协作分布式假设检验中先验概率的量化
信息论
2015-03-24 v1 math.IT
摘要
本文研究了从系综中抽取的先验概率的量化，用于分布式检测与数据融合。获得了由固定融合规则连接的N个智能体团队与一个更强大的单个智能体之间的设计与性能等价性。比较了相同量化与多样化量化的效果。对感知共同风险的考虑使得使用不同量化器的智能体能够在假设检验中协作，并且证明了最小平均贝叶斯风险误差是通过多样化量化实现的。比较表明，每个量化器具有K个单元的最优多样化量化与每个量化器具有N(K-1)+1个单元的最优相同量化性能相当。以最大贝叶斯风险误差作为失真准则时获得了类似结果。
引用
@article{arxiv.1109.2567,
title = {Quantization of Prior Probabilities for Collaborative Distributed Hypothesis Testing},
author = {Joong Bum Rhim and Lav R. Varshney and Vivek K Goyal},
journal= {arXiv preprint arXiv:1109.2567},
year = {2015}
}
备注
11 pages