. Specifically, data fusion problem is reformulated using hierarchical model and a Bayesian sampling scheme is developed for the fusion of decisions from local sensors. We demonstrate through numerical simulation that this fusion approach has virtually the same performance as maximum likelihood based fusion rule whenever it exists. Yet unlike likelihood based approach, this new approach is readily applicable to more complicated situation and exhibits robustness against environment uncertainty.
机译：在本文中，我们提出了一种新颖的方法来融合来自分布式传感器的决策。具体来说，使用层次模型重新定义数据融合问题，并开发贝叶斯采样方案以融合来自本地传感器的决策。通过数值仿真，我们证明了这种融合方法实际上与基于最大似然的融合规则具有相同的性能。然而，与基于可能性的方法不同，该新方法可轻松应用于更复杂的情况，并具有针对环境不确定性的鲁棒性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号