目标识别传统上基于能够收集目标数据的传感器，其缺点是它只能应用于简单的环境条件，并且其准确性和效率高。认力弱。
本文中，具有相同属性或不同属性的多传感器被有效地结合和原始目标信息在所述靶的相同time.The数据自己的多方位和多属性值获取通过获得传输各种特征提取方法和特征值数据。征合并算法执行特征合并，提高了目标识别的准确率，减少了识别时间。传感器融合目标识别特征提取功能分类号：TP21文献代码：A文章编号：1672-3791（2018）04（c）中-0001-02的目标识别技术融合多传感器信息在很多方面都有很多应用，可以应用于计算机视觉，军队，遥感等多个方面，因此对于研究具有重要意义。论及其应用[1]。传感器信息融合目标识别技术可以识别复杂背景环境中的目标，并减少通过合并获得的信息量。度和目标识别时间大大提高。前，信息融合技术已广泛应用于各个领域，但目标特征融合目标识别技术在国内尚无研究，仍存在许多问题需要解决。切需要进行深入彻底的基础理论和技术研究[2]。传感器数据融合融合目标识别系统的全局设计多传感器数据融合旨在将多个传感器组获取的目标原点信息与不同属性（如可见光，红外雷达和激光。
解决的第一个问题是对不同的传感器使用不同的特征提取算法以从目标提取特征数据，然后使用合并算法将目标特征信息合并到特征信息中。合，并使用分类识别算法来识别目标过程。征合并目标识别系统模块可以从原始目标信息中提取相关特征数据，使其真正有效并确保其完整性，从而使其同时合并到合并特征信息中。
别，从而提高识别的准确性和效率[2]。传感器信息融合目标识别功能模块的设计完成特征数据库特征数据库的目标识别的正确性和有效性[3]。须将目标识别算法与已知模型进行比较，也就是说与学习算法的某些参数进行比较。知模式包括将各种目标的特征数据存储在特征数据库中，恒温阀芯然后构成一组已知模型，并且可以训练目标识别分类器。征提取对于红外传感器，可见光，雷达和其他检测不同物理特性的多个传感器，它们收集的目标信息的原始数据也会有很大差异，数据信息也很庞大。何从许多特征提取算法中提取有关目标所具有的特征以及可以与其他目标有效区分的信息是一个需要大量研究和经验的问题。特征合并合并算法的简单理解是结合特征信息的特征数据。
特征合并中需要研究的是采用的合并方法，它允许合并后更少和更好的数据，并确保分类的成功和识别是快速的，准确。并算法有两种常用方法：在等式（2）中，i是一个虚数单位。两个数据维度α和β不同时，需要加0以使低维度与高维度相同。此，并行融合需要尺寸相干性。
些优化算法，例如遗传算法和退火算法，也可用于特征融合，但具有优点和缺点，包括对所获得的融合特征的数据的细化和合并所需时间的不利之处。标识别功能融合目标识别算法目前有许多模式识别算法：实验级方法主要包括统计方法，基本方法（第1页），模糊识别，基于人工智能的方法等方法[2]。计方法也称为统计决策。要分类方法如线性和非线性分类，聚类分析，贝叶斯决策[2]。过不同的识别方法计算所有特征数据的分类函数值，然后比较目标特征数据和分类函数数据，以实现分类目标。糊形状识别基于模糊分类的识别方法具有很大的应用前景，目前应用也很广泛。糊识别方法最重要和最困难的问题是根据具体问题设计隶属函数。
于模糊的统计方法，基于模糊的分布方法和基于模糊的二元分类方法是当前的经典方法。
管模式识别已被广泛使用并且效果更好，但它与人类交互是分不开的，因此研究会员功能的创建和设计始终是困难和关键的。工神经网络利用硬件和软件识别人工神经网络，通过模拟动物神经系统的某些功能，将大量处理单元用作神经网络的节点。
理动物神经元和节点加权参数以实现单元之间的互连。络结构。动适应和自动组织是人工神经网络的优点和特点。过学习和参数训练，恒温阀芯可以通过错误智能地纠正和纠正它们，以处理复杂的模式识别问题[2]。束语本文分析和设计了特征级合并目标发现，以及功能级合并目标识别功能模块，主要功能模块需要解决和分析。述和设计了多传感器融合目标识别。标功能合并识别的不同部分的方法。
本文转载自
恒温阀芯 https://www.wisdom-thermostats.com