文献

J-GLOBAL ID：201802257683030748   整理番号：18A0165529

分散センサネットワークにおけるデータ融合と異常値除去のための一般的枠組み【Powered by NICT】

A general framework for data fusion and outlier removal in distributed sensor networks

著者 (2件)： Bakr Muhammad Abu (Intelligent Systems Research Institute, Sungkyunkwan University, Suwon, Republic of Korea) ,  Lee Sukhan (Intelligent Systems Research Institute, Sungkyunkwan University, Suwon, Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： MFI  ページ： 91-96  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： センサフュージョンの基本的な問題は,センサはしばしば予測とモデル化が困難な矛盾測定を生成として異常値を検出し,除去することである。偽データの検出と除去は融合プールへのそれらの組込みを避けることにより,センサフュージョンの品質に最も重要である。本論文では,データ融合の一般的フレームワークは任意の冗長性の分散センサネットワーク,一貫性のないデータは同フレームワーク内で同時に同定するために提示した。一般的フレームワークにより,多重相関データ源を結合させて,直接線形制約を組み込むことができる,事前情報を必要としない異常値を検出し,除去しながらことを意味している。共分散投影(CP)法と呼ぶ,提案した方法は全ての状態ベクトルを拡張空間における単一ベクターに。法を満足しなければならない状態ベクトル間の制約条件を表現する制約マニホールド上に凝集した状態ベクトルの平均と共分散,等式制約を予測した。多様体からの距離に基づいて,提案した方法は,データ源間の相対的相違を同定し,信頼度を割り当てる。法は,分散融合アーキテクチャのための最小平均二乗誤差(MMSE)の意味で非バイアス及び最適解を提供し,時間を越えた局所的推定および/またはセンサ観測間の相関と不確実性を扱うことができる。シミュレーション結果では,分散視覚センサシステムにおける矛盾の同定と除去における提案した方法の有効性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 冗長性 ,  *異常値 ,  線形性 ,  シミュレーション ,  バイアス ,  共分散 ,  センサフュージョン ,  *データ融合 ,  モデリング ,  *センサ ,  *センサネットワーク ,  不確実性 ,  多様体 ,  視覚センサ
準シソーラス用語： 状態ベクトル , 【Automatic Indexing@JST】

分類 (2件)： 無線通信一般  (ND08010L) ,  信号理論  (ND02020G)

タイトルに関連する用語 (4件)： センサネットワーク ,  データ融合 ,  異常値除去 ,  枠組み