多传感器的BPNN和SVM多源异构数据融合算法

摘要

多传感器的多源异构数据融合处理时，大量的冗余数据及复杂的非线性可分空间导致能耗较大，为此，提出了BP神经网络和支持向量机的多源异构数据融合算法。以数据关系构建约束条件，利用BP神经网络算法建立数据清洗模型，判定节点变量的活跃程度，优化数据输入；建立数据集合，提取数据特征向量；利用支持向量机泛化能力强、凸优化的特点，获取特征的最优分类超平面，获得非线性可分多源数据集转化为高维线性可分空间的最优决策值，输出结果。实验结果表明，该算法融合多源异构数据的能量消耗小、延迟低，融合效果好。

关键词

BP神经网络 / 支持向量机 / 多源异构数据 / 数据清洗 / 数据融合