• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Big Data Intelligence >Big uncertain data of multiple sensors efficient processing with high order multi-hypothesis: an evidence theoretic approach
【24h】

Big uncertain data of multiple sensors efficient processing with high order multi-hypothesis: an evidence theoretic approach

机译：具有高阶多重假设的多传感器有效处理的大不确定数据：证据理论方法

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

With the proliferation of IoT, numerous sensors are deployed and big uncertain data are collected due to the different accuracy, sensitivity range, and decay of the sensors. The goal is to process the data and determine the most potential hypothesis among the set of high order multi-hypothesis. In this study, we propose a novel big uncertain sensor fusion framework to take advantage of evidence theory's capability of representing uncertainty for decision making and effectively dealing with conflict. However, the methods in evidence theory are in general very computationally expensive, thus they may not be directly applied to multiple data sources with high cardinality of hypotheses. Furthermore, we propose a Dezert-Smarandache hybrid model that can apply to applications with high number of hypotheses while the computational cost is reduced. Both synthetic and real data from experiments are used to demonstrate the feasibility of the proposed method for practical situation awareness applications.
机译：随着物联网的发展，由于传感器的精度，灵敏度范围和衰减度不同，因此部署了许多传感器，并收集了大量不确定的数据。目标是处理数据并确定一组高阶多重假设中最有潜力的假设。在这项研究中，我们提出了一个新颖的大不确定性传感器融合框架，以利用证据理论的代表不确定性进行决策和有效处理冲突的能力。但是，证据理论中的方法通常在计算上非常昂贵，因此它们可能无法直接应用于具有高基数假设的多个数据源。此外，我们提出了一种Dezert-Smarandache混合模型，该模型可以应用于具有大量假设的应用程序，同时可以降低计算成本。来自实验的综合数据和真实数据均用于证明所提出的方法在实际情况感知应用中的可行性。

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