چکیده

۱ مقدمه

۲ مرور منابعی بر ترکیب و تجمیع داده ها

۲ ۱ روند تغییرات در ترکیب داده ها

۲ ۲ فلسفه پایه تجمیع داده

۲ ۳ مکان یابی و رد یابی هدف

۲ ۴ موقعیت بابی ماهواره

۲ ۵ نظارت و پایش هوایی

۲ ۶ پردازش تصویر و کاربردهای پزشکی

۲ ۷ عوامل اینترنت هوشمند

۲ ۸ تجارت و امور مالی

۳ ترکیب داده ی بایزین

۳ ۱ ردیابی تک حسگری

۳ ۲ ترکیب داده از چندین حسگر

۴ ترکیب داده های دمپستر شافر

۴ ۱ ترکیب دو حسگر

۴ ۲ ۳ یا چند حسگر

۴ ۳ پشتیبانی و توجیه پذیری

۵ مقایسه تئوری های دمپستر شافر و بایزین

۶ اظهارات پایانی

چکیده:

عرفا، فیلتر کالمان ،  به عنوان یک الگوریتم فیلترینگ پیش بینی-تصحیح مطرح بوده است. در این مطالعه، ما نشان می دهیم که این فلیتر را می توان به صورت الگوریتم  ترکیب و تجمیع بایزین مد نظر قرار داد و آن را با استفاده از استدلال های بایزین مشتق کرد. ما در ابتدا شرحی از از تئوری بایزین ارایه کرده و از آن برای بحث در خصوص  کمیت های شناخته شده نظیر  پیشین ها، احتمال و پسین ها بهره برده و معادله پایه ترکیب و تجمیع بایزین را ارایه می کنیم. فیلتر کالمن از این معادله با استفاده از یک روش جدید برای ارزیابی  انتگرال پیش بینی چاپمن- کولوموگروف مشتق می شود. سپس ما از تئوری برای  برای تلفیق داده های برگرفته از حسگر های چندگانه    بهره می بریم. تئوری که همسو با این روش می باشد، تئوری دمپستر-شافر است که به بررسی  شاخص های اندازه گیری باور پرداخته و بر اساس ایده غیر کلاسیک وزن بر خلاف احتمال می باشد. اگرچه این دو شاخص بسیار مشابه می باشند، با این حال یک سری تفاوت هایی وجود دارد. ما از طریق تشریح ایده های  تئوری دمپستر-شافر و ارایه معادله ترکیب و تجمیع دمپستر-شافر  در خصوص آن ها صحبت خواهیم کرد. در نهایت، ما به مقایسه دو روش پرداخته و  نقاط ضعف و نقاط قوت نسبی آن ها  را با استفاده از یک نمونه مبرهن   ذکر می کنیم.