模糊聚类

模糊聚类

模糊聚类是一种基于模糊数学理论的模式识别技术，通过将数据样本按照相似度划分到不同类别中，允许一个样本以不同的隶属度属于多个类别。在多传感器数据融合中，模糊聚类被列为特征层融合的典型技术。

在特征层融合中，模糊聚类能够从多个传感器的原始信息中提取典型特征，综合为一组特征向量进行融合处理。其优势在于能够处理数据边界模糊、类别不确定的情况，适用于传感器信息具有模糊性和不确定性的应用场景。

模糊聚类与人工神经网络同属特征层融合的典型模式识别技术，与原始层的卡尔曼滤波和决策层的Bayes推理、Dempster-Shafer证据理论、加权决策法等技术共同构成了多传感器数据融合的算法体系。