基于支持向量机的多传感器信息融合算法

被引:6
作者
陶秀凤
周鸣争
机构
[1] 安徽工程科技学院电气工程系
关键词
支持向量机; 传感器; 信息融合; 水份测量;
D O I
暂无
中图分类号
TP202 [设计、性能分析与综合];
学科分类号
0811 ; 081101 ; 081102 ;
摘要
支持向量机(Support Vector Machine,SVM)是一种基于结构风险最小化原理,具有很高泛化性能的学习算法。针对工业多传感器测控系统中,被测系数与相关参数之间存在有较大的非线性和模糊关系,提出了一种基于支持SVM的多传感器信息融合模型及算法。为小样本、非线性、高维数一类多传感器信息融合问题的建模提供了一种有效的途径。通过对“纸张水份在线测量系统”应用表明,基于SVM的多传感器信息融合模型及算法在测量精度和推广性能上都具有一定的优越性。
引用
收藏
页码:177 / 179+183 +183
页数:4
相关论文
共 2 条
[1]   多传感器融合综述 [J].
王军 ;
苏剑波 ;
席裕庚 .
数据采集与处理, 2004, (01) :72-77
[2]   多传感器信息融合及其在工业控制中的应用 [J].
袁南儿 ;
杨东勇 ;
林毅 .
浙江工业大学学报, 1999, (04) :20-25