基于支持向量机的传感器管理技术研究

蒋鼎国; 张宇林; 焦竹青; 徐保国

doi:10.13873/j.1000-97872008.11.016

Chinese

您当前的位置：

首页 >

文章列表页 >

基于支持向量机的传感器管理技术研究

研究与探讨 | 更新时间：2025-09-11

- 基于支持向量机的传感器管理技术研究
- Study on sensor management based on support vector machine
- 传感器与微系统 2008年27卷第11期页码：21-23
- 作者机构：
  
  江南大学通信与控制工程学院
- 作者简介：
- 基金信息：
  
  国家“863”计划资助项目（2006AA10A301）
- DOI：10.13873/j.1000-97872008.11.016
  中图分类号： TP212.9
- 纸质出版：2008
- 稿件说明：
移动端阅览
[1]蒋鼎国,张宇林,焦竹青,徐保国.基于支持向量机的传感器管理技术研究[J].传感器与微系统,2008,27(11):21-23.

JIANG Ding-guo, ZHANG Yu-lin, JIAO Zhu-qing, et al. Study on sensor management based on support vector machine[J]. 2008, 27(11): 21-23.
[1]蒋鼎国,张宇林,焦竹青,徐保国.基于支持向量机的传感器管理技术研究[J].传感器与微系统,2008,27(11):21-23. DOI： 10.13873/j.1000-97872008.11.016.

JIANG Ding-guo, ZHANG Yu-lin, JIAO Zhu-qing, et al. Study on sensor management based on support vector machine[J]. 2008, 27(11): 21-23. DOI： 10.13873/j.1000-97872008.11.016.

摘要

传感器的优化管理是影响多传感器目标分配问题的重要环节。在分析传感器管理基本要求的基础上

提出了一种基于支持向量机（SVM）的新型目标判定方法。利用SVM算法能够对经验风险和置信范围进行有效控制的优点

以进行多传感器系统的融合预测与可靠性检测

最终实现了在实测数据和可靠的目标预测信息下

对传感器资源的有效管理。仿真实例证明了该传感器管理方法的合理性和有效性。

Abstract

Sensor optimal management is very important to multi-sensor system in target assignment.To solve the problem effectively

the basic requirement of sensor management are analyzed

and a novel target assignment algorithm is proposed based on support vector machine（SVM）

Through the active control to the experience risk and belief range using SVM

the fusion forecast and reliable examination of multi-sensor system is carried on.Finally

the effective management to sensor resources is realized under measured data and reliable target prediction information.The results of simulations indicate that the method is effective and reasonable.

关键词

Keywords

references

Data fusion for fault diagnosis using multi-class Support Vector Machines [J] . Hu Zhong-hui,Cai Yun-zu,Li Yuan-gui,Xu Xiao-ming. Journal of Zhejiang University Science A . 2005 (10)

Accurate On-line Support Vector Regression [J] . Junshui Ma,James Theiler,Simon Perkins. Neural Computation . 2003 (11)

Relationship between support vector set and kernel functions in SVM [J] . Ling Zhang,Bo Zhang. Journal of Computer Science and Technology . 2002 (5)

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于GSA-SVM的谱仪放大器故障诊断研究

基于柔性压力传感器的睡姿识别方法研究

基于多通道输入CNN-SVM的齿轮箱故障诊断

基于PSO-SVM的电流放大器故障诊断研究

基于几何矩不变量分析的视觉测力方法