针对当前输电线路故障诊断的需求，结合智能电网运行中产生的大量结构多样、来源复杂的数据，将这些大数据归类于不同的维度，设计了基于多维度数据融合的输电线路故障智能诊断系统。对多维度的诊断结果融合架构、融合方法等进行了设计，并给出了故障智能诊断系统的主要功能模块和整体结构。最后，通过该系统的运行，表明了多维度数据融合的诊断结果具有较高的诊断速度和准确度，在电力行业故障诊断方面具有良好的应用前景。

随着我国列车行驶速度的不断提高,列车的行车安全逐渐得到了人们的重视,海量列车轮对监测数据为分析列车运行状态提供了条件.为了提高列车轮对故障诊断效率和准确性,文章提出一种基于大数据分析的列车轮对故障诊断方法,针对传统列车轮对故障诊断方法在处理大规模监测数据集时存在处理时间长,故障结果不准确等问题.首先设计一个监测数据融合框架,然后将多故障诊断循环神经网络算法与大数据MapReduce分布式计算框架相结合,利用循环神经网络算法特征提取能力和MapReduce快速计算能力.这样不但能够发挥循环神经网络故障特征提取能力,还能够满足列车轮对故障诊断精确性和实时性的需求,最后通过实例分析,证明了该方法的有效性.

本文采用两种改进的算法: 基于HSV的小波融合算法(HSV-WT)、基于区域特征的自适应小波包融合算法(AWP)分别对多光谱LandSat TM数据与全色SPOT-5数据、TM数据与ERS-2的合成孔径雷达SAR数据进行融合. 融合结果表明两种改进算法融合后的数据在保持光谱信息和提高空间细节信息两方面均得到提高. 当应用两种方法对同一组数据进行处理时, AWP的性能参数优于HSV-WT. 这两种算法相对传统小波算法, 能克服对高频信息处理的缺陷, 突破待融合数据的分辨率比值限制, 实现分辨率之比非2n的数据融合.

数据融合matlab代码自适应加权学习网络的轻量图像超分辨率 王朝峰，李振和石军，“具有自适应加权学习网络的轻量图像超分辨率”， 该代码基于 依存关系 的Python 3.5 PyTorch> = 0.4.0 麻木 skimage 意象 matplotlib tqdm 代码 git clone git@github.com:ChaofWang/AWSRN.git cd AWSRN 抽象的 近年来，深度学习已以出色的性能成功地应用于单图像超分辨率（SISR）任务。 但是，大多数基于卷积神经网络的SR模型都需要大量计算，这限制了它们在现实世界中的应用。 在这项工作中，为SISR提出了一种轻量级SR网络，称为自适应加权超分辨率网络（AWSRN），以解决此问题。 在AWSRN中设计了一种新颖的局部融合块（LFB），用于有效的残差学习，它由堆叠的自适应加权残差单元（AWRU）和局部残差融合单元（LRFU）组成。 此外，提出了一种自适应加权多尺度（AWMS）模块，以充分利用重建层中的特征。 AWMS由几个不同的尺度卷积组成，并且可以根据AWMS中针对轻量级网络的自适应权重的贡献来删除冗余尺度分

人工智人-家居设计-基于GA-BP的数据融合技术及其在智能灯光系统中的应用.pdf

医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融合平台解决方案医疗大数据融

多传感器数据融合中DS证据理论算法的改进与应用.pdf

多尺度数据融合状态估计算法研究.pdf

集员估计算法是一种新型的、有效的系统估计方法,在控制领域越来越受到重视。通过多传感器数据融合的方法,可以减少单一传感器辨识目标的不确定性和模糊性,可以进一步提高辨识结果的准确性和精度。文中提出了一种新型的基于数据融合的集员估计算法可以用来减少各种检测误差带来的影响,提高辨识的速度和精度。得出一个更优的集员估计集。

人工智人-家居设计-粗糙集与证据理论在医疗智能诊断系统中的应用研究.pdf