多传感器融合理论及其应用——3Bayes统计理论

简介: 多传感器融合理论及其应用——3Bayes统计理论

1. Bayes统计理论

Bayes统计理论认为,人们在检验前后对某事件的发生情况的估计是不同,而且一次检验结果不同对人们的最终估计的影响是不同的。

1.1 先验知识

P(A1)、P(A2)、...、P(An)表示事件A1,A2,…,An,发生的概率,这是试验前的知识称为“先验知识”。

1.2 后验知识

由于一次检验结果B的出现,改变了人们对事件A,,A2,…,An,发生情况的认识,这是试验后的知识称为“后验知识”。

检验后事件A1, A2,…,An,发生的概率表现为条件概率:

P(A1|B)P(A2|B).P(An|B)

显然有:P(Ai|B)≥0

1.2.1.gif

1.2.2.png

1.2.3.png

2. Bayes概率公式

Bayes估计是检验过程中对先验知识向后验知识的不断修正。

2.1 条件概率公式:

2.1.gif

2.2 全概率公式

2.2.gif

其中A为对样本空间的一个划分,即Ai为互斥事件且

2.2.png

2.3  Bayes公式:

对一组互斥事件A;,i=1,2,..,n,在一次测量结果为B时,A,发生的概率为:

2.3.png

2.4 利用Baves统计理论进行测量数据融合:

充分利用了测量对象的先验信息。

是根据一次测量结果对先验概率到后验概率的修正。

2.4.png

3. 基于Bayes统计的目标识别融合模型

3.png

4.  举例计算


某医院采用以下两种设备检验某种疾病,设备1对该疾病的漏诊率为0.1,误诊率为0.25;设备2对该疾病的漏诊率为0.2,误诊率为0.1。已知人群中该疾病的发病率为0.05。分析分别利用两台设备和同时使用两台设备时检验结果的概率。


先验知识:

设备1对该疾病的漏诊率为

4.1.gif

误诊率为

4.2.gif

设备2对该疾病的漏诊率为

4.3.gif

误诊率为

4.4.gif

后验知识:

人群中该疾病的发病率为

4.5.gif

设备1:


设备2:


两台设备时检验结果


4.1.png

4.2.png

5. 总结

上文带大家认识Bayes概率估计。后续会教大家更加奇特的操作,欢迎一键三连😂😂😂

在以后的博文中我们将分享更多生活技巧,美好生活每一天!好好学习天天向上,从而实现对外部世界进行感知,充分认识这个有机与无机的环境,科学地合理地进行创作和发挥效益,然后为人类社会发展贡献一点微薄之力。

目录
相关文章
【故障诊断】用于轴承故障诊断的性能增强时变形态滤波方法及用于轴承断层特征提取的增强数学形态算子研究(Matlab代码实现)
【故障诊断】用于轴承故障诊断的性能增强时变形态滤波方法及用于轴承断层特征提取的增强数学形态算子研究(Matlab代码实现)
167 0
|
6月前
|
机器学习/深度学习 数据挖掘 数据建模
R语言用lme4多层次(混合效应)广义线性模型(GLM),逻辑回归分析教育留级调查数据(下)
R语言用lme4多层次(混合效应)广义线性模型(GLM),逻辑回归分析教育留级调查数据
|
6月前
|
机器学习/深度学习 数据挖掘 数据建模
数据分享|R语言用lme4多层次(混合效应)广义线性模型(GLM),逻辑回归分析教育留级调查数据(下)
数据分享|R语言用lme4多层次(混合效应)广义线性模型(GLM),逻辑回归分析教育留级调查数据
|
6月前
|
机器学习/深度学习 数据可视化 数据处理
R语言用lme4多层次(混合效应)广义线性模型(GLM),逻辑回归分析教育留级调查数据(上)
R语言用lme4多层次(混合效应)广义线性模型(GLM),逻辑回归分析教育留级调查数据
|
6月前
|
机器学习/深度学习 开发框架 算法
R语言非线性混合效应 NLME模型(固定效应&随机效应)对抗哮喘药物茶碱动力学研究
R语言非线性混合效应 NLME模型(固定效应&随机效应)对抗哮喘药物茶碱动力学研究
|
6月前
|
机器学习/深度学习 数据可视化 数据处理
数据分享|R语言用lme4多层次(混合效应)广义线性模型(GLM),逻辑回归分析教育留级调查数据(上)
数据分享|R语言用lme4多层次(混合效应)广义线性模型(GLM),逻辑回归分析教育留级调查数据
|
6月前
生态学模拟对广义线性混合模型GLMM进行功率(功效、效能、效力)分析power analysis环境监测数据
生态学模拟对广义线性混合模型GLMM进行功率(功效、效能、效力)分析power analysis环境监测数据
|
6月前
|
算法
R语言从经济时间序列中用HP滤波器,小波滤波和经验模态分解等提取周期性成分分析
R语言从经济时间序列中用HP滤波器,小波滤波和经验模态分解等提取周期性成分分析
|
6月前
|
存储
R语言分解商业周期时间序列:线性滤波器、HP滤波器、Baxter滤波器、Beveridge Nelson分解等去趋势法
R语言分解商业周期时间序列:线性滤波器、HP滤波器、Baxter滤波器、Beveridge Nelson分解等去趋势法
|
6月前
|
算法
R语言使用随机技术差分进化算法优化的Nelson-Siegel-Svensson模型
R语言使用随机技术差分进化算法优化的Nelson-Siegel-Svensson模型