Full metadata record
| DC pole | Hodnota | Jazyk |
|---|---|---|
| dc.contributor.author | Ajgl, Jiří | |
| dc.contributor.author | Straka, Ondřej | |
| dc.date.accessioned | 2020-12-07T11:00:15Z | - |
| dc.date.available | 2020-12-07T11:00:15Z | - |
| dc.date.issued | 2020 | |
| dc.identifier.citation | AJGL, J., STRAKA, O. Inverse Covariance Intersection Fusion of Multiple Estimates. In: Proceedings of the 2020 IEEE 23rd International Conference on Information Fusion (FUSION). Sun City: IEEE, 2020. s. 1-8. ISBN 978-0-578-64709-8. | cs |
| dc.identifier.isbn | 978-0-578-64709-8 | |
| dc.identifier.uri | 2-s2.0-85092720467 | |
| dc.identifier.uri | http://hdl.handle.net/11025/42248 | |
| dc.description.abstract | Lineární fúze odhadů je základním nástrojem pro slučování pravděpodobnostních dat. Neznáme-li korelaci chyb odhadů, vyhodnocujeme kvalitu fúze vzhledem k nejhoršímu případu. Pravidlo zvané Inverzní průnik kovariancí slučuje dva odhady při částečné znalosti vzájemné korelační matice. Článek zobecňuje toto pravidlo pro slučování více odhadů. Nejdříve jsou představeny zobecněné předpoklady a nezbytná teorie. Následně je odvozeno suboptimální řešení s jednoduchou parametrizací a je prokázáno, že je lepší než řešení pro neznámé korelace. Na závěr je navržena rekurzivní fúze více odhadů. | cs |
| dc.format | 7 s. | cs |
| dc.format.mimetype | application/pdf | |
| dc.language.iso | en | en |
| dc.publisher | IEEE | en |
| dc.relation.ispartofseries | Proceedings of the 2020 IEEE 23rd International Conference on Information Fusion (FUSION) | en |
| dc.rights | Plný text je přístupný v rámci univerzity přihlášeným uživatelům. | cs |
| dc.rights | © IEEE | en |
| dc.subject | slučování odhadů, robustní odhadování, fúze při částečné znalosti korelací, Průnik kovariancí | cs |
| dc.title | Inverse Covariance Intersection Fusion of Multiple Estimates | en |
| dc.type | konferenční příspěvek | cs |
| dc.type | conferenceObject | en |
| dc.rights.access | restrictedAccess | en |
| dc.type.version | publishedVersion | en |
| dc.description.abstract-translated | Linear fusion of estimates is a basic tool for combining probabilistic data. If the correlation of estimation errors is unknown, the fusion performance is evaluated with respect to the worst case. Inverse Covariance Intersection fusion is a rule for combining two estimates with partially known crosscorrelation matrix. This paper generalises the rule to fusing multiple estimates. First, the generalised assumption and the essential theory are presented. A suboptimal solution with a simple parametrisation is derived next and it is shown to be better than the solution for unknown correlation. Finally, a recursive fusion of multiple estimates is designed. | en |
| dc.subject.translated | estimation fusion, robust estimation, fusion under partially known correlations, Covariance Intersection | en |
| dc.identifier.doi | 10.23919/FUSION45008.2020.9190614 | |
| dc.type.status | Peer-reviewed | en |
| dc.identifier.obd | 43930539 | |
| dc.project.ID | GA20-06054J/Inteligentní distribuované architektury pro odhad stavu | cs |
| dc.project.ID | SGS-2019-020/Rozvoj a využití kybernetických systémů identifikace, diagnostiky a řízení 4 | cs |
| Vyskytuje se v kolekcích: | Konferenční příspěvky / Conference Papers (KKY) Konferenční příspěvky / Conference papers (NTIS) OBD | |
Soubory připojené k záznamu:
| Soubor | Velikost | Formát | |
|---|---|---|---|
| article_FUSION20_AjSt.pdf | 337,39 kB | Adobe PDF | Zobrazit/otevřít Vyžádat kopii |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/42248Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.