基于DST和PCR2的自适应信息融合算法
基于PCR—DSmT的序列帧融合景像匹配算法
ｅｒ 卫星基准 图像仿真实验验证 了采用本文算法 ａｈ ｔ 当匹配性 能好 时 ， 以输 出较 高 匹配置 信度 ； 可 同时 当
匹配 结果 出现 错误 时 ， 确报 警 的成功率 较 高 。 正
１ 基 于 Ｐ Ｒ－ ｍＴ 的 序 列 帧 融 合 景 Ｃ ＤＳ
合， 最后根据判决准则输出结果 。算法流程见图 １ 。
像 匹配算 法 。首 先对 单 帧 景 像 进行 粗 匹 配 ； 后 引 然
收稿 日期 ：０ １ ６０ 基金项 目： ２ １－ －８ ０ 国家 自然科学基金 （ １７ ０ ９ ６０ ４ ５ ） 航空科学基金 （０ ０ ８３ １ 、０ ９ ８ ３ １ ） ６ ０ ５２ 、１７ １５ 、 ２ １０ ５ ００ ２ ０ ０５ ０ ３ 资助 作者简介 ： 曲圣杰 （９ ２ ） 西北 工业 大学 博士研究生 ， １８ ～ ， 主要从事景像 匹配辅 助导航 、 信息融合 的研究 。
配 置信度 的情 况， 出一种基 于 Ｐ ＲＤ ｍ 提 Ｃ ．ｓ Ｔ的序 列帧 融合景 像 匹配算 法 。算 法分 为单 帧粗 匹配和 序
列帧 融合精 匹配 两步 ： 首先提 取 图像 的相位一致 性特征并 采用快速 归一 化互相 关算 法初步 匹配 ； 然后
建 立序 列帧 时空约束关 系， 用相 关 阵中极 大峰 构建辨识框 架 ， 用层 次分析 法 自适 应计 算置信指 派 利 采
２１ ０ ２年 ６月
西 北 工 业 大 学 学 报
Ｊ ｕ ｎ ｌ ｆＮｏｔ ｗｅ ｔｒ ｏｙｅ ｈ ｉａ ｉｅ ｓｔ ｏ ｒ ａ ｒ ｏ ｈ ｓ ｎ Ｐ ｌ ｔｃ ｎ ｃ ｌＵｎｖ ｒｉ ｅ ｙ
基于CLIP和双空间自适应归一化的图像翻译
基于CLIP和双空间自适应归一化的图像翻译图像翻译是指将一种视觉形式的信息转换成另一种视觉形式的过程。
在计算机视觉领域，图像翻译任务被广泛应用于图像风格转换、图像翻译和图像生成等方面。
为了实现更准确、更高效的图像翻译，提出了基于CLIP和双空间自适应归一化的方法。
CLIP，即Contrastive Language-Image Pre-training，是一种基于对比学习的多模态预训练模型。
该模型通过在大规模数据集上学习图像和与之关联的文本的对比关系，使得模型能够理解图像和文本之间的语义关联。
这种语义理解使得CLIP可以在图像翻译任务中发挥重要作用。
双空间自适应归一化是一种图像风格转换技术，用于将源图像的风格迁移到目标图像上。
传统的图像风格转换方法通常基于生成对抗网络（GANs），但其训练和生成过程往往比较复杂。
而双空间自适应归一化通过对输入图像和输出图像进行特征映射并进行自适应归一化，实现了高效且准确的图像风格转换。
基于CLIP和双空间自适应归一化的图像翻译方法结合了CLIP的语义理解和双空间自适应归一化的风格迁移能力。
首先，通过CLIP模型，我们可以将源图像和目标图像之间的语义关系进行获取。
然后，利用双空间自适应归一化的技术，我们可以将源图像的风格转移到与之语义关联的目标图像上。
这样，就实现了基于CLIP和双空间自适应归一化的图像翻译。
具体的步骤如下：1. 输入源图像和目标图像。
2. 利用CLIP模型，提取源图像和目标图像的特征表示。
3. 通过对比源图像和目标图像的特征表示，获取它们之间的语义关系。
4. 利用双空间自适应归一化的技术，将源图像的风格转移到目标图像上。
5. 生成翻译后的图像，即融合了目标图像语义和源图像风格的图像。
基于CLIP和双空间自适应归一化的图像翻译方法具有以下优点：1. 高效准确：CLIP模型能够理解图像和文本之间的语义关系，使得图像翻译更加准确和准确。
2. 灵活性：双空间自适应归一化技术可以实现不同风格之间的转换，从而为图像翻译提供了更多的选择和灵活性。
自适应特征融合结构
自适应特征融合结构介绍在计算机视觉领域中，特征融合是一种常见的方法，用于将不同层次的特征进行整合以提高模型性能。
最近，自适应特征融合结构受到了广泛关注。
本文将对自适应特征融合结构进行深入的探讨。
自适应特征融合结构的概念自适应特征融合结构是一种神经网络结构，用于自适应地融合多层次的特征。
传统的特征融合方法通常是通过简单的操作（例如相加、拼接等）将不同层次的特征进行融合。
而自适应特征融合结构通过学习权重来自适应地融合特征，从而提高模型的表示能力。
自适应特征融合结构的优势•灵活性：自适应特征融合结构能够自适应地学习权重，从而适应不同任务和数据的特点。
这种灵活性使得模型能够更好地适应各种应用场景。
•高性能：相比传统的特征融合方法，自适应特征融合结构能够更充分地利用不同层次的特征信息，从而提高模型的性能。
这种高性能使得模型在各种计算机视觉任务中表现出色。
自适应特征融合结构的实现1. 多层次特征提取自适应特征融合结构首先需要进行多层次的特征提取。
通常，我们可以使用预训练的卷积神经网络（CNN）来提取图像的低层次和高层次特征。
这些特征具有不同的语义信息，为后续的特征融合提供了基础。
2. 特征融合在获得多层次的特征之后，自适应特征融合结构将对这些特征进行融合。
传统的特征融合方法包括简单的操作，例如将特征进行相加或拼接。
而自适应特征融合结构通过引入学习参数，从而能够自适应地融合特征。
这些学习参数可以通过反向传播算法进行优化，从而使得模型能够自动地学习到最佳的特征融合权重。
3. 自适应权重学习为了实现自适应的特征融合，自适应特征融合结构引入了自适应权重学习机制。
这个机制通过学习权重来自适应地融合特征。
具体来说，自适应特征融合结构将学习到的权重应用于不同层次的特征，从而将它们融合成一个更具有代表性的特征表示。
这种自适应的权重学习机制使得模型能够更好地适应各种任务和数据的特点。
自适应特征融合结构的应用自适应特征融合结构在计算机视觉领域中具有广泛的应用。
DST与DSmT自适应融合算法研究
cv中的自适应融合算法
cv中的自适应融合算法计算机视觉（CV）中的自适应融合算法是一种独特的技术，它能够将多个高质量图像融合成一个更好的图像，从而提供更准确的视觉信息。
这种算法可以应用于各种计算机视觉应用程序中，例如智能视频监控，机器人视觉感知和增强现实等。
以下是自适应融合算法的步骤：第一步：图像获取和预处理在执行自适应融合算法之前，必须通过摄像机或其他感知设备获取高质量图像。
然后，预处理步骤包括图像对齐和去噪，以消除噪音和对齐图像。
这一步是确保得到高质量图像的关键步骤，以便后续步骤执行得更好。
第二步：特征提取为了实现自适应融合，需要提取每个图像的特征，以便将它们组合成更好的图像。
特征提取技术有很多种，包括边缘检测、轮廓分割、Harris角点等等。
第三步：图像融合接下来，需要将提取的特征进行融合。
融合技术通常是基于加权平均或像素级融合。
加权平均的基本思想是对合成图的每个像素加权平均，而且不同图像的像素加权需要根据各种因素进行计算。
像素级融合，则是选择对应位置像素值最高的那个像素作为最终融合的像素。
第四步：评估在融合后，必须评估融合的质量，以便确认是否需要进一步优化。
评估技术通常基于各种质量测量标准，例如峰值信噪比、结构相似性指数等，以确保生成的图像仍然是高质量的。
第五步：优化如果评估发现融合效果不理想，需要进行优化。
例如可以更改特征提取技术，改变加权方法，引入更多的图像等方法。
自适应融合算法可以不断优化，从而提高目标识别和图像重建的准确性。
通过它，可以既提高精度，又提高计算效率。
在实际应用中，这个算法已经得到了广泛的应用，将在未来的计算机视觉系统中发挥越来越重要的作用。
(完整版)信息融合算法
信息融合算法1 概述信息融合又称数据融合，是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术。
经过融合后的传感器信息具有以下特征：信息冗余性、信息互补性、信息实时性、信息获取的低成本性。
1、组合：由多个传感器组合成平行或互补方式来获得多组数据输出的一种处理方法，是一种最基本的方式，涉及的问题有输出方式的协调、综合以及传感器的选择。
在硬件这一级上应用。
2、综合：信息优化处理中的一种获得明确信息的有效方法。
例：在虚拟现实技术中，使用两个分开设置的摄像机同时拍摄到一个物体的不同侧面的两幅图像，综合这两幅图像可以复原出一个准确的有立体感的物体的图像。
3、融合：当将传感器数据组之间进行相关或将传感器数据与系统内部的知识模型进行相关，而产生信息的一个新的表达式。
4、相关：通过处理传感器信息获得某些结果，不仅需要单项信息处理，而且需要通过相关来进行处理，获悉传感器数据组之间的关系，从而得到正确信息，剔除无用和错误的信息。
相关处理的目的：对识别、预测、学习和记忆等过程的信息进行综合和优化。
2 技术发展现状信息融合技术的方法，概括起来分为下面几种：1)组合：由多个传感器组合成平行或互补方式来获得多组数据输出的一种处理方法，是一种最基本的方式，涉及的问题有输出方式的协调、综合以及传感器的选择。
在硬件这一级上应用。
2)综合：信息优化处理中的一种获得明确信息的有效方法。
例：在虚拟现实技术中，使用两个分开设置的摄像机同时拍摄到一个物体的不同侧面的两幅图像，综合这两幅图像可以复原出一个准确的有立体感的物体的图像。
3)融合：当将传感器数据组之间进行相关或将传感器数据与系统内部的知识模型进行相关，而产生信息的一个新的表达式。
4)相关：通过处理传感器信息获得某些结果，不仅需要单项信息处理，而且需要通过相关来进行处理，获悉传感器数据组之间的关系，从而得到正确信息，剔除无用和错误的信息。
相关处理的目的：对识别、预测、学习和记忆等过程的信息进行综合和优化。
辽宁工程技术大学·应用技术学院
辽宁工程技术大学机电设备与管理自考本科论文辽宁工程技术大学机电设备与管理自考本科毕业论文题目:煤矿带式输送机保护控制系统设计准考证号:姓名:指导老师:摘要带式输送机是一种由摩擦驱动引起连续动作的运输机械。
随着煤矿机电一体化水平的不断提高，煤矿井下带式输送机使用越来越广泛，台数越来越多，运距越来越长，在带式输送机的使用过程中经常出现一些打滑、跑偏、堆煤、烟雾、超温等故障，影响煤矿生产和安全。
为了避免这些事故的发生，带式输送机保护器孕育而生。
它不仅可以时时监视皮带的状态，还可以在皮带出现故障时进行报警，且对皮带的状态予以改变，进行保护。
带式输送机保护器的应用，使皮带有了可靠的保护。
本文设计的带式输送机保护控制系统主要用于对带式输送机的保护和控制，具有九大保护功能，其是在现有的八大保护基础上加入粉尘保护，分别为:速度保护、堆煤保护、跑偏保护、烟雾保护、温度保护、沿线紧急停车、撕裂保护、张紧力保护、粉尘保护。
可语言报警及显示故障类型，具有集中控制和单台操作功能。
同时，系统还增加了张紧和跑偏自动调整控制，使潜在的故障自动排除。
本论文结合DSP技术、单片机技术和传感器技术，对带式输送机的保护控制系统进行设计。
其中，传感器负责数据的采集;DsP采用TI公司的TMs320LF2407型芯片，其用于接收传感器送来的信号并送给单片机显示，当信号超限时，发出语音报警，并控制相应的继电器的吸合;单片机采用Af89C51芯片，其用于接收DSP送来的信号，通过液晶显示屏显示故障类型。
根据系统的工作原理，本文对系统的软、硬件进行了设计。
由于带式输送机保护控制系统是一个多传感器系统，本文采用信息融合的方法，根据系统的融合结构模型及Kalman滤波算法和模糊逻辑法，对此多传感器系统的信息进行互补整合，使得到的融合结果对检测环境的描述更准确，从而增加了传感器系统的可信度。
经试验分析，本文设计的带式输送机保护控制系统可以有效地做到保护、控制带式输送机，且通过显示和通一讯使工作人员更好的了解带式输送机的现状和予以控制。
一种基于相似性网络融合算法的生物数据网络处理方法[发明专利]
![一种基于相似性网络融合算法的生物数据网络处理方法[发明专利]](https://img.taocdn.com/s3/m/7be76f3df02d2af90242a8956bec0975f465a41c.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910451766.4(22)申请日 2019.05.28(71)申请人 江南大学地址 214000 江苏省无锡市滨湖区蠡湖大道1800号(72)发明人 刘伟 郑明霞 赵溶 丁彦蕊 (74)专利代理机构 哈尔滨市阳光惠远知识产权代理有限公司 23211代理人 彭素琴(51)Int.Cl.G16B 20/00(2019.01)G16B 40/00(2019.01)(54)发明名称一种基于相似性网络融合算法的生物数据网络处理方法(57)摘要本发明公开了一种基于相似性网络融合算法的生物数据网络处理方法，属于生物信息分析技术领域。
所述方法通过首先对生物多种遗传信息如mRNA，miRNA，lncRNA等构建相似性网络，再使用SNF算法对相似矩阵进行融合，创建可用的样本网络，利用谱聚类进行聚类，分析网络之间的关系，从而用于疾病致病机理的发现，早期诊断和后期治疗等领域。
本发明方法能够利用不同类型的数据的互补性得到更为综合的结果，大大优于单一数据的分析和建立，为后续的综合分析建立基础。
权利要求书2页 说明书6页 附图3页CN 111009285 A 2020.04.14C N 111009285A1.一种生物数据网络处理方法，其特征在于，所述方法包括：S1：根据不同生物数据类型的样本数据集分别构建各个类型对应的样本相似性矩阵；S2：根据S1构建的各个类型对应的样本相似性矩阵，采用SNF算法构建多种类型的样本数据的融合相似性矩阵；S3：采用谱聚类方法将S2得到的多种类型的样本数据对应的融合相似性矩阵进行聚类确定样本数据所属子类。
2.根据权利要求1所述的方法，其特征在于，所述S1包括：对包含有不同生物数据类型的样本数据集中的每一类型数据进行归一化处理；归一化后计算同一类型的样本间的欧式距离，构建距离矩阵；采用高斯热核函数构建各个类型的样本数据的样本相似性矩阵。
基于DST的调相机转子轻微匝间短路故障诊断
第 43 卷第 2 期2023 年 4 月振动、测试与诊断Vol. 43 No. 2Apr.2023 Journal of Vibration，Measurement & Diagnosis基于DST的调相机转子轻微匝间短路故障诊断∗张玉良1，3，马宏忠1，蒋梦瑶1，蔚超2，林元棣2（1.河海大学能源与电气学院南京，211100）（2.国网江苏省电力有限公司电力科学研究院南京，211103）（3.徐州重型机械有限公司徐州，221000）摘要转子绕组匝间短路故障是调相机的一种常见故障，一旦出现就会直接影响调相机在系统中的无功输出。
由于调相机在运行过程中时常要对无功功率进行调节，仅用单独的特征量难以准确地对故障进行诊断，极易出现误判。
针对此问题，提出一种基于DS证据理论（DS evidence theory，简称DST）的调相机转子轻微匝间短路故障的诊断方法，综合利用振动信号和励磁电流中的感应谐波对故障进行诊断。
首先，通过随机森林计算单独特征量下的故障概率；其次，通过DST的组合规则将二者的结果进行综合诊断；最后，通过实验进行验证。
实验结果表明，该方法诊断的正确率均高于单独特征量的诊断，可以有效提高调相机转子轻微匝间短路故障识别的准确性。
关键词调相机；转子匝间短路；振动分析；随机森林；DS证据理论；故障诊断中图分类号TM342引言近些年在电网中应用的大容量同步调相机［1⁃4］结构复杂，易发生故障，其中转子绕组匝间短路是常见的故障之一［5⁃6］。
国内外学者对同步调相机转子绕组匝间短路故障的诊断进行了研究。
文献［7］通过调相机电枢电流与励磁电流的变化来判断故障情况，结果表明该方法仅能对故障进行定性分析，无法进行定量描述。
文献［8］通过振动信号对调相机的部分结构故障进行诊断，没有考虑到一些电磁故障产生的影响。
文献［9］利用气隙磁密、转子不平衡磁拉力和定子环流等特征分析了故障的变化规律，从而准确判断了调相机转子气隙偏心故障。
基于DST和PCR2的自适应信息融合算法
基于DST和PCR2的自适应信息融合算法陈金广;张芬【摘要】DS理论(DST)在低冲突条件下融合精度高于DSm理论(DSmT),而DSmT在高冲突条件下融合精度高于DST.为进一步提高融合精度,结合DST和DSmT的优点,提出一种基于DST和PCR2的自适应信息融合算法.对DSmT框架下的分配法则进行分析,选择融合精度较高且时间复杂度较低的PCR2分配法则.采用PCR2和DST进行自适应融合,即在冲突率高的情况下使用PCR2,而在冲突率低的情况下使用DST.算例结果表明,该算法能够进一步提高融合结果的准确程度,时间复杂度介于DST和PCR2规则之间.【期刊名称】《计算机工程》【年(卷),期】2013(039)005【总页数】5页(P69-72,77)【关键词】DS理论;DSm理论;PCR2规则;自适应信息融合;证据理论【作者】陈金广;张芬【作者单位】西安工程大学计算机科学学院,西安710048;西安工程大学计算机科学学院,西安710048【正文语种】中文【中图分类】TP3911 概述在多传感器信息融合系统中，由于各传感器在物理特征上存在差异，导致所采集到的信息会存在很大的不确定、不精确和高冲突特性。
为了解决该问题，文献[1]利用DSm理论(Dezert Smarandache Theory, DSmT)进行融合，获得了较好的效果。
DSmT在目标识别中存在广泛应用，文献[2]利用改进的 DSmT进行二维飞机序列图像的目标类型识别。
利用改进的DSmT进行迭代运算，可使主焦元的mass值快速收敛到指定的阈值，从而便于最后的目标分类判别。
由于DSmT在处理高冲突信息方面的性能较好，因此被应用于众多领域。
DS理论(Dempster Shafer Theory, DST)信息融合规则在证据源存在高冲突的情况下，融合结果变差。
针对该问题，在以往的研究中，提出了多种改进方法。
其中，2002年DSmT的出现与发展为克服DST的不足带来了新的途径。
融合PCR
精选版课件ppt
（二）融合PCR的原理
（The experiment principles ）
精选版课件ppt
P2、P4为具有末端互补的引物 P1、P4为两端引物
3
4
精选版课件ppt
5
精选版课件ppt
①引物设计 ②对连接片段进行扩增并回收 ③将连接片段混合进行PCR扩增 ④验证
6
精选版课件ppt
精选版课件ppt
图（a）1：Marker、2~4：未融合片段、5：融合后片段
图（b）1：Marker、2~5：未融合片段、6：融合后片段 7
（三）融合PCR的其他应用
（The other application of fusion PCR）
目标片段的缺失 在片段的左右两端设计末端互补的引物
精选版课件ppt
（一）融合PCR的定义
（The definition of fusion PCR）
融合PCR技术( fusion PCR)采用具有互补末端的引物, 形 成具有重叠链的PCR产物, 通过PCR产物重叠链的延伸, 从 而将不同来源的任意DNA 片段连接起来, 此技术在不需要 内切酶消化和连接酶处理的条件下实现DNA片段的体外 连接, 为同源重组片段的构建提供了快速简捷的途径。
进行融合
8
基因片段的缺失
总结
9
精融选版课合件ppPt CR是一种高效体外连接目的片段和定点缺失目的基因的有效方法之一。
参考文献：
[1]李敏，杨谦.一种高效构建同源重组DNA片段的方法融合PCR[J]中国生 物工程杂志. 2007, 27( 8): 53~ 58.
精选版课件ppt
10
引物设计原则 1、长度：15—30bp，其有效长度[Ln=2(G十C)十(A十T)]一般不大于38，否则PCR的最适延伸温度 会超过Taq酶的最佳作用温度(74度)，从而降低产物的特异性。 2、G十c含量：应在40%一60%之间，PCR扩增中的复性温度一般是较低Tm值引物的Tm值减去5— 10度。引物长度小于20时，其Tm恒等于4×(G十C)十2×(A十T)。 3、碱基分布的随机性：应避免连续出现4个以上的单一碱基。尤其是不应在其3’端出现超过3个的连 续G或C，否则会使引物在G十C富集序列区错误引发。 4、引物自身：不能含有自身互补序列，否则会形成发夹样二级结构。 5、引物之间：两个引物之间不应有多于4个的互补或同源碱基，不然会形成引物二聚体，尤应避免3’ 端的互补重叠。 6、上下游引物的互补性：一个引物的3‘末端序列不允许结合到另一个引物的任何位点上。 7、3’末端：如果可能的话，每个引物的3‘末端碱基应为G或C。 8、引物应当超出限制性内切酶识别位点至少3个核苷酸。
DST与DSmT组合规则方法的研究与比较
DST与DSmT组合规则方法的研究与比较胡韵;柴慧敏【摘要】本文介绍了DST和DSmT理论的基本概念及其适用模型，分析了Dempster、DSmH和PCR5三大规则的具体实现方法；采用这三种组合规则计算给出的两组数据，并对数据进行分析比较，得出不同的组合规则应用于不同情况的数据融合情况的结论。
%DST and DSmT are described the basic concepts of the theory and its application model to analyze three rules--Dempster, DSmH and PCR5 and the speciifc method. combination of these three rules of calculation are given two sets of data, and the data were analyzed and compared , geting a different combination rules applied to different situations of data fusion conclusions.【期刊名称】《软件》【年(卷),期】2014(000)004【总页数】4页(P135-137,140)【关键词】信息融合;DST;DSmT【作者】胡韵;柴慧敏【作者单位】西安电子科技大学计算机学院，陕西西安 710071;西安电子科技大学计算机学院，陕西西安 710071【正文语种】中文【中图分类】TP391本文著录格式：[1]胡韵，柴慧敏. DST与DSmT组合规则方法的研究与比较[J].软件，2014,35(4)：135-137, 140随着多源信息融合研究的发展，如何有效地融合由不同信息源提供的不同类型的信息受到了越来越广泛的重视。
20世纪60年代，Dempstr-Shafer理论(DST)，由美国哈佛大学的数学家A.P.Dempster[1]于在利用上、下限概率来解决多值映射问题方面的研究工作中提出，并由Clenn Shafer加以扩充发展形成了更一般的理论，其在描述信息的不完善性上取得较好的信息融合效果[2]。
兼顾特征级和决策级融合的场景分类
兼顾特征级和决策级融合的场景分类何刚;霍宏;方涛【摘要】针对单一特征在场景分类中精度不高的问题,借鉴信息融合的思想,提出了一种兼顾特征级融合和决策级融合的分类方法.首先,提取图像的尺度不变特征变换词包(SIFT-BoW)、Gist、局部二值模式(LBP)、Laws纹理以及颜色直方图五种特征.然后,将每种特征单独对场景进行分类得到的结果以Dezert-Smarandache理论(DSmT)推理的方式在决策级进行融合,获得决策级融合下的分类结果;同时,将五种特征串行连接实现特征级融合并进行分类,得到特征级融合下的分类结果.最后,将特征级和决策级的分类结果进行自适应的再次融合完成场景分类.在决策级融合中,为解决DSmT推理过程中基本信度赋值(BBA)构造困难的问题,提出一种利用训练样本构造后验概率矩阵来完成基本信度赋值的方法.在21类遥感数据集上进行分类实验,当训练样本和测试样本各为50幅时,分类精度达到88.61％,较单一特征中的最高精度提升了12.27个百分点,同时也高于单独进行串行连接的特征级融合或DSmT推理的决策级融合的分类精度.【期刊名称】《计算机应用》【年(卷),期】2016(036)005【总页数】5页(P1262-1266)【关键词】场景分类;特征级融合;决策级融合;Dezert-Smarandache理论推理;基本信度赋值;遥感影像【作者】何刚;霍宏;方涛【作者单位】上海交通大学自动化系,上海200240;系统控制与信息处理教育部重点实验室,上海200240;上海交通大学自动化系,上海200240;系统控制与信息处理教育部重点实验室,上海200240;上海交通大学自动化系,上海200240;系统控制与信息处理教育部重点实验室,上海200240【正文语种】中文【中图分类】TP391.4场景分类的主要目的是研究如何使计算机把图像分类到特定的语义类别,往往需要建立从图像低层特征到高层语义之间的映射,是图像理解、视觉领域的一个近年来的研究热点[1-5]。
信息融合综述
《信息合融》综述1 信息融合的发展历史与现状近二十年来，传感器技术比获得了迅速发展，各种面向复杂应用背景的多传感器信息系统大量涌现，在一个系统中装配的传感器在数量上和种类上也越来越多。
因此需要有效地处理各种各样的大量的传感器信息。
在这些系统中，信息表现形式的多样性，信息容量以及信息的处理速度等要求已经大大超出人脑的信息综合能力。
处理各种各样的传感器信息意味着增加了待处理的信息量，很可能会涉及到在各传感器数据组之间数据的矛盾和不协调。
在这样的情况下，多传感器信息融合技术(Multi-sensor information Fusion，MIF) 应运而生。
“融合”是指采集并集成各种信息源、多媒体和多格式信息从而生成完整、准确、及时和有效的综合信息的过程。
信息融合是针对一个系统中使用多种传感器(多个/或多类)这一特定问题而展开的一种信息处理的新研究方向。
其实，信息融合是人类的一个基本功能，我们人类可以非常自如地把自己身体中的眼、耳、鼻、舌、皮肤等各个感官所感受到的信息综合起来，并使用先验知识去感知、识别和理解周围的事物和环境。
信息融合技术研究如何加工、协同利用信息，并使不同形式的信息相互补充，以获得对同一事物或目标的更客观、更本质的认识的信息综合处理技术。
经过融合后的系统信息具有冗余性、互补性、实时性等特点。
根据信息融合的定义，信息融合技术包括以下方面的核心内容:(1)信息融合是在几个层次上完成对多源信息处理的过程，其中每一个层次都具有不同级别的信息抽象;(2)信息融合包括探测、互联、相关、估计以及信息组合;(3)信息融合的结果包括较低层次上的状态估计和身份估计，以及较高层次上的整个战术态势估计。
因此，多传感器是信息融合的硬件基础，多源信息是信息融合的加工对象，协调优化和综合处理是信息融合技术的核心。
信息融合的基本目标是通过信息组合而不是出现在输入信息中的任何个别元素，推导出更多的信息，这是最佳协同作用的结果。
多尺度特征自适应融合的图像语义分割算法
多尺度特征自适应融合的图像语义分割算法
王振;杨珺;邓佳莉;谢鸿慧;黄聪
【期刊名称】《小型微型计算机系统》
【年(卷),期】2022(43)4
【摘要】为解决Deeplab v3+网络在解码过程中仅融合一个尺度编码特征,导致部分细节信息丢失,从而造成最终分割结果较为粗糙等问题,提出多尺度特征自适应融合的图像语义分割算法.该算法在Deeplab v3+的解码过程中使用自适应空间特征融合结构,给不同尺度的编码特征分配自适应的融合权重,通过融合编码过程中的多尺度特征进行特征图的上采样,从而实现图像更加精细的语义分割效果.实验结果表明,该算法在Cityscapes数据集上达到了95.05%的像素准确度和69.36%的平均交并率,且对大部分小尺度目标物体的分割更为精准;在Vaihingen遥感图像数据集上本文提出的算法达到了83.49%的像素准确度和68.77%的平均交并率,进一步验证了本文改进算法的泛化性.
【总页数】7页(P834-840)
【作者】王振;杨珺;邓佳莉;谢鸿慧;黄聪
【作者单位】江西农业大学计算机与信息工程学院;江西农业大学软件学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.基于多尺度特征融合的图像语义分割
2.多尺度特征融合的图像语义分割
3.多尺度融合增强的图像语义分割算法
4.结合超像素分割的多尺度特征融合图像语义分割算法
5.结合超像素分割的多尺度特征融合图像语义分割算法
因版权原因，仅展示原文概要，查看原文内容请购买。
并发故障信息DSmT融合算法的应用研究
并发故障信息DSmT融合算法的应用研究郭清;夏虹;韩文伟【摘要】针对主冷却泵长期工作在高温、高压及高辐射的恶劣工作环境中,其并发故障存在较高概率并难以诊断,提出一种DSmT决策级融合算法,构建了泵主轴转子不平衡、泵主轴转子不对中及主轴损坏的DSmT辨识理论框架,由实测采集数据综合确定DSmT故障特征信度赋值,利用DSmT对多个独立证据源进行决策判断得出主冷却剂泵故障及并发故障的诊断结果.实验结果表明该方法能有效识别主冷却剂泵并发故障特征,具有一定的理论基础及工程应用价值.【期刊名称】《湖南大学学报（自然科学版）》【年(卷),期】2015(042)002【总页数】5页(P35-39)【关键词】DSmT(中文全称);并发故障;信息融合;故障识别【作者】郭清;夏虹;韩文伟【作者单位】哈尔滨工程大学工程训练中心,黑龙江哈尔滨 150001;哈尔滨工程大学核安全与仿真技术国防重点学科实验室,黑龙江哈尔滨150001;哈尔滨工程大学核安全与仿真技术国防重点学科实验室,黑龙江哈尔滨150001;哈尔滨工程大学核安全与仿真技术国防重点学科实验室,黑龙江哈尔滨150001【正文语种】中文【中图分类】TL99核电厂运行事件综合报告统计[1]显示：发生故障率较高的设备主要集中在核反应堆中主冷却系统，主冷却剂泵(下文简称主泵)是核岛中唯一高速旋转的设备，在长期的高温、高转速的工况下其故障及并发故障占有极高的比例.主泵早期故障特征十分微弱，受轴系复杂结构和信号传播介质的影响，其微弱动态故障信号具有较高的隐蔽性和不确定性，极易被人忽略[2].核电站主泵常见故障有主轴损坏、轴裂纹、轴破裂、主泵上的螺栓腐蚀、主泵的密封损坏甚至破裂、汽蚀作用导致主泵的损坏等[3].故障诊断实质是一个多源信息融合过程，信息融合的多维信息处理方式，使得信息融合在解决主泵故障诊断的不确定性问题时具有独特的优越性.主泵进行信息融合故障诊断时应用多种传感器，把分布在不同位置的多个同类或异类传感器所提供的多源信息进行综合处理，可以有效降低探测的不确定性，形成对核设备系统环境相对一致的感知描述，得到一个准确可靠的分析判断结果，这对提高核电站安全状态的目标识别估计能力，及时排除核动力装置故障非常有效.针对核动力装置故障诊断问题的公开文献数量有限，从信息融合的层次划分角度看，按照输入信息的抽象层次可将信息融合划分为数据层融合、特征层融合和决策层融合.文献[4]研究了数据层上使用小波分析方法从主泵主轴不对中、初始弯曲和开裂纹3个典型故障振动曲线中提取有效故障特征信息.文献[5]研究了特征层上使用小波包方法，在无动不平衡频率的频带内得主泵出裂纹振动的特征频率.本文在此研究基础上尝试在信息融合决策层中采用DSmT融合算法，针对主泵故障识别难以决策问题，构建DSmT故障和并发故障模型，验证并发故障DSmT融合算法的有效性和准确性.DSmT[6](Dezert-Smarandache theory)是信息融合算法中的新分支，它是D-S证据理论( D-S vidence theory，简称DST)的扩展.DSmT能够组合成以信任函数表达不确定、高冲突、不精确的独立信源集合，当信源间的冲突变大或者元素模糊、相对不精确时，DSmT能够解决复杂的静态或动态融合问题.它不但能实现DST的功能，还很好地弥补DST在处理高冲突甚至相互矛盾证据时的缺陷，因此它也被称为似真和冲突推理理论(Plausible and Paradoxical Reasoning Theory).采用DSmT冲突比例重分配的规则，可以化简各类证据间的矛盾信息，重新分配不符合实际的故障诊断证据.1.1 并发故障信息DSmT融合策略当前核动力装置的结构越来越精细，辅助自动化程度越来越高，因而并发故障的发生可能性越来越大，并发故障的类型也越来越多，其中以主泵并发故障的概率值最高.DSmT的不确定表达方式能够充分表征主泵故障信息中的不确定性，应用于主泵的故障诊断有着独特的优势.利用DSm对各证据的广义信息分配m(A)即故障特征进行融合处理，来确定各故障特征间的融合信度分配.DST辨识框架Θ由n个完备且排他的元素θi(i=1,2,…,n)组成，即Θ={θ1,θ2,…,θn}.辨识框架中元素θi(i=1,2,…,n)相互排斥，即θk∩θl=∅ ( k≠l;k,l=1,2,…,n ).当DST应用于核动力装置故障诊断时，令θi表示核设备的故障模式，由于θi间具有排他性使得并发故障在DST框架下无法表示，因此DST故障诊断方法仅适用于单一故障诊断，并不能实现对核设备并发故障诊断要求.DSmT提出了描述、分析和组合有效信息的新形式，DSmT中的辨识框架Θ是在DST基础上放宽排他性约束而建立起来的，它允许鉴别框中命题间存在矛盾因素.DSmT辨识框架中元素没有要求必须是互斥的硬性条件，即DSmT中Θ元素不必规定θk∩θl=∅ ( k≠l; k,l=1,2,…,n ).相对于DST幂集2Θ概念，DSmT扩展为超幂集DΘ概念，对辨识框架Θ中元素进行并(∪)和交(∩)运算产生集合.经分析发现并发故障诊断理论框架可直接产生，用元素之间“交”表示并发故障.假如主泵的两种故障模式分别用θ1和θ2表示，那么θk∩θl表示θ1发生且θ2也发生，用两种故障模式“∩”可以表示两种故障同时发生.研究主泵DSmT并发故障诊断解决方案时，首先需要建立涵盖主泵单一和并发故障的辨识框架，在此框架中采取合适的DSmT组合规则对各独立证据源进行递归融合计算，得出主泵并发故障融合决策结果.本文研究的DSmT并发故障融合模型不存在“焦元爆炸”现象，由于核动力装置故障类型基本是可预计的，某种故障仅跟其他某个或某些故障并发，跟另一些故障一般来说永远也不会发生.也就是说针对某具体核设备而言，常发生的并发故障只有一种或几种，如主泵常并发故障主要集中在转子不对中和转子不平衡.这样在构建DSmT辨识框架和定义约束条件时，就可以不考虑不可能发生或很少发生的并发故障，假设有两种故障模θ1和θ2，如果θ1和θ2不可能发生或很少同时发生，则可令θ1∩θ2=∅.这样就会大大减少，计算量也能随之骤减.1.2 并发故障信息DSmT融合过程主泵DSmT目标判决准则与基本证据理论的决策方法相似，但却有实质的不同，其相同点是都采用信度函数赋值对故障目标类别进行决策判断.并发故障DSmT融合模型依据经典DSm组合规则和混合DSm组合规则[7-8]来实现主泵故障证据源在空间域和时间域的决策融合.经典DSm组合规则利用递归形式表述，在时/空域能够有效地进行时间域融合，快速实现主泵DsmT动态融合决策判断.利用DSmT融合模型进行主泵故障诊断时，首先在自由DSm模型中，对n个证据源S运用经典DSm组合规则给出完整性约束条件，即在自由DSm模型Mf(U)中加入完整性约束条件，构建新的混合DSm模型M(U)，然后在此模型中使用混合DSm组合规则，最终得出融合决策结果，融合过程如图1所示.DSmT融合模型计算时主要采用递归计算融合思想，对于n个证据源，先在自由DSmT模型上计算前n-1条证据的融合结果，再经把自由DSm模型上得到第n条证据，和前n-1条证据的融合结果，逐次进行融合计算.最后在混合DSm模型上使用混合DSmT规则得出第n条证据，即最终融合决策判断结果.DSmT组合规则不仅可以诊断出单一故障，同时还能够诊断出并发故障.1.3 自由DSm模型的经典DSm规则设X是满足完备性和互斥性的故障模式集合，集合X称为辨识框架Θ，集合X中的每个故障模式称为单元素，X的任意一个子集(包括X本身，空集∅，每个单元素)称作假设.在主泵诊断过程中，对于每个证据(故障征兆)都被看做存在或不存在，和每个证据相关联的是基本概率分配(Basic Probability Assignment).如果函数m:2Θ→[0,1]满足如下条件：m(φ)=0；则m(·)称为基本概率赋值(简称BPA，也称为m函数)，表明焦元的信度大小.其中2Θ为Θ的幂集，∅为空集.m(·)是主泵所需的证据评价，也可称为故障评价.BPA是一个函数，它给每个假设分配一个基本的概率值(BPN)，对于A∈P(X)假设，概率分配函数为m(A)，BPN在区间[0,1]上的和总是为1.如果m1和m2是两个基本概率分配或质量函数，通过证据联合可以导出计算BPA公式为：m1⊗其中的是一个归一化过程，确保BPN总和为1.Dempster规则可以将多源证据有效地联合在一起，由于它提供了一种将故障特征与故障分类输出结合到一起的方法，同时又考虑了不完全甚至是相冲突的信息，因而为主泵并发故障诊断提供了理论依据.对于不确定和高冲突的证据源，自由DSm 模型进行融合时有∀A≠∅∈DΘ，同时mMf(Θ)(A)·[m1⊕…⊕mk](A)=1.4 混合DSm模型的组合规则混合DSm模型融合过程是在考虑了主泵所有可能的完全约束而扩展来的，混合DSm模型M(θ)是在自由DSm模型Mf(θ)中，对DΘ的命题A中引入完全约束条件，其前提条件是涵盖所有对应模型的本质和属性.在主泵DSmT故障诊断中，一部分元素θi(i=1,2,…,n)之间是相互排斥的，即θk∩θl=∅(k≠l;k,l=1,2,…,n)，为了更好地描述主泵并发故障特征的融合问题，符合实际工况将这些互斥约束都加到主泵故障DSm模型中，相关故障证据源(A∈DΘ)间组合混合DSm组合规则为：m(A)=δ(A)[S1(A)+S2(A)+S3(A)]式中S1(A),S2(A)和S3(A)的表达式分别为：S2(A)=其中S1(A)代表主泵DSmT故障辨识框架下，k个自由DSm模型独立信息源的经典DSmT组合公式；S2(A)代表针对主泵而言，所有相对空集的BPA和绝对空集的BPA转化为相对的或完全未知的BPA；S3(A)代表把主泵相对于空集的BPA转换为非空集合的并集.针对主泵的故障诊断而言，S2(A)和S3(A)在实际故障诊断中不可能发生并发故障，因此对式(5)和式(6)都进行了约束设定，即无并发故障情况都定义为∅，这样既简化了表达式计算量，又剔除了无用信息，此后再对余下故障所包含信息进行重新融合分配.选取主泵的故障类型作为辨识框架，主泵的各种可能故障集合构成辨识框架，故障的每一症状作为一个独立证据源.假如有n种故障，则Θ={θ1,θ2,…,θn}，超幂集DΘ形成了测量数据结构.采用各证据独立源的基本概率赋值m(A)表征故障特征，它能够直观地表达出各故障的融合信度分配.设故障目标识别框架为Θ={θ1,θ2,θ3}，令θ1表示主轴损坏，θ2表示转子不对中，θ3表示转子不平衡，构成的初始超密集DΘ为:DΘ={∅,θ1,θ2,θ3,θ1∩θ2,θ1∩θ3,θ2∩θ3,θ1∪θ2,θ1∪θ3,θ2∪θ3,θ1∪θ2∪θ3,θ1∩θ2∩θ3, (θ1∩θ2)∪θ3, (θ1∩θ3)∪θ2,(θ1∪θ2)∩θ3, (θ1∪θ3)∩θ2,(θ2∪θ3)∩θ1,(θ1∩θ2)∪(θ1∩θ3)∪(θ2∩θ3)}实验分析数据使用秦山一期核电站全范围仿真系统平台进行故障设置后得到的采集数据.由主控台采集主泵轴承温度传感器TS、转速传感器SS、振动传感器VS和位移传感器DS 4种传感器监测主泵状态.根据TS,SS,VS和DS 4种传感器提供的4种不同测量状态，将4种传感器采集到的数据经归一化处理后，整理后得到190组故障样本数据.采用文献[9]中的基本概率函数赋值方法，由时基波形(振幅、频率、相位)和轴心轨迹综合确定基本概率函数值.将式(4)中的证据源数目设置为k=2，如图2所示，选取t1时刻的故障样本值确定m1(θ1)=0.10，m1(θ2)=0.20，m1(θ3)=0.30，m1(θ1∩θ2)=0.10，m1(θ1∩θ3)=0.10，m1(θ1∪θ2)=0.10，m1(θ1∪θ3)=0.10；选取t2时刻的故障样本值确定m2(θ1)=0.20，m2(θ2)=0.10，m2(θ3)=0.10，m2(θ1∩θ2)=0.20，m2(θ2∩θ3)=0.20，m2(θ1∪θ3)=0.20.根据主泵自由DSm模型融合过程，经由式(2)可推导mMf(θ)(θ1)=0.08，mMf(θ)(θ2)=0.03，mMf(θ)(θ3)=0.10，mMf(θ)(θ1∩θ2)=0.22，mMf(θ)(θ1∩θ3)=0.12，mMf(θ)(θ2∩θ3)=0.19，mMf(θ)(θ1∪θ3)=0.02，mMf(θ)(θ1∩θ2∩θ3)=0.16，mMf(θ)((θ1∪θ2)∩θ3)=0.01，mMf(θ)((θ1∪θ3)∩θ2)=0.05，mMf(θ)((θ2∩θ3)∪θ1)=0.02.根据主泵混合DSm模型融合方法，对于∀A∈DΘ，有mM(Θ)(A)=δ(A)[S1(A)+S2(A)+S3(A)]，即式(3).当δ(A)=0时，S1(A),S2(A)和S3(A)值不需要计算.当δ(A)=1时，根据式(4)，式(5)和式(6)分别计算出S1(A)，S2(A)和S3(A)的数值分布，如图3所示的mM(Θ)(A)过程数值图，代入式(3)得出最终决策判断结果.其数值分别为S1(θ1)=0.08，S1(θ2)=0.03，S1(θ3)=0.10，S1(θ1∩θ2)=0.22，S1(θ1∩θ3)=0.12，S1(θ2∩θ3)=0.19，S1(θ1∪θ3)=0.02，S1(θ1∩θ2∩θ3)=0.16，S1((θ1∪θ2)∩θ3)=0.01，S1((θ1∪θ3)∩θ2)=0.05，S1((θ2∩θ3)∪θ1)=0.02；S2((θ1∪θ2)=0.02；S3(θ1)=0.04，S3(θ2)=0.05，S3((θ1∩θ2)=0.02，S3((θ1∪θ2)=0.07，S3((θ1∪θ3)=0.04，S3((θ1∩θ2)∪θ3)=0.07，S3((θ1∩θ3)∪θ2)=0.01，S3((θ1∪θ2)∩θ3)=0.02，S3((θ1∪θ3)∩θ2)=0.02，S3((θ2∩θ3)∪θ1)=0.02，S3((θ2∪θ3)∩θ1)=0.02.根据混合DSm规则中的排斥性约束条件，可推导出∅∅及的数值融合结果.将上述数值分别代入式(3)中，即主泵混合DSm模型融合结果为mM(θ)(θ1)=0.12，mM(θ)(θ2)=0.08，mM(θ)(θ3)=0.10+0.07=0.17，mM(θ)(θ1∩θ3)=0.12+0.02=0.14，mM(θ)(θ2∩θ3)=0.19+0.07=0.26，mM(θ)(θ1∪θ2)=0.09，mM(θ)(θ1∪θ3)=0.06，mM(θ)((θ1∩θ3)∪θ2)=0.01，mM(θ)((θ2∩θ3)∪θ1)=0.04，mM(θ)((θ1∪θ2)∩θ3)=0.03.图4显示了主泵自由DSm模型和混合DSm模型融合结果对比，图中m′(·)代表主泵自由DSm模型中的所有焦元，m(·)代表主泵混合DSm模型中的所有焦元.根据前述的决策判断准则从图4中可得出，主泵直接应用DSmT融合最终决策结果为θ2∩θ3，即表示有两种故障情况并发，对应为主泵转子不平衡和转子不对中的并发故障.从以上数据算例来看，在发生证据严重冲突的情况下，DSmT融合算法仍然能够排除干扰，得出与实际故障相同的融合结果.实验结果表明，主泵DSmT并发故障融合算法在处理主泵故障证据冲突问题时，能够有效、准确地对主泵多重并发冲突证据进行有效处理.本文主要研究了采用主泵自由DSm模型和混合DSm模型对含有故障信息的多个独立证据源进行动态融合计算，构建了基于DSmT的涵盖单发和并发故障的融合模型，分析主泵DSmT故障特征信度赋值变化，确定主泵故障(并发故障)诊断决策过程.实验结果表明该方法能有效识别主泵并发故障特征，验证了提出的DSmT 算法能够快速地给出主泵的并发故障信息，实现主泵的故障诊断要求.本文的实验研究虽然以主泵并发故障诊断为例，但该方法具有推广价值，同样可应用到其它的核工业设备或部件上.本文主要对于主泵的并发故障问题进行了DSmT融合算法的初步实验研究与验证，针对于其它的大型核工业设备，因其设备不同其故障机理也大相径庭，因而对于不同故障识别目标的辨识框架及BPA的合理取值，在此研究基础上仍需进行进一步的研究与探索.【相关文献】[1] 环境保护部与核辐射安全监管二司，环境保护部核与辐射安全中心.中国核电厂运行事件综合报告(2012版)[M].北京：中国环境科学出版社，2012：23-25．Ministry of environmental protection and radiation safety supervision department, environmental protection, nuclear and radiation safety center. Comprehensive report on China's nuclear power plant running events (2012 edition) [M]. Beijing: China Environmental Science Press, 2012：23-25．(In Chinese)[2] 邹伟生,卢勇,李哲奂.深海采矿提升泵的数值模拟分析[J].湖南大学学报:自然科学版,2013,40(6):59-63.ZOU Wei-sheng, LU Yong, LI Zhe-huan. Numerical simulation analysis of deepsea mining lift pump [J]. Journal of Hunan University:Natural Science , 2013,40(6): 59-63.(In Chinese) [3] 夏虹.核工程检测技术[M].哈尔滨：哈尔滨工程大学出版社，2009:36-39.XIA Hong. Nuclear detection technology [M]. Harbin: Harbin Engineering University Press, 2009:36-39. (In Chinese)[4] 夏虹,陈志辉,邓礼平,等.基于小波的突变信号识别方法及应用研究[J].原子能科学技术,2012,46(12):1451-1456.XIA Hong, CHEN Zhi-hui, DENG Li-ping，et al. Mutation signal identification method based on wavelet and application study [J]. Atomic Energy Science and Technology, 2012,46(12)：1451-1456. (In Chinese)[5] 夏虹,黄华,陈志辉,等.基于频率补偿小波的屏蔽主泵裂纹转子识别[J].原子能科学技术,2010,44(7):841-847.XIA Hong, HUANG Hua, CHEN Zhi-hui，et al. Based on the wavelet frequency compensation block main pump crack rotor recognition [J]. Atomic Energy Science and Technology, 2010,44(7)：841-847. (In Chinese)[6] 苗壮,程咏梅,潘泉,等. 快速mass函数收敛算法[J]. 湖南大学学报:自然科学版,2011,38(1):89-92 MIAO Zhuang,CHENG Yong-mei,PAN Quan, et al. A fast mass functions convergence algorithm[J]. Journal of Hunan University:Natural Science, 2011,38(1):89-92. (In Chinese) [7] DEZERT J.SMARNDACHE F.Partial ordering of hyper-power sets and matrix representation of belief functions within DSmT[C]//Proc of Fusion 2003 Conf Cairns.Australia:International Society of Information Fusion,2003:230-238.[8] DEZERT J, TACNET J M, BATTON HUBERT M, et al. Multi-criteria decision making based on DSmT-AHP[C]//Int Workshop on Belief Function .Brest, France:Brest Nadonal Senior Telecommunication College, 2010:325-331.[9] 何友，王国宏，关欣,等.信息融合理论及应用[M].北京：电子工业出版社，2010：366-367．HE You, WANG Guo-hong, GUAN Xin, et al. Information fusion theory and its application [M]. Beijing: Electronic Industry Press, 2010:366-367. (In Chinese)。
融合标签语义嵌入和图卷积的短文本特征扩展及分类方法
融合标签语义嵌入和图卷积的短文本特征扩展及分类方法
张灵;李荣臻;郑苏
【期刊名称】《广东工业大学学报》
【年(卷),期】2024(41)1
【摘要】针对短文本长度过短、关键词偏少和标签信息利用不足造成的分类过程
中面临特征稀疏和语义不明确的问题,提出了融合标签语义嵌入的图卷积网络模型。
首先,在传统的术语频率和逆文档频率算法基础上,提出了融合单词所属文本的类间、类内分布关系的全局词频提取算法。
其次,利用融合标签嵌入的方法,将每条训练文
本与相对应的标签引入到同一个特征空间内,通过筛选聚合提取更能突显文本类别
的近义词嵌入,作为文本图的文档节点的嵌入表示。
最后,将文本图输入到图卷积神
经网络学习后,获得的特征与预训练模型提取文本上下文的特征相融合,提升短文本
的分类质量以及整个模型的泛化能力,在4个短文本数据集MR、web_snippets、R8和R52上对本文模型和14个基线算法进行了对比实验,结果表明本文提出的模型相比于对比模型具有更优的结果,在识别精度、召回率以及F_1值上有着更好的
表现。
【总页数】10页(P69-78)
【作者】张灵;李荣臻;郑苏
【作者单位】广东工业大学计算机学院;宁夏大学教育学院
【正文语种】中文
【中图分类】TP391
【相关文献】
1.结合语义扩展和卷积神经网络的中文短文本分类方法
2.基于卷积神经网络和层次标签集扩展的文本分类方法
3.融合BERT与标签语义注意力的文本多标签分类方法
4.一种结合标签分类和语义查询扩展的文本素材推荐方法
5.融合标签嵌入和知识感知的多标签文本分类方法
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
பைடு நூலகம்
（ Ｓ ｃ ｈ ｏ ｏ ｌ ｏ ｆ Ｃ ｏ ｍｐ ｕ ｔ ｅ ｒ Ｓ ｃ ｉ ｅ ｎ ｃ ｅ ， Ｘ ｉ ’ ａ ｎ Ｐ ｏ ｌ ｙ ｔ ｅ ｃ ｈ ｎ ｉ ｃ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｘｉ ’ ａ ｎ ７ １ ０ ０ ４ ８ ， Ｃ ｈ ｉ ｎ ａ ）
进一 步提 高融合精 度 ，结合 Ｄ Ｓ Ｔ和 Ｄ Ｓ ｍＴ的优点 ，提出一种基于 Ｄ Ｓ Ｔ和 Ｐ Ｃ Ｒ ２的自适应信息融合算法。对 Ｄ Ｓ ｍ Ｔ框架下
的分 配法 则进 行分析 ，选择融合精度较高且时间复杂度较低 的 Ｐ Ｃ Ｒ ２分配法则 。采 用 Ｐ Ｃ Ｒ ２和 ＤＳ Ｔ进行 自适应 融合 ，即在 冲突率 高的情 况下使用 Ｐ Ｃ Ｒ ２ ，而在 冲突率低 的情 况下使用 ＤＳ Ｔ。算例结果表明 ，该算法能够进一步提 高融合结果 的准确
程度 ，时间复杂度介于 ＤＳ Ｔ和 Ｐ Ｃ Ｒ ２规则之 间。
关健 词 ：Ｄ Ｓ 理论 ；Ｄ Ｓ ｍ理论 ； Ｐ Ｃ Ｒ ２ 规则 ；自 适应 信息融合 ； 证 据理论
Ａｄ ａ ｐ ｔ ｉ ｖ ｅ Ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ Ｆｕ ｓ ｉ ｏ ｎ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ Ｂａ ｓ ｅ ｄ ０ ｎ ＤＳ Ｔ ａ ｎ ｄ ＰＣＲ２
ｃ ｏ ｎ ｌ ｆ ｉ ｃ ｔ ｓ ， ａ ｎ ｄ ＤＳ Ｔ ｉ ｓ ｅ ｍｐ ｌ ｏ ｙ ｅ ｄ ｗｈ ｅ ｎ ｔ ｈ ｅ ｒ ｅ ａ ｒ ｅ ｌ ｏ ｗｅ ｒ ｃ ｏ ｎ ｌｉ ｆ ｃ ｔ ｓ ． Ｎｕ ｍｅ ｒ ｉ ｃ ａ ｌ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｉ ｓ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｏ ｂ ｔ ａ ｉ ｎ ｓ ｂ ｅ ｔ ｔ ｅ ｒ ｕｓ ｆ ｉ ｏ ｎ
第３ ９卷 第 ５期
、 厂 ｏ １ ＿ ３ ９
计
算
机
工
程
２ ０ １ ３ 年 ５月
Ｍａ ｖ ２ ０１ ３
Ｎ ｏ． ５
Ｃｏ ｍｐ ｕ ｔ ｅ ｒ Ｅｎ ｇ ｉ ｎｅ ｅ ｒ ｉ ｎｇ
・
先进计算 与数据处理 ・
文章编号ｔ １ ０ ０ ０ — － ３ ４ ２ ８ （ ２ ０ １ ３ ） ０ ５ — － ０ ｏ ６ ９ — ＿ ０ ４ 文献标识码： Ａ
［ Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ］Ｄｅ ｍｐ ｓ ｔ ｅ ｒ Ｓ ｈ ａ ｒ ｅ ｒ Ｔ ｈ ｅ ｏ ｒ ｙ （ ＤＳ Ｔ ） ｆ ｕ ｓ ｉ ｏ ｎ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ｉ ｓ ｈ ｉ ｇ ｈ ｅ ｒ ｔ ｈ ａ ｎ Ｄ ｅ ｚ ｅ ｒ ｔ Ｓ ｍａ ｒ ａ ｎ ｄ ａ ｃ ｈ ｅ Ｔ ｈ ｅ ｏ ｒ ｙ （ ＤＳ ｍＴ ） ｕ ｎ ｄ ｅ ｒ ｌ ｏ ｗ ・ ｃ ｏ ｎ ｌ ｆ ｉ ｃ ｔ
ｒ ｅ ｓ ｕ ｌ ｔ ｓ ａ ｎ ｄ ｉ ｔ ｓ ｃ ｏ ｍｐ ｌ ｅ ｘ ｉ ｔ ｙ ｉ ｓ ｂ ｅ ｔ ｗｅ ｅ ｎ ＤＳ Ｔ ａ ｎ ｄ ＰＣ Ｒ２．
ＤＳ Ｔ ａ ｎ ｄ Ｐ ＣＲ２ ． Ｔ ｈ ｅ ａ ｌ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ ｒ ｕ ｌ ｅ ｓ ｕ ｎ ｄ ｅ ｒ ＤＳ ｍＴ ｆ ｒ ａ ｍｅ ｗｏ ｒ ｋ ａ ｒ ｅ ａ ｎ ａ ｌ ｙ ｚ ｅ ｄ ， ａ ｎ ｄ ｔ ｈ ｅ ｒ ｕ ｌ ｅ ｏ ｆ Ｐ ＣＲ２ ｉ ｓ ｓ ｅ ｌ ｅ ｃ ｔ ｅ ｄ ｂ ｅ ｃ ａ ｕ ｓ ｅ ｏ ｆ ｉ ｔ ｓ ｈ ｉ ｇ ｈ ｅ ｒ ａ ｃ ｃ ｒａ ｕ ｃ ｙ ａ ｎ ｄ ｌ ｏ ｗｅ ｒ ｃ ｏ ｍｐ ｌ ｅ ｘ ｉ ｔ ｙ ． Ａｄ ａ ｐ ｔ ｉ ｖ ｅ ｆ ｕ ｓ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｓ ｇ ｉ ｖ ｅ ｎ ｕ ｓ ｉ ｎ ｇ Ｐ ＣＲ２ ａ ｎ ｄ ＤＳ Ｔ ， ＰＣ Ｒ２ ｉ ｓ ｅ ｍｐ ｌ ｏ ｙ ｅ ｄ ｗｈ ｅ ｎ ｔ ｈ ｅ ｒ ｅ ａ ｒ ｅ ｈ ｉ ｇ ｈ ｅ ｒ
中 圈分类号ｔ Ｔ Ｐ ３ ９ １
基 于 ＤＳ Ｔ和 Ｐ Ｃ Ｒ ２的 自适应 信 息融合算法
陈金广，张 芬
（ 西安工程大学计算机 科学学院 ，西安 ７ １ ０ ０ ４ ８ ） 摘 要 ：ＤＳ理论（ ＤＳ Ｔ ） 在低冲突条件下 融合精度 高于 Ｄ Ｓ ｍ理 论（ Ｄ Ｓ ｍＴ ） ，而 ＤＳ ｍＴ在 高冲突条 件下融合精度 高于 ＤＳ Ｔ 。为
ｃ ｏ ｎ ｄ ｉ ｔ ｉ ｏ ｎ ｓ ，ａ ｎ ｄ ＤＳ ｍＴ ｕｓ ｆ ｉ ｏ ｎ ａ ｃ ｃ ｕ ｒ ａ ｃ ｙ ｉ ｓ ｂ ｅ ｔ ｔ ｅ ｒ ｔ ｈ ａ ｎ ＤＳ Ｔ ｕ ｎ ｄ ｅ ｒ ｈ ｉ ｇ ｈ — ｃ ｏ ｎ ｌ ｆ ｉ ｃ ｔ ｃ ｏ ｎ ｄ ｉ ｔ ｉ ｏ ｎ ｓ ． Ｉ ｎ ｏ ｒ ｄ ｅ ｒ ｔ ｏ ｏ ｂ ｔ ａ ｉ ｎ ｍｏ ｒ ｅ ａ ｃ ｃ ｕ ｒ ａ ｔ ｅ ｆ ｕ ｓ ｉ ｏ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ， ｔ ｈ ｒ ｏ ｕ ｇ ｈ ｃ ｏ ｍｂ ｉ ｎ ｉ ｎ ｇ ａ ｄ ｖ ａ ｎ ｔ ａ ｇ ｅ ｓ ｏ ｆ ＤＳ Ｔ ａ ｎ ｄ ＤＳ ｍＴ ， ｔ ｈ ｉ ｓ ｐ ａ ｐ ｅ ｒ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｓ ａ ｎ ａ ｄ ａ ｐ ｔ ｉ ｖ ｅ ｉ ｎ ｆ ｏ ｒ ｍａ ｔ ｉ ｏ ｎ ｆ ｕ ｓ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｂ ａ ｓ ｅ ｄ ｏ ｎ