آموزش مبانی و کاربردهای راهبرد تلفیق داده یا data fusion...

آموزش تلفیق داده یا Data Fusion

faradars.org/fvdm9405

:مدرس

مقداد خزایی

دانشجوی دکتری مکانیک بیوسیستم

دانشگاه تربیت مدرس

فرادرسراهبرد تلفیق داده و کاربردهای آن

FaraDars.org



تلفیق داده در سطح ویژگی

ویژگیاستخراج

ویژگیتلفیق

برترهایویژگیتلفیقیانتخاب

فرادرس

FaraDars.org


faradars.org/fvdm9405ارائه ویژگی های به جای سیگنال خام

MAX

Kurtosis

RMS فرادرس

FaraDars.org



استخراج ویژگی

ثرموهایویژگیتااستالزمابتداویژگی،سطحدردادهتلفیقراهبردپیشبردجهت

.شوداستخراجآیدمیدستبهسامانهازکهاطالعاتی

ندشومیتعریفاطالعاتکمیمقادیررویبرکههستندتوابعیواقعدرهاویژگیاین.

شودمیگفتهکاویدادهمرحلهاینبه.

فرادرس

FaraDars.org


faradars.org/fvdm9405ودشاعمالنیززدایینوفهمرحلهیککاویدادهازپیشاستشایسته.

0 2000 4000 6000 8000 10000 12000 14000 16000-6

-4

-2

0

2

4

6

Original signal

Denoised signal

فرادرس

FaraDars.org


faradars.org/fvdm9405کاهشراایدادهفضایخوبیبهتواندمیخالقانهوخوبویژگیاستخراجیک

.شوددقتافزایشوکمترمحاسباتبابهترنتایجبهرسیدنباعثداده،

0.10.2

0.30.4

0.50.6

0.70.8

0

0.1

0.2

0.3

0.4

-0.8

-0.6

-0.4

-0.2

0

0.2

0.4

0.6

F3

a

F5

F11

Normal

Overloading

Overheating

0

20

40

60

80

100

120

-150

-100

-50

0

50

-40

-20

0

20

40

60

80

100

120

F9

b

F24

F25

Normal

Overloading

Overheating

فرادرس

FaraDars.org


faradars.org/fvdm9405توابع ویژگی

نام انگلیسی فرمول فارسینام

mean میانگین

max بیشینه

rms ریشه ی میانگین مربعات

std انحراف معیار

11

( )N

nx n

TN

2 max( ( ) )T x n

2

13

( ( ))N

nx n

TN

2

114

( ( ) )

1

N

nx n T

TN

فرادرس

FaraDars.org




var واریانس

skewness کشیدگی

kurtosis چولگی

Shape factor فاکتور شکل

2

115

( ( ) )

1

N

nx n T

TN

3

116 3

4

( ( ) )

( 1)

N

nx n T

TN T

4

117 4

4

( ( ) )

( 1)

N

nx n T

TN T

38

1

1( )

N

n

TT

x nN

فرادرس

FaraDars.org




Impulse factor فاکتور ضربه

Crest factor کرست فاکتور

3rd Central Moment ممان مرکزی سوم

4rd Central Moment ممان مرکزی چهارم

29

1

1( )

N

n

TT

x nN

210

3

TT

T

3

1111

( ( ) )

1

K

kx n T

TK

4

1112

( ( ) )

1

K

kx n T

TK

فرادرس

FaraDars.org




5rd Central Moment ممان مرکزی پنجم

6rd Central Moment ممان مرکزی ششم

FM4

5

1113

( ( ) )

1

K

kx n T

TK

6

1114

( ( ) )

1

K

kx n T

TK

1215 2

5( )

TT

T

فرادرس

FaraDars.org



انتخاب ویژگی

راحلمترینمهمازیکیکیفیدیدگاهازچهوکمیدیدگاهازچههاویژگیصحیحانتخاب

.رودمیشماربهیابیعیبفرآیند

کهنامعبدین.استبرخوردارحیاتیاهمیتیازشدهانتخابهایویژگیکیفیتهمچنین

.باشدمفیدسیگنالنوعآنشناساییبرایکهشودانتخابهاییویژگیباید

وودشسردرگماصطالحدربندطبقهتاشودمیباعثویژگیتوابعفراوانتعدادانتخاب

.دهدتشخیصراسیگنالطبقهدوازشدهاستخراجویژگیگروهدوبینتفاوتنتواند

فرادرس

FaraDars.org



روش ارزیابی فاصله توسعه ای

Improved Distance Evaluation (IDE)فرادرس

FaraDars.org



ایده محوری

باشدداشتهرازیرشرطدوبایدویژگیبهترین:

باشندنزدیکممکنحدتایکدیگربه(تصمیم)طبقهیکبرایآنمقادیر.

ندباشدوریکدیگرازممکنحدتا(تصمیم)متفاوتطبقهدوبرایآنهامجموعهمقادیر.

مراکزبینیفاصلهوهاویژگیمقادیرازگیریمیانگیننوعیازاستفادهباروشایندر

.شودمیدادهاختصاصامتیازیکویژگیهربه،صفحهدرآنهاقرارگیری

فرادرس

FaraDars.org



:نتیجهدر

کالسدویهاسیگنالبرایویژگیآنمقادیریعنیباشدبیشترویژگییکامتیازهرچقدر

.هستندترنزدیکهمبهطبقهیکبرایوهستنددورترهمازمتفاوت

به،اشدبآستانهحدازباالترامتیازشانکههاییویژگی،آستانهحدیکدادنقرارباسپس

.گردندمیانتخاببرترهایویژگیعنوان

بیان بهتر ویژگی های آن طبقه=امتیاز بیشتر

فرادرس

FaraDars.org



IDEشاخص های روش

:کنیدفرض

c=1, 2, … Cهاکالستعداد

m=1, 2, …, Mکالسهردرموجودهاینمونهتعداد

j=1, 2, …, Jشدهاستخراجهایویژگیتعداد

فرادرس

FaraDars.org



مقدارراjازویژگیامینmکالسازنمونهامینcگیریممینظردر.

شدهاستخراجسومطبقهازنمونهامین12ازکه6شمارهویژگیمقداریعنیپس

.است

, ,m c jq

12,3,6q فرادرس

FaraDars.org



تخراجاسکالسیکمختلفهایسمپلازکهویژگییکمقادیربینیفاصلهمیانگین

.آیدمیدستبهزیرفرمولاز،اندشده

, , , , ,,

| ;1

|( 1)

M

c j m c j l c jl m

l md q qM M

فرادرس

FaraDars.org



آیدمیدستبهزیرفرمولازاستفادهباتغییراتبیشینه:

دیرمقایفاصلهکهدهدمینشانباشد،کوچکترویژگییکبرایشاخصچقدرهر

.هستندورداربرخکمتریپراکندگیازونزدیکتریکدیگربهمعین،کالسیکدرویژگیآن

هتجویژگییکبودنتردقیقمعنیبهشاخصاینبودنکوچکترترسادهعبارتبه

.استسیگنالآنشناسایی

,c jd

,( )

,

|max( )

|min( )

c jwj

c j

dv

d

( )wj

v

فرادرس

FaraDars.org



شودمیاستخراجزیرفرمولطریقازکالسهردرویژگییکمقادیربینمتوسطیفاصله:

السکدرویژگیآنمقادیریعنیباشدبزرگترویژگییکبرایشاخصچقدرهر

.دارندبیشتریفاصلهیکدیگرازمختلفهای

بودخواهدبیشترویژگیامتیازباشد،بزرگترشاخصاینهرچقدرپس.

( ),

1

1 Cw

j c jc

d dC

( )w

jd

فرادرس

FaraDars.org



سکالیکدرمختلفهایسمپلبرایویژگییکمقادیربینفواصلمورددرکنونتا

.استشدهبحث

گرددمحاسبهنیزمختلفهایکالسبینهاویژگیمیانگینفواصلتااستالزماکنون.

دستبهرزیصورتبهکالسیکهایسمپلتمامیبرایویژگییکمقادیرمیانگینابتدا

:آیدمی

, , ,1

1M

M

c j m c jm

u q

فرادرس

FaraDars.org



اسبهمحزیرفرمولطریقازهایکالسدرویژگییکمیانگینمقادیربینیفاصلهحال

:گرددمی

هایسکالبرایویژگیآنمقادیریعنیباشد،بیشترویژگییکبرایشاخصاینهرچه

تراسبمنهاکالسآنبینشدنقائلتمایزبرایودارندبیشترییفاصلههمبامختلف

.بودخواهد

( ), ,

, 1

1| |

( 1)

Cb

j c j e jc e

d u uC C

فرادرس

FaraDars.org



گرددمیمحاسبهزیرصورتبهشاخصتغییراتبیشینه: ( )bj

d

, ,( )

, ,

max(| |)

min(| |)c j e jb

jc j e j

u uv

u u

فرادرس

FaraDars.org



ستاکمترآنامتیازباشدبیشترکالسیکدروندرویژگییکمقادیرفواصلهرچه

استیشتربآنامتیازباشد،بیشترمختلفهایکالسبینویژگییکمقادیرفواصلهرچه.

:بااستمتناسبویژگیهرامتیازپس( )

( )

bj

j wj

d

d

فرادرس

FaraDars.org



هتریبکیفیتباشدکمترواریانسدارایوهایشاخصمقادیرکهویژگیهر

.بگیردبیشتریامتیازبایدپسداشتخواهد

ویژگیهربرایپاداششاخصمقادیر،اینهایواریانسازاستفادهباواساسهمینبر

.شودمیتعریف

( ) ( )

( ) ( )

1

max( ) max( )

j w bj j

w bj j

v v

v v

( )b

jd( )w

jd

فرادرس

FaraDars.org



:بااستبرابرخامصورتبهویژگیهرامتیازپاداش،فاکتورازاستفادهبا

یستانهآحداعمالبابتوانتاشودمینرمالویژگیهرامتیاززیرفرمولازاستفادهبانهایتدر.نمودانتخابراهاویژگیبهترین،دلخواه

( )

( )

bj

j j wj

d

d

max( )j

jj

فرادرس

FaraDars.org



این اسالید ها بر مبنای نکات مطرح شده در فرادرس« Data Fusionآموزش مبانی و کاربردهای راهبرد تلفیق داده یا »

.تهیه شده است

.برای کسب اطالعات بیشتر در مورد این آموزش به لینک زیر مراجعه نمایید


26

فرادرس

FaraDars.org

http://faradars.org/fvdm9405

آموزش مبانی و کاربردهای راهبرد تلفیق داده یا data fusion...

Education