CCF 学科前沿讲习班第 108 期：知识图谱融合方法，2019/11/9，北京。由南京大学胡伟老师主讲，报告首先简要介绍了语义网、知识图谱及知识图谱融合问题，然后介绍了面向知识图谱模式层的本体匹配方法，接下来介绍了面向知识图谱实例层的实体对齐方法，特别涉及近期基于表示学习的实体对齐方法，还介绍了知识融合过程中的真值推断方法，最后做了总结和展望。

业分类-物理装置-一种投影无缝边缘融合方法和装置.zip

#资源达人分享计划#

行业分类-物理装置-深度递归残差网络的遥感图像空谱融合方法和电子设备.zip

行业分类-物理装置-基于信度熵和BJS散度的冲突证据融合方法.zip

复杂系统可靠性信息的主要特点是小子样现场试验数据和多种可利用的多源先验信息。在利用Bayes理论进行小子样可靠性评定过程中，为了尽可能少做现场试验，必须充分利用各种先验信息，获取合理的先验分布。提出了一种基于第二类极大似然估计原理（ML-II）的多源信息融合方法，以某鱼雷自导系统的作用距离为例进行仿真分析，验证了该方法的合理性和有效性。

数据融合是最大程度发挥大数据价值的关键，深度学习是挖掘数据深层特征信息的技术利器，基于深度学习的数据融合能够充分挖掘大数据潜在价值，从新的深度和广度拓展对世界的探索和认识。

非子采样Contourlet变换(NSCT)，是针对Contourlet变换的一些局限性进行了改进，可以对图像进行灵活的多尺度、多方向和平移不变性分解．提出了一种基于NSCT的多聚焦图像融合方法．首先对多聚焦图像进行NSCT变换；然后对变换得到的低频分量系数采用改进的加权平均融合规则进行融合处理，对高频分量的最高层和其它层系数分别采用绝对值最大和改进的区域方差融合规则进行融合处理；最后重构图像得到融合结果；并给出了实验结果．对结果的分析比较表明，所提出的融合规则的效果优于常用的融合方法和参考文献的融合方法

针对传统多尺度变换的医学图像融合问题,提出一种基于非下采样Contourlet变换的医学图像融合新方法。在低频子带系数的选取上,根据医学图像的特点,考虑到相邻低频子带系数之间存在的相关性,采用基于区域能量的融合规则;在选择带通方向子带系数时,充分利用非下采样Contourlet变换的方向特性,采用改进拉普拉斯能量和作为带通方向子带系数的融合规则。实验结果表明,与传统融合方法相比,该方法避免了图像失真,达到了良好的图像融合效果。

基于多分辨分析理论的图像融合方法_焦李成_西安电子科技大学出版社_多传感器信息处理系统是高性能传感器不断涌现以及智能信息处理发 展的必然结果。