机器学习：融合邻域信息的k-近邻分类

【自然语言处理与理解】融合上下文信息的社会网络推荐系统

【机器学习】融合整体与局部信息的武夷岩茶叶片分类方法

【自然语言处理与理解】融合语义与语法信息的中文评价对象提取

提出了基于多代理决策融合的电机状态识别系统.以电机的振动信号和电流信号为输入,六种分类器用来识别其状态.每个分类器视为一个代理,独立完成模式识别工作后,同其他分类器交换信息从而提高识别率.本文还将传感器融合和分类器选择融入系统,同单源数据和无分类器选择相比具有更大的优势,使最终电机状态识别率达到98.9%

现有的大坝整体性态评价方法以定性评价为主，主观性较强.针对这一问题，以单测点监控模型的计算值与监测仪器实测值之间的残差为基础，提出采用多测点融合残差表征大坝整体性态.结合信息熵理论研究了不同测点的残差变化规律，从而对各测点残差的融合权重进行了分配，计算了融合残差.通过对融合残差进行分布分析，利用逆向云发生器、正向云发生器建立了表征大坝不同性态的概念云，即评价标准.在此基础上，结合云相似度算法，建立了大坝整体性态的评价模型.算例表明，该模型能够有效识别大坝监测资料中的异常测值，并能够定量、客观地评价大坝整体性态，评价结果合理、可靠，可为保障大坝安全运行提供重要参考

针对目前视网膜血管分割中存在的细小血管提取不完整、分割不准确的问题，从血管形状拓扑关系利用的角度出发，探索多任务卷积神经网络设计，提出骨架图引导的级联视网膜血管分割网络框架。该框架包含血管骨架图提取网络模块、血管分割网络模块和若干自适应特征融合结构体。骨架提取辅助任务用于提取血管中心线，能够最大限度地保留血管拓扑结构特征；自适应特征融合结构体嵌入在两个模块的特征层间。该结构体通过学习像素级的融合权重，有效地将血管拓扑结构特征与血管局部特征相融合，加强血管特征的结构信息响应。为了获得更完整的骨架图，骨架图提取网络还引入了基于图的正则化损失函数用于训练。与最新的血管分割方法相比，该方法在3个公共视网膜图像数据集上均获得第一名，在DRIVE，STARE和CHASEDB1中其F1值分别为83.1%，85.8%和82.0%。消融实验表明骨架图引导的视网膜血管分割效果更好，并且，基于图的正则化损失也能进一步提高血管分割准确性。通过将骨架提取模块和血管分割模块替换成不同的卷积网络验证了框架的普适性

第五讲 工业信息物理融合系统 第六讲 模型预测控制 第七讲 面向网络控制系统的模型预测控制设计 第八讲 面向多智能体系统的模型预测控制 第九讲 先进控制理论和方法的实时实现及工程应用

随着数字通信技术和计算机技术的快速发展以及通信网与计算机网络的相 互融合,信息科学技术已成为21世纪国际社会和世界经济发展的新的强大推动 力。信息作为一种资源,只有通过广泛地传播与交流,才能产生利用价值、促进 社会成员之间的合作、推动社会生产力的发展、创造出巨大的经济效益。 本章将简要介绍通信系统的基本概念、组成和分类、信息的度量以及评价通 信系统性能的指标

人们常用C&C(computer and communication)来描述计算 机网络,但从系统的观点看,这还很不够。固然计算机和通 信系统是计算机网络中非常重要的基本要素,但计算机网络 并不是计算机和通信系统的简单结合,也不是计算机或通信 系统的简单扩展或延伸,而是融合了信息采集、存储、传输、 处理和利用等一切先进信息技术,是具有新功能的新系统