针对基于多源数据融合的多用户决策问题，建立了多源异构数据融合模型，研究了基于三角模糊数的异构数据统一量化表示方法，采用有序加权平均算子融入决策者的偏好，设计了一种支持多用户决策的多源异构数据融合算法。实际应用表明，本文设计的算法能解决多源异构数据在结构和语义上的模糊性、差异性和异构性等问题，通过在数据融合过程中考虑决策者偏好，提高了多用户决策结果的可靠度。

提出基于过程特征信息的火灾早期探测数据融合方法.利用加窗函数的外推算法和最小二乘法,提取CO浓度上升速度与加速度、CO2的浓度上升速度作为火灾辨识的特征层信息,建立一个3输入,3输出的概率神经网络的系统决策层.选取58组具有代表性的火灾状况特征信息作为数据样本,对网络进行训练.仿真结果表明,经过50次训练,最终误差为10 - 3 ,方法能够快速、准确地对火灾的阴燃初期进行识别,正确判别明火,且对于干扰信号能够有效滤除.

介绍了使用基于 DCT 的演示程序进行图像融合。

一种基于DCT域局部能量的多聚焦图像融合算法

针对被动传感器观测的非线性问题,将无迹变换引入卡尔曼滤波算法中.进一步,针对其弱可观测性,采用多个被动传感器集中式融合跟踪策略,提出了基于无迹卡尔曼滤波的被动多传感器融合跟踪算法.以3个被动站跟踪为例进行仿真研究,结果表明所提出的算法可达到比经典的扩展卡尔曼滤波算法更高阶的跟踪精度.

纸 论文“深度融合集群网络”的源代码 图W.涂，周S.，刘X.，郭X，蔡Z. 被AAAI2021接受。 安装 克隆此仓库。 git clone https://github.com/WxTu/DFCN.git Windows 10或Linux 18.04 的Python 3.7.5 脾气暴躁的1.18.0 斯克莱恩0.21.3 火炬视觉0.3.0 Matplotlib 3.2.1 准备 我们总共采用了六个数据集，包括三个图形数据集（ACM，DBLP和CITE）和三个非图形数据集（USPS，HHAR和REUT）。 要在这些数据集上训练模型，请从（访问代码：4622）或下载它们。 代码结构与用法 在这里，我们提供了PyTorch中的深度融合集群网络（DFCN）的实现，以及DBLP数据集上的执行示例（由于文件大小的限制）。 该存储库的组织方式如下： load_data.py

情感可以以显式或隐式方式表达。 当前有关情感分析的大多数研究都侧重于对显性情感的识别，却忽略了隐性情感。 根据我们在先前工作中的数据标记过程中的统计，近三分之一的主观句子包含隐含情感，而隐含情感句子中有72％是事实隐含的。 我们分析了表达事实隐含情感的句子的特征，并认为事实隐含情感通常受其情感对象，语境语义背景及其自身句子结构的影响。 本文着重于句子层面对事实隐含情感的识别。 提出了一种基于表示学习的多层次语义融合方法来学习识别特征。 从语料库中学习了三个不同层次的特征，即单词层次上的情感目标表示，句子层次上的结构嵌入表示和文档层次上的上下文语义背景表示。 通过人工构建汉语隐含事实情感语料库，对数据集进行实验表明，该方法可以有效识别隐含事实事实句子。

论文研究-基于Bayes估计的多传感器数据融合方法研究.pdf,  对多传感器数据融合方法进行研究 ,以 Bayes估计理论为基础得到了多传感器最优融合数据 ,并将它与其它方法得到的融合数据进行了比较 .

多尺度特征融合图像超分辨率重建

一种基于深度学习的多源异构数据融合方法.pdf