数据融合的概率方法
摘要：使用经典概率方法（如最大熵（ME），最大似然（ML）和/或贝叶斯（BAYES）方法）来进行微观和宏观数据融合。实际上，当我们对宏观数据（期望）存在时，可以使用最大熵为未知数量分配概率法则。当我们有微观数据（直接观察）时，可以使用最大似然来估计概率法则的参数。当我们通过似然函数有微观数据时，可以使用贝叶斯来更新先验概率法则。当我们同时具有微观和宏观数据时，我们可以首先使用最大熵分配先验概率，然后使用贝叶斯更新为后验概率，从而实现期望的数据融合。然而，在实际数据融合应用中，我们可能仍然需要一些工程感觉来提出现实的数据融合解决方案。为了说明这些想法，本文提供了一些在传感器数据融合和使用不同类型数据的图像重建方面的简单示例。关键词：数据融合，最大熵，最大似然，贝叶斯数据融合，EM算法。
作者：A. Mohammad-Djafari (Laboratoire des Signaux et Syst`emes, CNRS-UPS-SUPELEC, Gif-sur-Yvette, France)
论文ID：physics/0111118
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2007-05-23