贝叶斯决策在传感器识别中的应用

刘佶鑫; 赵英凯

doi:10.13873/j.1000-97872009.04.017

Chinese

您当前的位置：

首页 >

文章列表页 >

贝叶斯决策在传感器识别中的应用

应用技术 | 更新时间：2025-09-11

- 贝叶斯决策在传感器识别中的应用
- Application of Bayesian decision in sensor recognition
- 传感器与微系统 2009年28卷第4期页码：111-113
- 作者机构：
  
  南京工业大学自动化学院
- 作者简介：
- 基金信息：
  
  国家“863”计划资助项目（2006AA040308-02）
- DOI：10.13873/j.1000-97872009.04.017
  中图分类号： TP242
- 纸质出版：2009
- 稿件说明：
移动端阅览
[1]刘佶鑫,赵英凯.贝叶斯决策在传感器识别中的应用[J].传感器与微系统,2009,28(04):111-113.

LIU Ji-xin, ZHAO Ying-kai. Application of Bayesian decision in sensor recognition[J]. 2009, 28(4): 111-113.
[1]刘佶鑫,赵英凯.贝叶斯决策在传感器识别中的应用[J].传感器与微系统,2009,28(04):111-113. DOI： 10.13873/j.1000-97872009.04.017.

LIU Ji-xin, ZHAO Ying-kai. Application of Bayesian decision in sensor recognition[J]. 2009, 28(4): 111-113. DOI： 10.13873/j.1000-97872009.04.017.

摘要

提出了一种用传感器对环境的识别信息进行局部路径规划的智能方法。针对实际交通中存在的最优解失效问题

将蚁群算法求取的信息素数值作为状态先验概率数据

用贝叶斯决策理论计算最小条件风险进行次优路径的选择

并提出超级风险的概念用于实现智能化的决策变更。实验结果证明:该方法能达到预期效果。

Abstract

A kind of new intelligent partial path planning method that gets environmental information by using sensor is presented.There is a so-called optimization invalidation problem in the real-life traffic.Numerical value of ectohormone is used as states’data of transcendental probability and the second optimization is selected by computing minimum conditional risk.A new conception is created to make a intellectualized adjusting of strategy that it is super risk.The result proves that this new method can achieve the anticipative purpose.

关键词

Keywords

references

基于场景识别的移动机器人定位方法研究 [J]. 李桂芝,安成万,杨国胜,谭民,涂序彦. 机器人 . 2005(02)

一种基于蚁群算法的TSP问题分段求解算法 [J]. 吴斌,史忠植. 计算机学报 . 2001(12)

具有变异特征的蚁群算法 [J]. 吴庆洪,张纪会,徐心和. 计算机研究与发展 . 1999(10)

物理系统的元胞自动机模拟[M]. 清华大学出版社 , ()BastienChopard,（）MichelDroz著, 2003

模式识别[M]. 清华大学出版社 , 边肇祺等编著, 2000

浏览量

209

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

未知环境下改进变步长蚁群算法的机器人路径规划

基于改进蚁群算法的移动机器人路径规划

改进元胞蚂蚁模型在路径规划中的应用

用于机器人路径规划的增强型白鹭群优化算法

基于自适应体系蚁群算法的机器人路径规划