基于神经网络及多层次信息融合的手写体数字识别

以信息融合技术为基础，提出了一种新的基于神经网络及多层次信息融合的手写体数字识别方法。该方法通过提取字符图像不同机制的4个互补特征，组合形成6个融合特征，利用优化的BP神经网络算法，对多融合特征进行识别分类，然后用神经网络对6个识别结果进行融合决策．实验结果表明，新的融合识别方法能有效提高识别率，并具有较高的系统可靠性。     

信息融合在飞机地面作业处理系统中的应用

信息融合技术是一种新的信息处理模式,以其多信息、多手段的交叉融合,为复杂大系统提供各种有用的信息;在智能运输、信息处理等领域中有着广泛的应用前景。该文通过对飞机地面作业多源信息的分析,建立了飞机地面作业智能处理系统信息融合模型,并分析了信息融合技术在该系统中的应用。     

融合设计知识的室内饰品自动摆放方法

针对在家居设计过程中饰品的挑选与摆放耗时较长的问题,提出一种融合设计历史知识的数据驱动的智能饰品摆放方法.首先将已有的专业设计师设计好的家居场景划分成一系列子空间结构,针对存放饰品的子空间标记和提取对应的饰品与子空间的特征关联信息;然后构建相应的学习模型,把子空间的特征信息与饰品的特征信息构成融合特征;接着,在新的场景...     

智能神经网络系统的研究

提出将符号逻辑等理论融合于神经网络之中，从而使神经网络不仅具备良好的信息感知能力，而且不具备强大的信息理解和应用能力，进而建立了一种新的、通用的智能神经网络系统的理论及实现技术。     

基于神经网络的多元特征融合身份识别系统

从信息融合的角度出发，利用神经网络的方法将语音信号、人脸图像等多元特征数据信息有机地结合起来，设计并实现了一种基于神经网络的智能融合身份识别系统。系统利用改进的线性预测和轮廓检测等方法，求出3类特征参数，并将它们进行关联，最后利用RBF人工神经网络进行融合识别。实验表明，与传统的单一特征识别系统相比，该方法具有更好的识别效果。     

基于多智能体的信息融合系统

论文概述了智能体理论及其在信息融合方面的研究情况,总结了多智能体信息融合的基本方法,基于JADE平台,设计并实现了一种多智能体信息融合系统.     

融合残差Inception与双向ConvGRU的皮肤病变智能分割

由于皮肤病病灶的形状、颜色以及纹理差异极大,且边界不明确,使得传统深度学习方法很难对其进行准确分割。因此本文提出了一种融合残差Inception与双向卷积门控循环单元 （Convolutional gated recurrent unit, ConvGRU）的皮肤病变智能分割模型。首先设计了一种云边协同的皮肤病变智能分割服务网络模型,通过该网络模型,用户可以获得快速、准确的分割服务;其次,构建了一种新的皮肤病变智能分割模型,通过融合残差Inception与双向ConvGRU,该模型能融合不同尺度特征,提高模型特征提取能力,并能充分利用底层特征与语义特征之间的关系,捕获更丰富的全局上下文信息,取得更好的分割性能;最后,在ISIC 2018数据集上的实验结果表明,所提出的智能分割模型与近期提出的几种U-Net扩展模型相比,取得了更高的准确率与Jaccard系数。     

多传感器信息融合在智能车中的应用研究

研究智能无人车采集的差异数据融合问题,提高融合后有效信息数量。针对智能无人车多传感器采集存在较大随机性,采集的信息在特征上存在较大差异,在后期融合过程中的差异容易造成信息冲突,导致有效信息丢失,融合后的有效数据量大幅减少。为了解决上述问题,提出一种自适应多传感数据信息融合算法,通过估计出数据信息的可融合程度,运用滤波技术提高其融合能力,增加融合后有效数据信息量。实验表明,该算法能够大幅提高多传感器差异信息融合率,增加有效信息数量,取得了不错的效果。     

外逆P-信息智能融合与它的属性析取特征-应用

逆P-集合是由内逆P-集合F与外逆P-集合构成的元素集合对,或者()是逆P-集合。逆P-集合具有动态特性。利用外逆P-集合与外逆P-推理,给出外逆P-信息智能融合生成、外逆P-信息智能融合冗余生成与外逆P-信息智能融合度量。给出外逆P-信息智能融合定理。给出外逆P-信息智能融合依赖定理与外逆P-信息智能融合还原定理、外逆P-信息智能融合的属性析取特征与属性析取收缩定理、属性析取收缩-未知外逆P-信息智能融合发现原理以及这些理论结果的应用。逆P-集合是研究另一类动态信息应用的新理论,新方法;另一类动态信息具有属性析取特征。     

基于模糊神经网络的特征信息融合

研究多传感器特征信息融合问题。基于自适应模糊神经网络,提出一种新的特征信息融合算法。仿真结果表明,该方法计算量小,具有较强的处理不确定信息的能力和多种理想的融合特性等特点。     

基于粗集的信息融合系统评价指标体系优化研究与实现

测试评估系统在C3I信息融合的发展过程中起着极其重要的作用。讨论信息融合系统评估的一般理论和利用粗糙集理论的属性约简算法,对多传感器信息融合的跟踪评价指标集进行优化的方法,为建立一个适应多个领域的融合评价平台提供一个可行性方案,针对移动目标构建了航迹模拟系统的评价指标,并对其进行了优化,给出了一些用于定量评估的性能指标的定义和测试评估系统的构建方法及过程,并基于软总线结构进行了软件设计。通过实例分析,使得该评估指标体系的可靠性和实用性得到了验证。     

基于邻域粗糙集组合度量的混合数据属性约简算法

属性约简是一种重要的数据挖掘方法。为了对混合型信息系统达到更好的属性约简性能,提出一种邻域组合度量的启发式属性约简算法。邻域依赖度是构造混合信息系统属性约简的常用方法,根据粒计算的视角,在混合信息系统中提出邻域知识粒度用于评估属性的粒化能力。将邻域依赖度与邻域知识粒度进行结合,提出混合信息系统下的邻域组合度量,并将该度量方法作为启发式函数,提出一种属性约简算法。实验分析表明,该算法比混合信息系统的其他相关属性约简算法具有更高的约简性能。     

一种基于粗集理论的增量式属性约简算法

增量式学习中,当信息系统的对象和决策属性不变而不断增加条件属性时,为了获得该系统的约简属性,一般方法是对决策表中的所有数据重新计算,但这种方法显然效率很低且不必要.在粗集理论的基础上,给出相对区分矩阵和绝对区分矩阵的定义,提出一种新的增量式属性约简算法.通过实例得知:由该算法得到的属性约简与传统算法得到的属性约简结果相同,但该算法不仅降低了时间复杂度而且其分类质量一般要优于原来的分类质量,所以该属性约简具有一定的实用价值.     

基于粒化单调的不完备混合型数据增量式属性约简算法

增量式属性约简是一种针对动态数据集的新型属性约简方法。然而目前的增量式属性约简很少有对不完备混合型的信息系统进行研究。针对这类问题提出一种属性增加时的增量式属性约简算法。在不完备混合型信息系统下引入邻域容差关系。基于邻域容差关系的粒化单调性,提出信息系统属性增加时邻域容差条件熵的增量式更新方法,并提出了不完备混合型信息系统下的邻域容差条件熵增量式属性约简算法。实验分析表明了该算法的有效性。     

基于条件分布信息量的不完备决策表属性约简

通过分析目前信息观下不完备信息系统属性约简,针对已提出的几种信息熵存在随着属性的增加系统分类能力减弱的不足,从条件属性确定的容差类在决策属性划分上的分布出发,给出不完备决策表的条件分布信息量的定义;同时,定义了新的属性重要度,并以此为启发信息设计属性约简算法。通过实验说明了该算法对不完备决策表属性约简是可行的。     

基于统计理论的多传感器信息融合方法

多传感器信息融合技术引起了工业测量系统的改变 ,是智能仪表的发展方向。针对工业中干扰的特点 ,提出一种基于统计理论的信息融合方法 ,它采用高等数学的方法求解具有多变量约束条件的极值问题 ,从而得到最小方差的信息融合结果。以此方法可以提高系统的抗干扰能力和测量准确度 ,并通过实验测量进行了仿真以表明其正确、有效。     

Induction of multiple fuzzy decision trees based on rough set technique

The integration of fuzzy sets and rough sets can lead to a hybrid soft-computing technique which has been applied successfully to many fields such as machine learning, pattern recognition and image processing. The key to this soft-computing technique is how to set up and make use of the fuzzy attribute reduct in fuzzy rough set theory. Given a fuzzy information system, we may find many fuzzy attribute reducts and each of them can have different contributions to decision-making. If only one of the fuzzy attribute reducts, which may be the most important one, is selected to induce decision rules, some useful information hidden in the other reducts for the decision-making will be losing unavoidably. To sufficiently make use of the information provided by every individual fuzzy attribute reduct in a fuzzy information system, this paper presents a novel induction of multiple fuzzy decision trees based on rough set technique. The induction consists of three stages. First several fuzzy attribute reducts are found by a similarity based approach, and then a fuzzy decision tree for each fuzzy attribute reduct is generated according to the fuzzy ID3 algorithm. The fuzzy integral is finally considered as a fusion tool to integrate the generated decision trees, which combines together all outputs of the multiple fuzzy decision trees and forms the final decision result. An illustration is given to show the proposed fusion scheme. A numerical experiment on real data indicates that the proposed multiple tree induction is superior to the single tree induction based on the individual reduct or on the entire feature set for learning problems with many attributes.     

集值决策信息系统的动态属性约简算法

在现实应用中许多数据往往是动态变化的,静态的属性约简算法处理此类数据需消耗大量的计算时间和存储空间。针对集值决策信息系统中数据的动态变化情况,通过引入条件信息量和属性重要性概念,提出了一种启发式的动态属性约简算法,当新的属性集增加到决策信息系统时,算法能够利用原系统的属性约简结果,快速更新属性集增加后的属性约简,并对更新后的属性约简中可能存在的冗余属性进行反向剔除,保持了知识获取的简洁,提高了算法的计算效率。最后,通过实例验证进一步分析了算法的有效性和可行性。     

区间值决策信息系统的启发式属性约简

区间值决策信息系统是单值信息系统的一种推广,借助于属性区间值的相似程度在区间值决策系统上引入α极大相容类的概念,定义了一种新的条件信息熵,提出了相对属性内(外)重要度的度量方法,进一步,给出基于α条件信息熵的启发式相对约简算法,通过实验验证了该算法的有效性。     

广义信息系统的属性约简

把完备信息系统、不完备信息系统、序信息系统、覆盖信息系统等常见信息系统统称为广义信息系统,采用新的知识表达形式将其知识结构进行统一表示,特别是将覆盖信息系统纳入了广义信息系统的框架之中。在广义信息系统中引入粒度熵的概念,对属性的重要性给出度量;在此基础上,提出一种广义信息系统属性约简的启发式算法,进而得到广义信息系统的知识约简,并给出了若干算例。