大数据环境下多维传感器数据融合算法研究

摘要：

在分析国内外大数据及数据融合研究现状的基础上,针对多维传感器产生的海量数据存在冗余性、割裂性、片面性,数据来源广、维度多、类型杂等特点,分析了数据融合的基本原理及基本步骤,并论述了数据融合的分类方法.在此基础上,提出基于深度置信网络(DBN)的多维传感器数据融合算法,在人工神经网络基础上,重点介绍了DBN的结构及DBN的训练过程.在每一层中,采用数据向量推断隐层,然后把这一隐层作为下一层的数据向量,从而寻找最佳权值.在设定的实验场景下,对多维传感器数据集实例进行实验.实验中分析了算法的重构误差、算法的耗时性等参数.仿真结果表明,所提出的算法具有有效性和优越性,对改进大数据环境下多维传感器数据融合算法具有借鉴意义.

关键词：数据融合、多维传感器、大数据、机器学习、隐层推断、特征提取

所属期刊栏目：44

分类号：TN919-34;TP393.1

资助基金：河北省重点研发计划自筹项目17270203

在线出版日期：2021-04-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：28-31