决策融合是啥

Posted 2023-04-04

参考技术A 决策通常基于多信息来源做出。决策融合方法属于JDL模型中的第二层级（形势评估）和第四层级（影响评估）。

贝叶斯方法
基于贝叶斯的信息融合提供了一个根据概率论来整合证据的规范。不确定性由条件概率项来表示，取值范围为[0,1]，0代表完全没有可信度，1代表绝对可信。贝叶斯推断由下式给出：  ，其中先验概率P(Y|X)表示给定信息X条件下假设Y的可信度。这个概率由先验概率P(Y)与给定Y为真时X的概率P(X|Y)的乘积得到。P(X)是一个归一化常数。贝叶斯推理的主要缺点在于P(X)和P(X|Y)需要是已知的。

德姆斯特-谢弗推断（DS inference）
DS inference基于德姆斯特与谢弗提出的数学理论，是贝叶斯理论更一般化的表述。DS理论提出了一个可以用来表示不完整的知识、更新可信度的框架。DS推断最基本的概念是识别帧，定义如下：  是一个系统所有可能的状态，此时  集就被称之为是一个识别帧，因为其中的元素被用来识别系统当前的状态。

集  称之为假设。在DS理论中，基于证据E，根据每一个假设都根据质量函数(  )都被赋予一个概率  。空集的质量函数为零。任意假设的质量函数都大于等于0，即  ,所有假设的质量函数之和为1，即  。为了表示假设H中不完整的可信度，DS理论定理了可信度函数 bel, bel 在  空间上  区域内定义为：  。bel函数在空集上为零，所有假设的bel函数之和为1。H中的doubt level可以由bel函数表示为  。为了表示每一个假设的真实性，定义pl函数为  。如果假设H的真实性更高，那么相应地不确定性就更少。置信区间[bel(H),pl(H)]定义了假设H中的真实可信度。为了能够将两个质量函数结合在一起，DS理论中定义了运算  :
 。与贝叶斯推断相反，DS推断不需要先验概率，因为先验概率在获得信息时才需要。

反绎推理
反绎推理是一种推理方法，其选择假设的依据为如果假设为真，那么假设最精确地介绍了观测的事件。换句话说，当一个事件被观测后，反绎推理试图寻找最佳的解释。在概率推理的范畴里，反绎推理根据一些观测变量来寻找系统变量的先验似然函数。反绎推理更多的是一种推理模式而不是数据融合技术。

语义方法
对于多来源语义数据的融合能够得到比单一来源的语义数据更为准确的结果。在视频处理里对此有着广泛研究。语义信息融合本质上是一种处理原始传感器数据的机制，每个节点只处理合成的语义信息。语义信息融合通常包含两步，搭建知识体系和模式匹配。第一步将最合适的知识合并为语义信息。然后第二步开始融合相关的参数并且提供一个语义的解释。语义融合可以看作是将传感器数据整合并翻译为正式的语言的方法。因此，得到的结果会与存储在数据库中相近的语句进行比较。这一策略的核心在于表达相同行为的语句在语义上也是相似的。

radar毫米波雷达-相机-激光雷达融合相关论文汇总（特征融合RPN融合弱监督融合决策融合深度估计跟踪）

【radar】毫米波雷达-相机-激光雷达融合相关论文汇总（特征融合、RPN融合、弱监督融合、决策融合、深度估计、跟踪）（5）

Radar Camera Fusion

Feature-level Fusion

• 2019-Distant Vehicle Detection Using Radar and Vision
• 2019-RVNet: Deep Sensor Fusion of Monocular Camera and Radar for Image-based Obstacle Detection in Challenging Environments
• 2019-