下面关于无线传感器网络数据融合的描述,正确的是 。
A: D-S证据推理的实质就是在同一个鉴别框架下,将不同的证据体通过Dempster规则合并成一个新的证据体,并计算证据体的拟真度。
B: 由于无线传感器网络节点能量有限,不适合做大量运算,神经网络算法计算量大且需要大量样本来进行训练,所以无线传感器网络不宜采用神经网络算法进行数据融合。
C: 模糊集理论能够很好的表达不确定性的概念,但是数据融合时隶属度函数的确立以及模糊规则的确定都比较困难。
D: 贝叶斯估计法的基本思想是利用前一时刻得到的系统状态最优估计值和现在时刻的观测值来估计当前时刻系统状态变量,求现在时刻的最优估计值。
A: D-S证据推理的实质就是在同一个鉴别框架下,将不同的证据体通过Dempster规则合并成一个新的证据体,并计算证据体的拟真度。
B: 由于无线传感器网络节点能量有限,不适合做大量运算,神经网络算法计算量大且需要大量样本来进行训练,所以无线传感器网络不宜采用神经网络算法进行数据融合。
C: 模糊集理论能够很好的表达不确定性的概念,但是数据融合时隶属度函数的确立以及模糊规则的确定都比较困难。
D: 贝叶斯估计法的基本思想是利用前一时刻得到的系统状态最优估计值和现在时刻的观测值来估计当前时刻系统状态变量,求现在时刻的最优估计值。
举一反三
- 下面关于无线传感器网络数据融合的描述,正确的是_______。 A: D-S证据推理的实质就是在同一个鉴别框架下,将不同的证据体通过Dempster规则合并成一个新的证据体,并计算证据体的拟真度。 B: 由于无线传感器网络节点能量有限,不适合做大量运算,神经网络算法计算量大且需要大量样本来进行训练,所以无线传感器网络不宜采用神经网络算法进行数据融合。 C: 模糊集理论能够很好的表达不确定性的概念,并且其隶属度函数和糊规则的确定都比较容易实现。 D: 贝叶斯估计法的基本思想是利用前一时刻得到的系统状态最优估计值和现在时刻的观测值来估计当前时刻系统状态变量,求现在时刻的最优估计值。
- 下面不是无线传感器网络数据融合方法的是_______ A: 卡尔曼滤波法 B: D-S证据推理法 C: 贝叶斯估计法 D: 人工智能
- 下面关于无线传感器网络数据融合的描述,正确的是 。 A: 加权平均算法是将传感器节点感知的冗余数据根据各个传感器节点的权值进行加权融合,算法比较简单,易实现,但是没有考虑数据间关联性。 B: 卡尔曼滤波要求测量数据所包含的噪音是服从高斯白躁声分布,当不服从高斯分布时,利用卡尔曼滤波可能会带来较大的失真。 C: 贝叶斯估计法简单、易实现,但必须知道先验概率分布以及条件概率分布;它能处理不确定性和不知道。 D: D-S证据推理法能够处理由不知道引起的不确定性,通常用来对目标的位置、存在与否进行推断。
- 下面关于无线传感器网络数据融合的描述,错误的是_______。 A: 加权平均算法是将传感器节点感知的冗余数据根据各个传感器节点的权值进行加权融合,算法比较简单,易实现,但是没有考虑数据间关联性。 B: 卡尔曼滤波要求测量数据所包含的噪音是服从高斯白躁声分布,当不服从高斯分布时,利用卡尔曼滤波可能会带来较大的失真。 C: 贝叶斯估计法简单、易实现,但必须知道先验概率分布以及条件概率分布;它能处理不确定性和不知道。 D: D-S证据推理法能够处理由不知道引起的不确定性,通常用来对目标的位置、存在与否进行推断。
- 物联网在物理系统面临的挑战说法错误的（）。 A: 传感器成本高 B: 无线传感网络成本高，能源供给不便 C: 通信网络面临地址匮乏、有限资源频率问题 D: 传感器无法与无线传感网络融合