基于信息融合的运动目标自动提取

提出了一种采用主动轮廓模型来融合多种图像信息的运动目标提取算法．通过对含有运动信息的差分图像进行统计分析，可以获得运动目标的粗略位置，从而解决了主动轮廓的启动问题．利用图像中的色彩信息，构建了一种新的色彩力．由于这种色彩力在作用范围、定位精度上与反映目标边缘特征的图像力具有互补性，因此在这两种力的共同作用下，主动轮廓可以有效地解决其初始位置远离目标边缘的难题，并精确地提取目标的真实轮廓．实验表明，这种算法在长达数百帧的图像序列中，始终能准确地分割出运动目标，并稳定跟踪目标的运动．     

多通道信息融合技术的研究

在数字信号处理的过程中 ,利用信息科学原理建立了多通道信息融合的数学模型 并采集了车辆变速箱的多通道振动信号 ,计算其Shannon熵、信息含量效率和信息冗余 ,并对信号进行剔除 ,再对其进行多通道的信息融合 ,以获得比单一通道精度更高的信号特征 ,大大提高了识别被测物体的特征的能力     

基于信息融合技术的火炮系统可靠性评估

针对小子样复杂系统可靠性评估问题，基于信息熵理论和贝叶斯近似方法，通过同级不同单元可靠性信息的折合和自下而上各级系统间可靠性信息的综合，建立了小子样复杂火炮系统可靠性评估模型及方法，结合工程实例，验证了该方法的正确性和有效性。     

基于过程信息融合的管线泄漏诊断

根据管线泄漏瞬态过程持续时间较短以及干扰工况较多的特点,提出了基于过程信息融合的管线泄漏检测方法。对管线泄漏特征进行了分析,并介绍了基于过程平稳熵、双通道奇异谱熵和双通道能谱熵的过程信息熵特征提取方法。将过程信息熵应用于对管线泄漏的识别,并利用GPS时间标签定位法结合GIS定位信息进行精确诊断。利用该方法对西部成品油管线进行泄漏监测,结果显示,基于过程信息融合的管线泄漏监测方法具有较好的实时性和抗干扰能力,提高了泄漏诊断的准确性和定位的精确性。     

基于多级信息融合的视频目标跟踪

在多摄像机视频监控的框架下,基于信息融合技术策略,提出了一种用于移动目标跟踪的多级信息融合方法.对于每个单一摄像机采用多特征融合粒子滤波跟踪算法,该算法将目标颜色和边缘方向特征同时作为测量特征,并通过随机融合机制融合特征权重,得出最佳目标位置估计.在此基础上,将多个摄像机的跟踪结果相融合,融合方法主要是通过位置、大小和颜色匹配概率的联合进行目标之间的匹配度测量,并基于信任度级别及权重融合目标跟踪特征.仿真实验证明本方法能够有效消除目标跟踪过程中的重叠区域遮挡问题,在提高目标跟踪精度的同时,充分发挥了多摄像机多信息融合的优势,较好地描述了跟踪目标的状态.     

基于深度置信网络和信息融合技术的轴承故障诊断

提出一种基于深度置信网络(DBN)和信息融合技术的轴承故障诊断新方法。首先采用集合经验模式分解将轴承振动时域信号分解为若干个固有模态函数,并分别输入至若干个DBN中进行故障状态识别,然后通过简单投票法将每个DBN识别的结果进行决策层信息融合,从而得到轴承故障的最终诊断结果。通过对单负载和多负载下不同类型和不同损伤程度的滚动轴承故障诊断进行实例分析,验证了本文方法的有效性和精确性。     

基于信息博弈的多源信息融合方法

针对多传感器信息融合系统中的信息冲突,结合博弈论的原理,在考虑信息冲突环境下局中人最优策略和最优支付的情况下,提出了求解信息冲突环境的信息博弈融合方法.首先通过信息熵的形式将多信息器表示成多源信息,并将多源信息的信息冲突过程抽象成为信息博弈过程,多传感器系统通过信息博弈的过程实现整个系统的信息收益最大化.通过对空调机调速器运行工况评价的实验分析,证实该方法在保持调节性能的同时,能从冗余的多源信息角度对系统的被控参数做出调整,各种动态品质特性优于传统的方法.     

基于支持向量机的图像深度提取方法

在目前的2D-3D视频转换技术的研究中,大多数方案都是利用一种线索或者几种线索简单组合的方法来提取图像的深度信息,导致方案的受场景限制而准确性不高.为了提高深度提取方案的准确性,提出基于支持向量机的图像深度提取方法.该算法通过支持向量机的学习获得各线索合理的结合原则,利用图像中提取的纹理变化、纹理梯度以及雾度等线索进行深度预测,从而提高深度提取算法的准确性,实验结果表明该算法是有效的.     

基于多模态融合的深度神经网络图像复原方法

针对水下图像成像环境复杂常受偏色等因素干扰而影响后续图像分析的问题,提出一种基于多尺度特征与三重注意力多模态融合的深度卷积神经网络图像复原方法.首先,深度卷积神经网络在抽取图像空间特征的基础上,引入图像多尺度变换特征;其次,通过通道注意力、监督注意力和非局部注意力,挖掘图像特征的尺度间相关性、特征间相关性;最后,通过设计多模态特征融合机制,将上述两类特征有效融合.在公开的水下图像测试集上进行测试并与当前主流方法进行对比的实验结果表明,该方法在峰值信噪比、结构相似性等定量对比以及颜色、细节等定性对比上都优于对比方法.     

信息融合技术的方法与应用研究

信息融合是现代信息技术与多学科交叉、综合、延拓产生的新的系统科学研究方向,在军事和民用领域已经展现出的有效与广阔的理论和应用前景。文章在对信息融合技术应用现状研究的基础上,介绍了信息融合的定义、功能、实现步骤,阐述了信息融合常见算法及其优缺点,最后指出了信息融合技术存在的问题和发展趋势。     

基于流量相关性和数据融合的P2P botnet检测

提出了一种基于网络流量相关性和数据融合理论的实时检测P2Pbotnet方法,该方法主要关注P2P botnet的命令与控制机制(CC)机制产生的本质流量——UDP流,它不会受P2Pbotnet的网络结构、协议和攻击类型的影响.首先分别用自相似性和信息熵来刻画UDP流的相关性特征,利用非参数CUSUM(cumulative sum)算法检测上述特征的变化以得到检测结果,然后利用Dempster-Shafer证据理论融合上述特征的检测结果.同时,采用TCP流量特征在一定程度上消除P2P应用程序对P2Pbotnet检测的影响.实验表明所提出的方法可有效检测新型P2Pbotnet.     

针对证据冲突状态的图像融合技术

为解决D-S（Dempster-Shafer）证据理论在较大证据冲突下的结果失效问题,根据最大信息熵原理,提出一种基于马尔可夫过程的证据冲突处理方法.当证据间表现出冲突特性时,通过马尔可夫过程平稳分布获得冲突证据的一致性输出,再与后续证据进一步融合,获取客观科学的融合结果.红外序列图像融合仿真表明：提出的融合方法的收敛性与融合结果均优于经典D-S证据理论,对消除证据融合过程中的主观因素起到一定的作用.     

基于小波分析法的传感器信息融合的运动损伤检测方法

传统方法针对多组传感器路径中的检测点,在很大程度上会出现若干存在差异的损伤发生概率,导致运动损伤检测不准确。为此,提出一种传感器信息融合的运动损伤检测方法。利用多帧帧间差的累积消除空洞效应,在此基础之上,融合传感器确定出准确的人体运动区域,以此对不同场景人体运动进行监测;采用小波分析法对监测结果的非平稳信号进行分析,得到运动损伤特征。将传感器信息融合和小波神经网络结合在一起,获取所有传感器的小波能量特征向量,按照最大概率密度函数值和特征向量获取融合运动损伤检测结果及损伤种类。实验结果表明,所提方法检测结果准确,实用性强。     

基于二元等距语言标签的多源定性信息融合方法

进一步扩展了Herrera-Martínez的二元等距语言标签表示模型(即扩大集成运算β的范围、改善负运算算子,定义类 Herrera-Martínez的转化函数Δ(·)和逆转换函数Δ(·)等),以便适合不确定信息的定性组合推理.并在此基础上,为了使得二元等距语言标签在定性融合规则中的合理运算,进一步提出二元标签之间的加、减、乘、除等运算算子,以及DSmT(Dezert-Smarandache theory)理论框架下的定性组合规则和冲突分配规则,并给出了归一化证明.最后通过一个简单的例子来表明其优点,即克服了当前其他方法处理定性不确定信息融合的不足:只针对某种特定的不确定,缺乏广泛的适应性;一元标签定性表示精度不足而导致信息损失严重,缺乏类似定量计算中方便灵活的定性运算算子等.     

一种基于案例分析的文本信息抽取技术

信息抽取技术是深层次分析文本语义信息的基础.随着数据量的增加,尤其是针对海量网络信息分析的需求,传统的基于手动标注或人工干预的训练分类方法已不能满足要求.以“大学生心理健康”相关网页作为信息语料,提出一种基于案例分析的文本数据抽取方法,可以实现跨领域信息自动抽取,能够快速有效地获得满足用户需求的信息.     

基于两阶段卡尔曼滤波的多传感器信息融合

在目标跟踪中,对目标运动建模时,常会遇到系统状态方程存在偏差问题. 传统的信息融合方法总是假设系统状态方程中的偏差为常量,很少涉及偏差为随机变量的情形,但实际建模中常会出现这类问题. 针对此问题,提出了基于两阶段卡尔曼滤波的多传感器信息融合方法. 这种方法可以有效地消除系统状态方程在建模存在随机偏差时给信息融合所带来的影响,从而提高了融合精度.     

基于单元识别的网页信息抽取方法

建立基于链的父亲结构树描述和存储网页信息,采用Htmlparse和基于正则表达式的描述方法,设计、实现了一种高效的基于单元识别的网页信息抽取算法.分析与实验结果表明,文中给出的网页信息抽取方法能提高检索的查准率和查全率.     

基于GNSS的高速列车多传感器组合定位方法研究

从常用列车定位方法比较分析入手,探讨列车定位技术发展趋势.在此基础上,重点阐述了多传感器组合定位与GNSS定位的发展现状及其应用于高速列车定位面临的挑战,提出了以GNSS为主的多传感器组合定位平台建设性方案,并对其特点进行了剖析,为高速列车运行过程定位建模与优化探索新途径.     

基于Rough集的多传感器信息融合

Rough集是一种处理含糊和不精确性问题的新型数学工具,将其应用于多传感器信息融合中,可以简化规则的描述和表示,有利于快速得到最小融合算法,同时可以解决数据超载问题,形成多传感器信息融合算法。