介绍将输入(数据或图像)分类(目标,背景)的多传感器融合算法,该算法形成许多群,并且自动排队,分群是基于一组输入的统计特性做的,这种算法执行一种分群算法,极类似简单顺序首项分群算法CarpenterGrossbery网算法(CGNA).该算法在以下方面不同于CGNA,(1)数据输入和数据指针可以取实值;(2)它有自适应选择群集数的机理;...
近期,自动驾驶多模态感知算法获得了长足的进步[15,77,81],从跨模态的特征表示、更可靠的模态传感器,到更复杂、更稳定的多模态融合算法和技术。然而,只有少数的综述[15, 81]聚焦于多模态融合的方法论本身,并且大多数文献都遵循传统分类规则,即分为前融合、深度(特征)融合和后融合三大类,重点关注算法中特征融合的阶...
器网络,提出一种基于多传感器的车型特征融合算法.该算法通过计算传感器网络内不同 车型特征信号的相关关系来确定车辆运行状态,并利用最大似然法则结合皮尔逊相关系 数进行数据融合,以获取更加准确的车辆特征信号,为现有车型分类方法提供更加准确的 输入参数.实际道路试验表明,与现有单节点分类算法相比,文中算法对中大型车辆...
提出一种基于多传感器的车型特征融合算法.该算法通过计算传感器网络内不同车型特征信号的相关关系来确定车辆运行状态,并利用最大似然法则结合皮尔逊相关系数进行数据融合,以获取更加准确的车辆特征信号,为现有车型分类方法提供更加准确的输入参数.实际道路试验表明,与现有单节点分类算法相比,文中算法对中大型车辆的分类...
传统分类方法将多模态融合分为以下三种: 前融合(数据级融合)指通过空间对齐直接融合不同模态的原始传感器数据。 深度融合(特征级融合)指通过级联或者元素相乘在特征空间中融合跨模态数据。 后融合(目标级融合)指将各模态模型的预测结果进行融合,做出最终决策。