针对室内复杂的非结构化环境和机器人动态变化的服务任务,提出基于快速识读码(QR code)技术的室内环境空间认知手段.在双目视觉获得深度信息的前提下,基于DSmT证据理论构建信息不确定数学模型,形成描述体素占有/空闲概率的三维栅格地图.在构建三维地图的同时,利用粘贴在大物品上的基于QR code技术的人工物标,为环境中的大物品添加语义标签,并基于大物品的尺寸更新对应的体素占空值,形成含大物品功能属性和归属关系描述的三维栅格语义地图.通过实验与其它信息融合算法进行对比,并对人工物标的识读准确性进行分析,证明该方法的有效性和可行性.

基于共性与特性信息融合的遥感场景图像分类.zip

## Malsite-Deep Malsite-Deep：基于NearMiss-2策略的深度学习和多信息融合预测蛋白质丙二酸化位点 ### Malsite-Deep使用以下依赖项： Python 3.6 麻木 科学的 scikit学习 大熊猫 TensorFlow 凯拉斯 ###指导原则：**数据集文件包含五类数据集，其中包含训练数据集和独立测试数据集。 **特征提取： PseAAC.py是PseAAC的实现。 exchange_matrix.m和be_extract_feature是BE的实现。 Bi_profile_bayes.m是BPB的实现。 DPC.py是实施DC的实现。 EBGW_DATA.m和EBGW.m是EBGW的实现。 BLOSUM62.py是BLOSUM62的实现。 EAAC.py是EAAC的实现。 PWAA_Y1.m是PWAA的实现。 **

针对融合识别领域中不同框架下多源异类传感器的不确定证据信息无法有效融合的问题, 提出一种基于条件证据网络的多源异类知识融合识别方法. 该方法将战场协同作战中不同框架下多源异类传感器的领域知识统一在证据网络的结构下, 形成多源异类知识融合识别模型, 对多源异类传感器的不确定性证据信息进行基于条件证据网络的融合推理, 得到识别结果. 仿真实例验证了所提出方法的优越性.

针对多传感器的目标识别问题，利用异类传感器数据多样性的特点，通过可信度的概念将多种数据进行融合。根据目标信息的不确定性，引入模糊物元分析法确定特性熵权，用Vague集表达目标的特征值，根据Vague度距离给出目标识别结果。实验仿真表明，异类传感器比同类传感器能更好地融合信息，提高目标识别效果。

基于神经网络信息融合的智能机器人

粗集理论在信息融合中的应用

三、窗口傅里叶变换（傅里叶→小波） 由于传统傅里叶分析只适用于平稳信号，在进行非平稳信号的分析时通常采用时频处理方法，它将一维时域信号分解为二维时域—频域联合分布表示。传统傅里叶分析不适用于时变信号的分析，但是可以在时域和频域内进行加窗处理，窗内的信号认为是准平稳的，对它们可以采用平稳信号的分析方法，如频谱分析和功率谱分析。这就是窗口傅里叶变换。

人工智能-机器学习-机器人多感觉传感器系统与多信息融合技术.pdf

网络的传感器节点向处理中心传输局部估计时,不可避免地存在随机延迟,从而导致航迹无序现象频发。在分布式框架下,研究多传感器时滞航迹的融合估计问题。采用最新可利用的局部估计原则,若未收到最新局部估计,则用之前收到的最新的估计进行预报。进而,运用避免计算互协方差阵的CI算法进行分布式融合。避免了计算互协方差阵,且能改善局部估计的精度。仿真例子说明算法的有效性。