使用 Regular Vine Copula 融合相关决策
信号处理
2019-03-27 v2
摘要
本文提出了一种基于 regular vine copula 的方法，用于融合相关决策。Regular vine copula 是一种极其灵活且强大的图模型，用于刻画多模态之间的复杂依赖关系。它可以通过一系列二元 copula（即所谓的 pair copula）的级联来表达多元 copula。假设局部检测器为单阈值二元量化器，并考虑传感器决策之间的复杂依赖关系，我们在 Neyman-Pearson 框架下设计了一种使用 regular vine copula 的最优融合规则。为了降低由复杂依赖关系导致的计算复杂度，我们提出了一种高效且计算量小的基于 regular vine copula 的最优融合算法。进行了数值实验以证明我们方法的有效性。
引用
@article{arxiv.1803.09350,
title = {Fusion of Correlated Decisions Using Regular Vine Copulas},
author = {Shan Zhang and Lakshmi Narasimhan Theagarajan and Sora Choi and Pramod K. Varshney},
journal= {arXiv preprint arXiv:1803.09350},
year = {2019}
}