VIP20
本课程属于：023-Edge AI多传感器融合推理 工业控制与工业互联网 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

多传感器融合推理中的缺失数据处理课程

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · 多传感器融合与缺失数据的基本概念
课程导入学习目标
02
传感器与数据基础
常见传感器类型（雷达 · 激光雷达 · 摄像头
传感器数据基础
03
缺失数据概述
缺失数据的定义 · 类型（随机缺失 · 非随机缺失
缺失数据概述缺失数据的定义
04
数据预处理与质量评估
数据清洗 · 异常检测 · 质量指标（完整性
数据预处理质量评估
05
缺失数据可视化与探索性分析
使用图表和统计工具识别缺失模式 · 相关性分析 · 缺失机制判断
缺失数据可视化探索性分析
06
传统缺失数据处理方法
删除法（列表删除 · 配对删除） · 均值/中位数/众数填充
传统缺失数据处理…删除法
07
基于统计模型的缺失数据填补
期望最大化（EM）算法 · 多重插补（MI） · 极大似然估计在传感器数据中的应用
基于统计模型的缺…EM
08
基于回归与机器学习的方法
线性回归 · K近邻（KNN） · 决策树
基于回归机器学习的方法
09
基于深度学习的缺失数据填补
自编码器 · 生成对抗网络（GAN） · 变分自编码器（VAE）
基于深度学习的缺…自编码器
10
多传感器融合基础
融合层级（数据级 · 特征级 · 决策级）
多传感器融合基础融合层级
11
卡尔曼滤波与缺失数据
标准卡尔曼滤波 · 扩展卡尔曼滤波（EKF） · 无迹卡尔曼滤波（UKF）在缺失观测下…
卡尔曼滤波缺失数据
12
粒子滤波与缺失数据
粒子滤波原理 · 重采样技术 · 在部分传感器失效时的状态估计方法
粒子滤波缺失数据
13
贝叶斯推理与缺失数据
贝叶斯网络 · 动态贝叶斯网络 · 隐马尔可夫模型（HMM）对缺失数据的…
贝叶斯推理缺失数据
14
图模型与因子图
因子图表示 · 消息传递算法（信念传播）在传感器融合…
图模型因子图
15
基于信息论的融合方法
信息熵 · 互信息 · KL散度在缺失数据下的融合权重调整与…
基于信息论的融合…信息熵
16
分布式融合与缺失数据
分布式卡尔曼滤波 · 共识算法 · 在通信受限或传感器丢失时的融合策略
分布式融合缺失数据
17
异步传感器融合与缺失数据
时间戳对齐 · 异步滤波 · 缓存与预测机制处理不同步和缺失测量
异步传感器融合缺失数据
18
不确定性量化与置信度传播
协方差估计 · 置信区间 · 在缺失数据下如何评估融合结果的可信度
不确定性量化置信度传播
19
案例实战
自动驾驶场景中的多传感器融合缺失数据… · 雷达丢包）完整流程
案例实战自动驾驶场景
20
案例实战
机器人SLAM中的缺失数据处理（如激… · IMU漂移）与地图构建
案例实战SLAM
21
案例实战
无人机导航中的传感器故障与缺失数据融… · 气压计异常）的容错设计
案例实战无人机导航
22
案例实战
工业物联网中的多传感器监测（温度 · 振动 · 压力）缺失数据填补与预测性维护
案例实战工业物联网
23
案例实战
医疗健康监测中的可穿戴传感器缺失数据… · 血氧 · 运动数据）与健康推理
案例实战医疗健康监测
24
常见问题与调试
缺失率过高 · 填补偏差 · 融合发散
常见问题调试
25
模型评估与验证
交叉验证 · 模拟缺失 · 指标（RMSE
模型评估验证
26
实时性与资源约束
嵌入式环境下的缺失数据处理算法优化 · 轻量化模型 · 在线学习与自适应
实时性资源约束
27
多传感器融合中的主动感知与数据请求
根据缺失情况动态调整传感器采样率 · 请求重传或补充测量
多传感器融合主动感知
28
高级主题
基于Transformer的时序缺失… · 图神经网络在传感器网络中的应用 · 联邦学习下的隐私保护缺失处理
高级主题Transformer
29
综合项目实战
设计一个多传感器融合系统 · 包含缺失数据生成 · 处理
综合项目实战设计一个多传感器…
30
课程总结与前沿展望
回顾核心知识点 · 常见误区 · 未来趋势（如多模态大模型
课程总结前沿展望