.png){kind=icon}
返回
Heterogeneous sensor integration through Co-Evolutionary Genetic Programming with Multiple Individual Representations
.png){kind=icon}
PRE
AI
DOI：10.1016/j.swevo.2025.102098.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高效集成异构传感器对于优化复杂传感器系统至关重要，然而，传感器类型、数据格式和测量单位的变化为无缝数据集成和互操作性带来了显著挑战。相似性特征（SFs）常用于量化不同传感器数据之间的关系，但由于传感器数据固有的复杂性，没有单一的SF具有普适性。因此，结合多种SFs对于实现精确集成是必要的。尽管遗传编程（GP）为构建SF组合提供了强大的解决方案，但它常因异构数据中的复杂交互而陷入局部最优。为克服这些挑战，本文引入了具有多种个体表示的协同进化遗传编程（CEGP-MIR），该算法通过动态种群交互结合树形和线性GP表示，以增强搜索与优化过程。该方法包含一种新颖的表示间自适应合作交互机制及新的交叉算子，以避免陷入局部最优。实验采用OAEI基准、Conference数据集以及十个真实传感器数据集来测试CEGP-MIR的性能。结果表明，设计的CEGP-MIR能够提升传感器实体对齐效果，并提高异构传感器数据集成的整体效率。
Keyword:
heterogeneous sensors
similarity features
genetic programming
co-evolutionary algorithms
sensor data integration
期刊
IF:
8.5
论文数:
2.2K
被引数:
1.0W
机构
引用论文
.png){kind=icon}
分享收藏The Use of Ranks to Avoid the Assumption of Normality Implicit in the Analysis of Variance使用秩来避免方差分析中隐含的正态性假设
PREAI
分享收藏
查看更多内容