[发明专利]一种基于数据融合的环境等级评估方法

摘要

本发明公开了一种基于数据融合的环境等级评估方法，包括：通过各个传感器实时获取环境特征参数信息，并对采集到的环境特征参数进行预处理；利用自适应加权平均算法融合同质传感器所获得的环境特征参数；获得环境特征参数的特征向量；建立由环境特征参数的特征向量构成的环境特征参数数据集；将训练集中的数据归一化后，进行基于SPY方法与朴素贝叶斯分类器的分类模型生成；根据分类模型对环境等级进行判定。该方法采用多传感器多级数据融合技术，能够减少数据的冗余，提高传感器数据的准确度，有效提高动态环境监测结果的可信度。

主权项

1.一种基于数据融合的环境等级评估方法，其特征在于，包括以下步骤：步骤1：通过各个传感器实时获取环境特征参数信息，并对采集到的环境特征参数进行预处理；步骤2：利用自适应加权平均算法，融合同质传感器所获得的环境特征参数，得到同质传感器的环境特征参数融合值；步骤3：将步骤2中环境特征参数融合值进行组合，构成环境特征参数的特征向量；步骤4：将各个传感器获取的历史环境特征参数按照步骤1至3的处理后，建立由环境特征参数的特征向量构成的环境特征参数数据集U；并选择带有环境评判等级标记的特征向量，按照不同的环境评判等级标记分别构成已标记数据集Pk，k＝1,2,…,K，K表示环境评判等级数；步骤5：将步骤4中的数据集U和Pk分别进行归一化处理后，基于SPY方法与朴素贝叶斯分类器生成每个环境评判等级的分类模型，具体为：5-1：从数据集Pk中随机抽取一定的数据，构成数据集Spy；5-2：将数据集(Pk-Spy)作为正例训练集、数据集(U∪Spy)作为反例训练集，使用朴素贝叶斯分类器建立第一分类模型MSk；5-3：将数据集Spy中的特征向量分别输入第一分类模型MSk，得出其中每个特征向量属于第k个环境等级的概率，并设置其中的最小概率值为阈值ε；5-4：将数据集Pk作为正例训练集、数据集U作为反例训练集，使用朴素贝叶斯分类器建立第二分类模型MRk；5-5：将数据集U中的特征向量分别输入第二分类模型MRk，得出其中每个特征向量属于第k个环境等级的概率，提取出概率值小于阈值ε的特征向量组成数据集RN；5-6：将数据集Pk作为正例训练集、数据集RN作为反例训练集，使用朴素贝叶斯分类器建立最终的环境评判等级的分类模型Mk；步骤6：将实时获取环境特征参数信息按照步骤1至3的处理后，分别输入步骤5中各个环境评判等级的分类模型中，输出值最大的分类模型对应的环境评判等级即为该实时获取环境特征参数信息的环境等级评估结果。