افزایش درجه اطمینان، کاهش نوفه، کاهش شدید نرخ داده های غیر مطمئن و مواردی بسیاری ازین دست از مزیت های مهم و تأثیرگذار استفاده از سامانه تلفیق داده در تمامی کاربردهای یاد شده آن است. بنابراین استفاده از روش تلفیق داده ها یکی از ضروریات بسیار مهم در افزایش قابلیت اطمینان در کاربردهای مختلف آن از تصمیمات مدیریتی گرفته تا پایش وضعیت و عیب یابی است.
سرفصل هایی که در این آموزش به آن پرداخته شده است:
مقدمه، ضرورت ها و اهداف
مفاهیم پایه ای، معرفی انواع روش ها
تلفیق داده در سطح داده
تلفیق داده در سطح ویژگی
تلفیق ویژگی در سطح تصمیم
...
برای توضیحات بیشتر و تهیه این آموزش لطفا به لینک زیر مراجعه بفرمائید:
http://faradars.org/courses/fvdm9405
7. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
ویژگی توابع
انگلیسی نام فرمول نامفارسی
mean میانگین
max بیشینه
rms مربعات میانگین ی ریشه
std معیار انحراف
1
1
( )
N
n
x n
T
N
2 max( ( ) )T x n
2
1
3
( ( ))
N
n
x n
T
N
2
11
4
( ( ) )
1
N
n
x n T
T
N
سرداﺮﻓ
FaraDars.org
8. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
ویژگی توابع
انگلیسی نام فرمول نامفارسی
var واریانس
skewness کشیدگی
kurtosis چولگی
Shape factor شکل فاکتور
2
11
5
( ( ) )
1
N
n
x n T
T
N
3
11
6 3
4
( ( ) )
( 1)
N
n
x n T
T
N T
4
11
7 4
4
( ( ) )
( 1)
N
n
x n T
T
N T
3
8
1
1
( )
N
n
T
T
x n
N
سرداﺮﻓ
FaraDars.org
9. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
ویژگی توابع
انگلیسی نام فرمول نامفارسی
Impulse factor ضربه فاکتور
Crest factor فاکتور کرست
3rd Central Moment سوم مرکزی ممان
4rd Central Moment چهارم مرکزی ممان
2
9
1
1
( )
N
n
T
T
x n
N
2
10
3
T
T
T
3
11
11
( ( ) )
1
K
k
x n T
T
K
4
11
12
( ( ) )
1
K
k
x n T
T
K
سرداﺮﻓ
FaraDars.org
10. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
ویژگی توابع
انگلیسی نام فرمول نامفارسی
5rd Central Moment پنجم مرکزی ممان
6rd Central Moment ششم مرکزی ممان
FM4
5
11
13
( ( ) )
1
K
k
x n T
T
K
6
11
14
( ( ) )
1
K
k
x n T
T
K
12
15 2
5( )
T
T
T
سرداﺮﻓ
FaraDars.org
16. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
رامقدارjامینویژگیازmامیننمونهازکالسcدرنظرمیگیریم.
پسیعنیمقدارویژگیشماره6کهاز12امیننمونهازطبقهسوماستخراجشده
است.
, ,m c jq
12,3,6q
سرداﺮﻓ
FaraDars.org
17. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
میانگینفاصلهیبینمقادیریکویژگیکهازسمپلهایمختلفیککالساستخراج
شدهاند،ازفرمولزیربهدستمیآید.
, , , , ,
,
| ;
1 |
( 1)
M
c j m c j l c j
l m
l md q q
M M
سرداﺮﻓ
FaraDars.org
18. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
بیشینهتغییراتبااستفادهازفرمولزیربهدستمیآید:
هرچقدرشاخصبراییکویژگیکوچکتر،باشدنشانمیدهدکهفاصلهیمقادیر
آنویژگیدریککالس،معینبهیکدیگرنزدیکتروازپراکندگیکمتریبرخوردارهستند.
بهعبارتسادهترکوچکتربودناینشاخصبهمعنیدقیقتربودنیکویژگیجهت
شناساییآنسیگنالاست.
,c j
d
,( )
,
|
max( )
|
min( )
c jw
j
c j
d
v
d
( )w
j
v
سرداﺮﻓ
FaraDars.org
19. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
فاصلهیمتوسطبینمقادیریکویژگیدرهرکالسازطریقفرمولزیراستخراجمیشود:
هرچقدرشاخصبراییکویژگیبزرگترباشدیعنیمقادیرآنویژگیدرکالس
هایمختلفازیکدیگرفاصلهبیشتریدارند.
پسهرچقدراینشاخصبزرگتر،باشدامتیازویژگیبیشترخواهدبود.
( )
,
1
1 C
w
j c j
c
d d
C
( )w
j
d
سرداﺮﻓ
FaraDars.org
20. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
تاکنوندرموردفواصلبینمقادیریکویژگیبرایسمپلهایمختلفدریککالس
بحثشدهاست.
اکنونالزماستتافواصلمیانگینویژگیهابینکالسهایمختلفنیزمحاسبهگردد.
ابتدامیانگینمقادیریکویژگیبرایتمامیسمپلهاییککالسبهصورتزیربهدست
میآید:
, , ,
1
1
M
M
c j m c j
m
u q
سرداﺮﻓ
FaraDars.org
21. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
حالفاصلهیبینمقادیرمیانگینیکویژگیدرکالسهایازطریقفرمولزیرمحاسبه
میگردد:
هرچهاینشاخصبراییکویژگیبیشتر،باشدیعنیمقادیرآنویژگیبرایکالسهای
مختلفباهمفاصلهیبیشتریدارندوبرایتمایزقائلشدنبینآنکالسهامناسبتر
خواهدبود.
( )
, ,
, 1
1 | |
( 1)
C
b
j c j e j
c e
d u u
C C
سرداﺮﻓ
FaraDars.org
22. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
بیشینهتغییراتشاخصبهصورتزیرمحاسبهمیگردد: ( )b
j
d
, ,( )
, ,
max(| |)
min(| |)
c j e jb
j
c j e j
u u
v
u u
سرداﺮﻓ
FaraDars.org
23. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
هرچهفواصلمقادیریکویژگیدردرونیککالسبیشترباشدامتیازآنکمتراست
هرچهفواصلمقادیریکویژگیبینکالسهایمختلفبیشتر،باشدامتیازآنبیشتراست.
پسامتیازهرویژگیمتناسباستبا:
( )
( )
b
j
j w
j
d
d
سرداﺮﻓ
FaraDars.org
24. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
هرویژگیکهمقادیرشاخصهایودارایواریانسکمترباشدکیفیتبهتری
خواهدداشتپسبایدامتیازبیشتریبگیرد.
برهمیناساسوبااستفادهازواریانسهایاین،مقادیرشاخصپاداشبرایهرویژگی
تعریفمیشود.
( ) ( )
( ) ( )
1
max( ) max( )
j w b
j j
w b
j j
v v
v v
( )b
jd( )w
jd
سرداﺮﻓ
FaraDars.org
25. یا داده تلفیق آموزش
Data Fusion
faradars.org/fvdm9405
بااستفادهازفاکتور،پاداشامتیازهرویژگیبهصورتخامبرابراستبا:
درنهایتبااستفادهازفرمولزیرامتیازهرویژگینرمالمیشودتابتوانبااعمالحدآستانهی
دلخواه،بهترینویژگیهاراانتخابنمود.
( )
( )
b
j
j j w
j
d
d
max( )
j
j
j
سرداﺮﻓ
FaraDars.org