2019-10-23
论文题目：Representation Learning and Nature Encoded Fusion for Heterogeneous Sensor Networks
作者：Longwei Wang 和 Qilian Liang，发表于2019 IEEE
摘要：
本篇论文研究了基于异构传感器网络的目标检测问题。研究了充分利用多模态数据信息的融合问题。由于异构的传感方式，传感数据可能不兼容，传感器的联合PDF也不容易获得。针对异构数据融合问题，提出了一种两阶段融合方法。首先，通过一定的线性或非线性变换将多模态数据转换成相同的表示形式。由于不同的模式之间存在模型失配，因此每个模式都由一个单独的统计模型进行训练。这样，不同模式的信息得以保存。然后，该表达式作为概率融合的输入。该概率框架允许在统一的信息融合空间中处理来自不同模式的数据。利用传感器间的内在关系将原始传感器数据编码到图上。利用迭代的信念传播来融合局部感知的信念。还考虑了更一般的相关情况，其中两个传感器之间的关系用相关因子表示。数值结果验证了该方法在异构传感器网络融合中的有效性。
关键词：Heterogeneous sensor networks, multi-modal data fusion, representation learning, nature
encoded fusion, belief propagation
