本项目对基于网络结构的智能信息融合方法从理论和实验上进行了研究,针对以往单—模块信息处理的缺陷,提出了分布式的网络结构模型DDFN的创新思想方法,其中引入了层次型人工神经网络的实时信息融合模型作为DDFN的处理单元节点,让数据信息在该分布式网络中运动的过程中产生融合决策,同时具有很好的容错性、鲁棒性和实时性。采用的基于网络结构的智能信息融合方法可以应用到信息处理的各个领域,成为信息处理自动化的有效手段。特别是现在和将来的信息社会中,面对大量信息数据,能够系统地整理出它们的同一性、冗余性、相容性、异构性等特征,抽取出满足需要的、适量的、正确的信息等,使其处理智能化。本项目基本达到预期的研究目标。
{{i.achievement_title}}
数据更新时间:2023-05-31
路基土水分传感器室内标定方法与影响因素分析
论大数据环境对情报学发展的影响
基于多模态信息特征融合的犯罪预测算法研究
惯性约束聚变内爆中基于多块结构网格的高效辐射扩散并行算法
多空间交互协同过滤推荐
面向船舶智能航行的多传感器数据融合方法研究
面向智能交通的多源异类传感器数据并行融合研究
异质多源传感器系统的资源调度及数据融合
基于多尺度数据融合的智能制造系统状态监测与故障诊断方法