[发明专利]决策融合方法、装置及系统

说明书

本发明提供一种决策融合方法、装置及系统，属于决策融合技术领域，其可解决现有的决策融合结果不精确的问题。本发明的决策融合方法，其特征在于，包括：获取传感器的目标类别集合，目标类别集合包括c种目标类别，c>1；获取传感器的观测数据和中心度，并根据观测数据确定传感器的本地决策类别；根据传感器的观测数据、中心度以及c个目标类别，依照第一预设算法，分别确定传感器的可靠度；根据传感器的观测数据和c个目标类别确定传感器的决策概率；其中，决策概率为传感器的本地决策类别分别为不同目标类别的条件概率；根据传感器的可靠度和决策概率确定传感器的全局决策。

技术领域

本发明属于决策融合技术领域，具体涉及一种决策融合方法、装置及系统。

背景技术

随着传感器技术的发展，传感器的计算和存储能力得到大大提升。决策融合方法允许节点(传感器)利用自身的能力将观测到的数据转换为本地决策并且上传到融合中心，最终成为一个全局决策。在决策融合方法中，由于数据量大大的减少，因此传输数量所消耗的能量极大的降低，从而提高了网络的生存时间。

在无线传感器网络中，节点传输能量有限并且传输带宽较抵，在很多场景下直接向服务器发送数据不可取。因此需要使用决策融合方法在本地对数据进行分类识别，并且将本地决策结果发送至融合中心进行融合，从而消除了能量和传输带宽的限制，从而提升了全局识别精度。因此，如何在限制一定数据传输量的前提下，提升决策融合结果的精度具有重要意义。

目前常用的决策融合方法主要有：概率融合方法和粗糙集融合方法。而其中，概率融合方法无法有效处理观测数据的模糊性和精确性，且概率融合方法需要事先了解观测数据的先验分布，这在绝大多数情况下是无法事先预知的，因此有一定的局限性；粗糙集融合方法的基本思想是问题被看作是论域的划分，并且将数据的详细程度用“粒度”来表示。当粒度比较大时，问题就会出现不确定性。通过属性简约过程就能消除冗余属性，并得到融合结果。但是由于粗糙集融合方法比较前沿，当前在实际应用中还比较少。

总之，当前的决策融合方法要么需要事先知道数据的先验分布，要么在实际应用中还比较少，造成了决策融合结果的不精确性以及数据的传输量的浪费。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一，提供一种能够提高决策融合精度的决策融合方法。

解决本发明技术问题所采用的技术方案是一种决策融合方法，包括：

获取传感器的目标类别集合，所述目标类别集合包括c种目标类别，c>1；

获取传感器的观测数据和中心度，并根据所述观测数据确定传感器的本地决策类别；

根据传感器的观测数据、中心度以及c个目标类别，依照第一预设算法，分别确定传感器的可靠度；

根据传感器的观测数据和c个目标类别确定传感器的决策概率；其中，所述决策概率为传感器的本地决策类别分别为不同目标类别的条件概率；

根据传感器的所述可靠度和决策概率确定传感器的全局决策。

优选的，所述获取传感器的目标类别集合的步骤包括：

获取传感器的历史观测数据，根据所述历史观测数据确定对应的目标类别，生成目标类别集合。

优选的，所述第一预设算法具体为：其中，r为传感器的可靠度，λ为传感器的中心度，β为常数，为传感器的本地决策类别与目标类别集合中第j个目标类别的欧式距离。

优选的，所述根据传感器的所述可靠度和决策概率确定传感器的全局决策的步骤具体包括：

根据传感器的所述条件概率和可靠度依照第二预设算法进行融合，得出传感器的全局决策；

其中，所述第二预设算法具体为：其中，ω为传感器的全局决策，P为传感器的决策概率。