普适计算对象感知多模态不精确性数据融合算法研究

Pervasive computing integrated cyberspace into physical space, pervasive computing using multiple sensors to obtains data from perception object, each sensor data often have different characteristics ,perception object have mass of multi-modal data,the environment in which the system is also affected by a variety of random factors and constantly changing.For Complex multi-modal data processing problems, traditional solutions existing main problem: the single modal characteristics of the different levels expressed differences; extended to different modes, It's difficult for the theories and methods of the original calculation and learning to adapt and update. Above scenario exist very strict constraints in order to calculate and analysis. This assumption can not effectively adapt to deal with the complexity of unstructured data. The topics research the effective integration of multi-image signals for object perception , using multi-scale analysis for feature extraction ;used uncertainty to direct calculation the weight of the training sample and test sample, avoid the assumption of data distribution; Applied multi-subspace direct-sum to multi-modal data processing to avoid data isomorphic assumptions, research and implemention a solution for multi-modal data fusion.

普适计算是信息空间与物理空间的融合，普适计算使用多个或多类传感器获取感知对象数据，各传感器数据通常具有不同的特征，感知对象中大量的数据是以多模态的形式呈现的，同时，系统所处的环境也受到各种随机因素的影响而不断地变化。对于多模态数据带来的复杂信息处理难题，传统的解决方案主要面临的问题有：单一模态不同层次的特征表示差异很大；扩展到不同模态上时原有的计算和学习的理论与方法如何适应和更新。同时上述方案为了计算和分析上的方便对问题做非常严格的约束，这样的假设并不能有效地满足处理复杂非结构化数据的需求。本课题以多图像信号的有效融合进行对象感知为研究对象，使用多尺度分析进行特征提取；以不确定度理论直接计算训练样本和测试样本的权重，避免了对数据分布的假设；通过研究多子空间直和计算在多模态数据处理上的应用，避免了对数据同构的假设，研究并实现一种解决普适计算环境下多模态数据融合的新方法。

普适计算中多个或多类传感器获取感知对象数据，感知对象中大量的数据是以多模态的形式呈现的，进行有效融合，能够更好地感知识别对象。针对普适环境下多模态信号有效融合进行对象感知，主要开展了以下工作：.1）数据融合。多个子空间直和能保证多个子空间数据融合时各子空间得到的特征向量相互两两正交，更有利于分类识别，本项目基于多子空间直和进行特征融合，提出了一种新的人脸识别算法；通过不确定度研究各种特征在人脸识别处理过程中的作用，得到尽可能好的特征，计算其相对权值，并进行特征融合，得到最好的表征人脸特征的数据；针对现有彩色人脸识别算法的不足，本项目提出加权颜色相关图和LBPT算法，并采用有效的方法结合这两种方法实现高效的彩色人脸图像识别；针对传统D－S证据理论存在处理冲突证据的不足，本项目提出了修正算法；本项目研究了Curvelet变换，提出了Curvelet (曲波)变换结合2DPCA(二维主分量分析)的嵌入式人脸识别方法。针对Log-Gabor函数能有效改善普通Gabor函数低频表示不足而高频过度表示的缺点，提出了结合互信息量和Log-Gabor特征的嵌入式人脸识别方法。.2）无线传感器网络技术研究。研究了有效降低能耗的方法，提出了LEACH改进协议—可变通信周期策略的能量均衡成簇协议ACPSEB-LEACH；针对降低无线传感网能耗和保证数据精度之间的冲突，提出了自适应采样数据并利用压缩感知进行压缩的方法；针对LEACH协议簇头节点分布不均导致无线传感网节点能量消耗不均衡等不足，提出一种结合K-means均匀分簇和数据回归的能量均衡策略。.3）其他研究。使用法国航空航天实验室ONERA推出的运行支撑系统CERTI作为支撑系统，研究并实现一种基于HLA标准的仿真系统；研究了深度学习技术，并应用于自动驾驶的仿真；研究了基于哈希的跨模态检索；研究了结合图片的视觉问答；构建了一个人脸数据集。