[發(fā)明專利]一種基于數(shù)據(jù)融合的環(huán)境等級評估方法

有效

• 申請?zhí)枺?/td>: 201711445464.3
• 申請日: 2017-12-27
• 公開（公告）號: CN108090515B
• 公開（公告）日: 2020-04-21
• 發(fā)明（設(shè)計）人: 倪曉軍;湯振;葛昌利
• 申請（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06Q10/06;G06Q50/26
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 劉莎

1.一種基于數(shù)據(jù)融合的環(huán)境等級評估方法，其特征在于，包括以下步驟：

步驟1：通過各個傳感器實時獲取環(huán)境特征參數(shù)信息，并對采集到的環(huán)境特征參數(shù)進行預(yù)處理；

步驟2：利用自適應(yīng)加權(quán)平均算法，融合同質(zhì)傳感器所獲得的環(huán)境特征參數(shù)，得到同質(zhì)傳感器的環(huán)境特征參數(shù)融合值；

步驟3：將步驟2中環(huán)境特征參數(shù)融合值進行組合，構(gòu)成環(huán)境特征參數(shù)的特征向量；

步驟4：將各個傳感器獲取的歷史環(huán)境特征參數(shù)按照步驟1至3的處理后，建立由環(huán)境特征參數(shù)的特征向量構(gòu)成的環(huán)境特征參數(shù)數(shù)據(jù)集U；并選擇帶有環(huán)境評判等級標(biāo)記的特征向量，按照不同的環(huán)境評判等級標(biāo)記分別構(gòu)成已標(biāo)記數(shù)據(jù)集P_k，k＝1,2,…,K，K表示環(huán)境評判等級數(shù)；

步驟5：將步驟4中的數(shù)據(jù)集U和P_k分別進行歸一化處理后，基于SPY方法與樸素貝葉斯分類器生成每個環(huán)境評判等級的分類模型，具體為：

5-1：從數(shù)據(jù)集P_k中隨機抽取一定的數(shù)據(jù)，構(gòu)成數(shù)據(jù)集Spy；

5-2：將數(shù)據(jù)集P_k-Spy作為正例訓(xùn)練集、數(shù)據(jù)集U∪Spy作為反例訓(xùn)練集，使用樸素貝葉斯分類器建立第一分類模型M_Sk；

5-3：將數(shù)據(jù)集Spy中的特征向量分別輸入第一分類模型M_Sk，得出其中每個特征向量屬于第k個環(huán)境等級的概率，并設(shè)置其中的最小概率值為閾值ε；

5-4：將數(shù)據(jù)集P_k作為正例訓(xùn)練集、數(shù)據(jù)集U作為反例訓(xùn)練集，使用樸素貝葉斯分類器建立第二分類模型M_Rk；

5-5：將數(shù)據(jù)集U中的特征向量分別輸入第二分類模型M_Rk，得出其中每個特征向量屬于第k個環(huán)境等級的概率，提取出概率值小于閾值ε的特征向量組成數(shù)據(jù)集RN；

5-6：將數(shù)據(jù)集P_k作為正例訓(xùn)練集、數(shù)據(jù)集RN作為反例訓(xùn)練集，使用樸素貝葉斯分類器建立最終的環(huán)境評判等級的分類模型M_k；

步驟6：將實時獲取環(huán)境特征參數(shù)信息按照步驟1至3的處理后，分別輸入步驟5建立最終的環(huán)境評判等級的分類模型M_k中，輸出值最大的分類模型對應(yīng)的環(huán)境評判等級即為該實時獲取環(huán)境特征參數(shù)信息的環(huán)境等級評估結(jié)果。

2.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)融合的環(huán)境等級評估方法，其特征在于，步驟1中采用格拉布斯判定準(zhǔn)則對環(huán)境特征參數(shù)進行預(yù)處理。

3.根據(jù)權(quán)利要求2所述的一種基于數(shù)據(jù)融合的環(huán)境等級評估方法，其特征在于，采用格拉布斯判定準(zhǔn)則對環(huán)境特征參數(shù)進行預(yù)處理，具體包括：

1-1：分別計算獲取的環(huán)境特征參數(shù)的平均值和標(biāo)準(zhǔn)差；

1-2：根據(jù)步驟1-1中得到的平均值和標(biāo)準(zhǔn)差，計算出格拉布斯統(tǒng)計量；

1-3：根據(jù)步驟1-2中獲得的格拉布斯統(tǒng)計量對獲取的環(huán)境特征參數(shù)進行篩選，剔除格拉布斯統(tǒng)計量大于等于格拉布斯判定準(zhǔn)則臨界值的環(huán)境特征參數(shù)。

4.根據(jù)權(quán)利要求3所述的一種基于數(shù)據(jù)融合的環(huán)境等級評估方法，其特征在于，格拉布斯判定準(zhǔn)則臨界值為V(n,a)，其中，n為環(huán)境特征參數(shù)值的采集次數(shù)，a為顯著水平且a取0.01或0.05。

5.根據(jù)權(quán)利要求1所述的一種基于數(shù)據(jù)融合的環(huán)境等級評估方法，其特征在于，步驟2中同質(zhì)傳感器的環(huán)境特征參數(shù)融合值為其中，同質(zhì)傳感器中第j個傳感器的最優(yōu)加權(quán)因子σ_j為同質(zhì)傳感器中第j個傳感器的標(biāo)準(zhǔn)差，為同質(zhì)傳感器中第j個傳感器的平均值，m為同質(zhì)傳感器中傳感器的個數(shù)，j＝1,2,3,···,m。