| 结合新型模糊支持向量机和证据理论的多传感器水质数据融合 |
| |
| 引用本文： | 梁 楠,邹志红.结合新型模糊支持向量机和证据理论的多传感器水质数据融合[J].国际商务研究,2020(3). |
| |
| 作者姓名： | 梁 楠 邹志红 |
| |
| 作者单位： | 北京航空航天大学 经济管理学院，北京 100083,北京航空航天大学 经济管理学院，北京 100083 |
| |
| 摘 要： | 在多传感器水质数据融合领域，证据理论是有效的数据融合方法之一，但基本概率分配一般不易确定，从而使数据融合能力难以有效发挥。支持向量机是统计学习理论之上的高级分类算法，具有普适性和全局优化等特点，但输出的基本概率分配有待进一步提高。提出了一种基于证据理论和新型模糊支持向量机相结合的数据融合方法，通过建立基于分类超平面距离的模糊隶属度，训练模糊支持向量机提高传统支持向量机的基本概率分配，并结合证据理论进行海河水质数据融合。通过证据理论分别结合支持向量机和模糊综合评价法与上述方法进行对比实验，经精度、平均绝对百分误差、均方根误差等指标验证，精度提高10.5%，表明所提方法是一种可靠的多传感器的水质融合方法，较其他方法具有更高的融合精度。
|
| 关 键 词： | 多传感器水质数据融合 模糊支持向量机 证据理论 模糊隶属度 主成分分析 |
Multi-sensor water quality data fusion combining novel fuzzy SVM and D-S evidence algorithm |
| |
| LIANG Nan and ZOU Zhihong.Multi-sensor water quality data fusion combining novel fuzzy SVM and D-S evidence algorithm[J].International Business Research,2020(3). |
| |
| Authors: | LIANG Nan and ZOU Zhihong |
| |
| Institution: | School of Economics and Management,Beijing University of Aeronautics and Astronautics,Beijing 100083,China and School of Economics and Management,Beijing University of Aeronautics and Astronautics,Beijing 100083,China |
| |
| Abstract: | |
| |
| Keywords: | multi-sensor water quality data fusion fuzzy support vector machine D-S evidence algorithm fuzzy membership principal component analysis |
|
| 点击此处可从《国际商务研究》浏览原始摘要信息 |
| 点击此处可从《国际商务研究》下载免费的PDF全文 |
