Μέθοδοι σύνθεσης αποφάσεων
Σήμερα, οι πληροφορίες διαδραματίζουν κρίσιμο ρόλο στην κατανόηση του κόσμου γύρω μας. Με στόχο τη βελτίωση της κατανόησης ενός συγκεκριμένου αντικειμένου ή περιστατικού, είναι απαραίτητο να ενσωματώσουμε έναν τεράστιο όγκο δεδομένων σε μια συνεκτική μορφή. Έτσι, αυτή η διπλωματική εργασία εστιάζει...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2023
|
| Θέματα: | |
| Διαθέσιμο Online: | https://hdl.handle.net/10889/24505 |
| id |
nemertes-10889-24505 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Σύνθεση αποφάσεων Πληροφορία ποιότητας Decision fusion Quality bit |
| spellingShingle |
Σύνθεση αποφάσεων Πληροφορία ποιότητας Decision fusion Quality bit Παπαδόπουλος, Σπυρίδων Μέθοδοι σύνθεσης αποφάσεων |
| description |
Σήμερα, οι πληροφορίες διαδραματίζουν κρίσιμο ρόλο στην κατανόηση του κόσμου γύρω μας. Με στόχο τη βελτίωση της κατανόησης ενός συγκεκριμένου αντικειμένου ή περιστατικού, είναι απαραίτητο να ενσωματώσουμε έναν τεράστιο όγκο δεδομένων σε μια συνεκτική μορφή. Έτσι, αυτή η διπλωματική εργασία εστιάζει στην ανάπτυξη τεχνικών σύνθεσης αποφάσεων για πληροφορίες που λαμβάνονται από εικόνες και geospatial δεδομένα. Εισάγονται οι έννοιες της σύνθεσης δεδομένων και οι εφαρμογές της και ακολουθεί αναφορά των τριών αρχιτεκτονικών για τη σύνθεση πληροφοριών. Καλύπτεται επίσης το κομμάτι της σύνθεσης πληροφοριών μέσω της ανάλυσης κύριων συνιστωσών και της γραμμικής μεθόδου VTVA. Επιπλέον συζητούνται η λήψη αποφάσεων και οι τοπολογίες δικτύου, συμπεριλαμβανομένου του ελέγχου στατιστικών υποθέσεων, της λήψης αποφάσεων μέσω διαδικασιών ταξινόμησης, ανίχνευσης στόχων και ταξινόμησης δυαδικών χαρακτηριστικών. Ο σχεδιασμός κανόνων μας δίνει την δυνατότητα να κάνουμε μια πρωταρχική μορφή σύνθεσης αποφάσεων, που σε πολλές περιπτώσεις δεν καλύπτουν τις απαιτήσεις του προβλήματος. Γι’ αυτό στην συγκεκριμένη περίπτωση επιλέχθηκαν αλγόριθμοι που χρησιμοποιούν το Neyman-Pearson test (NP test) και το likelihood ratio test τα οποία λειτουργούν λαμβάνοντας υπόψη διαφορετικά χαρακτηριστικά των πηγών, όπως η ανεξαρτησία ή η αξιοπιστία. Ειδικότερα όταν αυτές οι αποφάσεις προέρχονται από αισθητήρες που παρατηρούν το αντικείμενο ή το φαινόμενο, η διαδικασία ονομάζεται "Σύνθεση αποφάσεων με βάση τον αισθητήρα". Έτσι, για να καλυφθεί αυτό το είδος σύνθεσης αναλύεται το θεωρητικό και μαθηματικό υπόβαθρο για την απλή παράλληλη σύνθεση, όμοιων και ανόμοιων αισθητήρων, αλλά και για την παράλληλη σύνθεση όπου μαζί με την απόφαση αποστέλλεται και «πληροφορία ποιότητας» (quality bit) στο κέντρο σύνθεσης με σκοπό την επίτευξη μεγαλύτερης αξιοπιστίας. Με την ολοκλήρωση της παρούσας εργασίας, παρατίθενται οι αλγόριθμοι που δημιουργήθηκαν για τις δύο περιπτώσεις με την χρήση του λογισμικού Matlab, μαζί με αναλυτική εξήγηση του κάθε block κώδικα και σχολιασμό των αποτελεσμάτων που προέκυψαν. |
| author2 |
Papadopoulos, Spyridon |
| author_facet |
Papadopoulos, Spyridon Παπαδόπουλος, Σπυρίδων |
| author |
Παπαδόπουλος, Σπυρίδων |
| author_sort |
Παπαδόπουλος, Σπυρίδων |
| title |
Μέθοδοι σύνθεσης αποφάσεων |
| title_short |
Μέθοδοι σύνθεσης αποφάσεων |
| title_full |
Μέθοδοι σύνθεσης αποφάσεων |
| title_fullStr |
Μέθοδοι σύνθεσης αποφάσεων |
| title_full_unstemmed |
Μέθοδοι σύνθεσης αποφάσεων |
| title_sort |
μέθοδοι σύνθεσης αποφάσεων |
| publishDate |
2023 |
| url |
https://hdl.handle.net/10889/24505 |
| work_keys_str_mv |
AT papadopoulosspyridōn methodoisynthesēsapophaseōn AT papadopoulosspyridōn decisionfusionmethods |
| _version_ |
1771297317771542528 |
| spelling |
nemertes-10889-245052023-02-22T04:38:13Z Μέθοδοι σύνθεσης αποφάσεων Decision fusion methods Παπαδόπουλος, Σπυρίδων Papadopoulos, Spyridon Σύνθεση αποφάσεων Πληροφορία ποιότητας Decision fusion Quality bit Σήμερα, οι πληροφορίες διαδραματίζουν κρίσιμο ρόλο στην κατανόηση του κόσμου γύρω μας. Με στόχο τη βελτίωση της κατανόησης ενός συγκεκριμένου αντικειμένου ή περιστατικού, είναι απαραίτητο να ενσωματώσουμε έναν τεράστιο όγκο δεδομένων σε μια συνεκτική μορφή. Έτσι, αυτή η διπλωματική εργασία εστιάζει στην ανάπτυξη τεχνικών σύνθεσης αποφάσεων για πληροφορίες που λαμβάνονται από εικόνες και geospatial δεδομένα. Εισάγονται οι έννοιες της σύνθεσης δεδομένων και οι εφαρμογές της και ακολουθεί αναφορά των τριών αρχιτεκτονικών για τη σύνθεση πληροφοριών. Καλύπτεται επίσης το κομμάτι της σύνθεσης πληροφοριών μέσω της ανάλυσης κύριων συνιστωσών και της γραμμικής μεθόδου VTVA. Επιπλέον συζητούνται η λήψη αποφάσεων και οι τοπολογίες δικτύου, συμπεριλαμβανομένου του ελέγχου στατιστικών υποθέσεων, της λήψης αποφάσεων μέσω διαδικασιών ταξινόμησης, ανίχνευσης στόχων και ταξινόμησης δυαδικών χαρακτηριστικών. Ο σχεδιασμός κανόνων μας δίνει την δυνατότητα να κάνουμε μια πρωταρχική μορφή σύνθεσης αποφάσεων, που σε πολλές περιπτώσεις δεν καλύπτουν τις απαιτήσεις του προβλήματος. Γι’ αυτό στην συγκεκριμένη περίπτωση επιλέχθηκαν αλγόριθμοι που χρησιμοποιούν το Neyman-Pearson test (NP test) και το likelihood ratio test τα οποία λειτουργούν λαμβάνοντας υπόψη διαφορετικά χαρακτηριστικά των πηγών, όπως η ανεξαρτησία ή η αξιοπιστία. Ειδικότερα όταν αυτές οι αποφάσεις προέρχονται από αισθητήρες που παρατηρούν το αντικείμενο ή το φαινόμενο, η διαδικασία ονομάζεται "Σύνθεση αποφάσεων με βάση τον αισθητήρα". Έτσι, για να καλυφθεί αυτό το είδος σύνθεσης αναλύεται το θεωρητικό και μαθηματικό υπόβαθρο για την απλή παράλληλη σύνθεση, όμοιων και ανόμοιων αισθητήρων, αλλά και για την παράλληλη σύνθεση όπου μαζί με την απόφαση αποστέλλεται και «πληροφορία ποιότητας» (quality bit) στο κέντρο σύνθεσης με σκοπό την επίτευξη μεγαλύτερης αξιοπιστίας. Με την ολοκλήρωση της παρούσας εργασίας, παρατίθενται οι αλγόριθμοι που δημιουργήθηκαν για τις δύο περιπτώσεις με την χρήση του λογισμικού Matlab, μαζί με αναλυτική εξήγηση του κάθε block κώδικα και σχολιασμό των αποτελεσμάτων που προέκυψαν. Today, information plays a critical role in understanding the world around us. In order to improve the understanding of a particular object or event, it is necessary to integrate a huge amount of data into a coherent form. Thus, this thesis focuses on the development of decision fusion techniques for information obtained from images and geospatial data. The concepts of data fusion and its applications are introduced, followed by a review of the three architectures for information fusion. The information fusion through principal component analysis and the linear VTVA method is also covered. Additionally, decision making and network topologies are discussed, including statistical hypothesis testing, decision making through classification procedures, target detection, and binary feature classification. The design of rules enables us to make a primary form of decision synthesis, which in many cases do not cover the requirements of the problem. Therefore, in this case, algorithms were chosen that use the Neyman-Pearson test (NP test) and the likelihood ratio test, which operate taking into account different characteristics of the sources, such as independence or reliability. When these decisions come from sensors observing the object or phenomenon, the process is called "Sensor-Based Decision fusion". Thus, to cover this type of fusion, the theoretical and mathematical background is analyzed for the simple parallel synthesis, of similar and dissimilar sensors, but also for the parallel synthesis where together with the decision, "quality information" is sent to the fusion center in order to achieve greater reliability. Upon completion of this work, the algorithms created for the two cases using the Matlab software are listed, together with a detailed explanation of each block of code and a commentary on the results obtained. 2023-02-21T11:33:45Z 2023-02-21T11:33:45Z 2023-02-21 https://hdl.handle.net/10889/24505 el Attribution-NonCommercial-NoDerivs 3.0 United States http://creativecommons.org/licenses/by-nc-nd/3.0/us/ application/pdf |
