自适应模糊C均值聚类的数据融合算法

论文摘要

针对基于改进模糊聚类的数据融合算法存在融合不精确、融合可信度较低等不足,为了解决多个同质传感器在无先验知识的情况下对同一个目标的某一特征进行测量的数据融合问题,提出了一种自适应模糊C均值聚类的数据融合算法,主要是把自适应模糊C均值聚类应用到数据融合中。该算法首先在改进的模糊聚类中通过引入自适应系数以发现不同形状和大小的聚类子集,使得融合结果更精确;其次将卡尔曼滤波原理和基于多层感知机的神经网络预测法应用到误差协方差估计中,提高了融合可信度。实验结果表明,与7种经典数据融合算法进行对比,该算法在4个模拟数据集与真实数据集上融合结果较好,特别在判别函数与融合误差方面优势更为明显。

论文目录

• 1 引言
• 2 问题描述
• 3 ARFCM算法
•   3.1 算法思想
•   3.2 算法步骤
•   3.3 算法时间复杂度
•   3.4 算法的收敛性分析
• 4 实验结果与分析
•   4.1 合成数据集实验
•   4.2 真实数据集实验
•   4.3 算法效率
• 5 结束语

文章来源

类型: 期刊论文

作者: 吴会会,高淑萍,彭弘铭,赵怡

关键词: 模糊聚类,自适应,多传感器,隶属度影响因子,数据融合

来源: 计算机工程与应用 2019年05期

年度: 2019

分类: 信息科技,基础科学

专业: 数学,计算机软件及计算机应用

单位: 西安电子科技大学数学与统计学院,西安电子科技大学通信工程学院

基金: 国家自然科学基金(No.91338115),高等学校学科创新引智基地“111”计划(No.B08038)

分类号: O159;TP301.6

页码: 26-35+82

总页数: 11

文件大小: 1665K

下载量: 452