排序方式： 共有3条查询结果，搜索用时 6 毫秒
1
1.
针对多传感器一致性测度的研究多集中于对某一时刻多传感器观测结果的判断,并未考虑时间序列的影响,导致某一时刻的一致性测度结果并不可信的问题,在传统的一致性测度基础上,采用一致性测度结果队列的中值作为测度结果的鲁棒估计,采用一致性测度结果队列的方差描述测度结果的稳定性,实现对一致性测度结果进行可信度评价,从而获得对传感器观测结果可靠性更好、可信度更高的评估.仿真实验表明,通过对多传感器观测数据的一致性测度结果进行可信度加权,可以显著提高一致性测度的鲁棒性,可以消除由于传感器性能不稳定带来的影响,有效识别出性能不稳定的传感器并将其剔除,为数据融合提供一致性传感器组. 相似文献
2.
针对传感器观测结果可能存在虚假甚至错误信息从而影响数据融合估计的问题,研究了一种度量多传感器观测结果一致性的测度算子.在进行数据融合估计之前,首先对多传感器的观测结果进行一致性检验,从而识别并剔除失效传感器的观测结果,最终获得一致性估计.该一致性测度算子基于Hampel粗差鉴别思想,同时考虑传感器的自支持度和传感器之间的互支持度,经过综合后给出传感器观测结果的一致性测度信息.仿真实验结果表明,该方法简单有效,能够准确识别传感器的虚假和错误观测结果,剔除失效传感器,同时能够给出传感器观测结果的质量评价,为数据融合估计提供可靠的一致性传感器组. 相似文献
3.
针对最小二乘支持向量机在利用产生于工业现场的非理想数据集进行建模预测时,稀疏化模型鲁棒性差的问题,提出了一种基于模糊C均值聚类和密度加权的稀疏化方法.首先通过模糊C均值聚类将训练样本划分为若干个子类;然后计算每个子类中各样本的可能贡献度,依次从每个子类中选取具有最大可能贡献度的样本作为支持向量;最后更新每个样本的可能贡献度,继续从各个子集中增选支持向量,直至稀疏化后的模型性能满足要求.仿真结果和磨机负荷实际应用表明,该方法能够兼顾模型在整体样本集和各工况子集上的性能,在实现模型稀疏化的同时,能够显著改善最小二乘支持向量机模型的鲁棒性. 相似文献
1