典型文献
一种多源传感器数据层叠降维分类融合器设计
文献摘要：
多源传感器数据具有非线性、高维度的特征,因此难以准确分类,直接进行数据融合后的噪声较大,可用性降低,为此提出一种多源传感器数据层叠分类降维融合方法.设计基于深度学习的层叠自动降维分类器(SAESM),将SAESM和Softmax分类器结合在一起,在簇内完成源传感器数据特征提取并区分数据属性类别.针对不同类别数据分类后构成的集合,分配一个可以代表数据类别的簇首节点,统一传输给汇聚节点.汇聚节点对簇首节点整合的信息表进行参数融合处理,完成多源传感器数据融合.实验分析结果表明:针对多源传感器数据特征提取分类正确的样本数量较高,融合后噪声数据量得到有效降低.
文献关键词：
多源传感器;数据分类融合;深度学习;自编码器;Softmax分类器;特征提取
中图分类号：
作者姓名：
叶成景;郭海涛;陈红玲;杨叶芬
作者机构：
广东科学技术职业学院机器人学院,广东 珠海519090;华南理工大学土木交通学院,广东 广州510640
文献出处：
引用格式：
[1]叶成景;郭海涛;陈红玲;杨叶芬-.一种多源传感器数据层叠降维分类融合器设计)[J].传感技术学报,2022(08):1117-1122
A类：
SAESM,数据分类融合
B类：
数据层,层叠,融合器,高维度,接进,可用性,融合方法,分类器,Softmax,合在一起,数据特征,数据属性,别数,数据类别,首节,一传,输给,汇聚节点,点整,参数融合,融合处理,多源传感器数据融合,取分,样本数量,噪声数据,数据量,自编码器
AB值：
0.276729
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
