用于检测的数据融合树：架构重要吗？
信息论
2008-03-18 v1 math.IT
摘要
我们考虑在由大量节点组成的网络中的分布式检测问题，这些节点被排列成有界高度的树结构，并假设观测值在条件独立且同分布的情况下进行。我们在 Neyman-Pearson 框架下刻画了最优错误指数。我们证明了第二类错误概率随节点数量呈指数级衰减，且最优错误指数通常与并行配置对应的指数相同。我们提供了发生这种情况的充分条件以及必要条件。对于那些满足充分条件的网络，我们提出了一种简单的策略，该策略几乎能达到最优错误指数，且其中所有非叶节点只需发送 1 比特消息。
引用
@article{arxiv.0803.2337,
title = {Data Fusion Trees for Detection: Does Architecture Matter?},
author = {Wee Peng Tay and John Tsitsiklis and Moe Win},
journal= {arXiv preprint arXiv:0803.2337},
year = {2008}
}