项目名称: 普适计算对象感知多模态不精确性数据融合算法研究

项目编号: No.61462042

项目类型: 地区科学基金项目

立项/批准年度: 2015

项目学科: 其他

项目作者: 叶继华

作者单位: 江西师范大学

项目金额: 42万元

中文摘要: 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。

中文关键词: 普适计算;对象感知;多模态数据;多子空间;不确定度

英文摘要: 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.

英文关键词: Pervasive Computing;Object Perception;Multi-modal Data;Multi-Subspace;Uncertainty

成为VIP会员查看完整内容
5

相关内容

空间数据智能:概念、技术与挑战
专知会员服务
83+阅读 · 2022年2月3日
【博士论文】分形计算系统
专知会员服务
32+阅读 · 2021年12月9日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
港中文等最新《多模态元学习》综述论文
专知会员服务
123+阅读 · 2021年10月8日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
18+阅读 · 2021年5月16日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
【CVPR2020】多模态社会媒体中危机事件分类
专知会员服务
53+阅读 · 2020年4月18日
空间数据智能:概念、技术与挑战
专知
7+阅读 · 2022年2月4日
【博士论文】开放环境下的度量学习研究
专知
6+阅读 · 2021年12月4日
图像检索在高德地图POI数据生产中的应用
阿里技术
5+阅读 · 2021年11月4日
综述 | 激光与视觉融合SLAM
计算机视觉life
18+阅读 · 2020年10月8日
【泡泡图灵智库】协同视觉-惯性SLAM
泡泡机器人SLAM
29+阅读 · 2019年9月6日
计算机视觉方向简介 | 视觉惯性里程计(VIO)
计算机视觉life
64+阅读 · 2019年6月16日
视觉SLAM技术综述
计算机视觉life
25+阅读 · 2019年1月4日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月17日
Arxiv
13+阅读 · 2021年10月22日
Arxiv
21+阅读 · 2020年10月11日
Deep learning for cardiac image segmentation: A review
Arxiv
21+阅读 · 2019年11月9日
小贴士
相关VIP内容
空间数据智能:概念、技术与挑战
专知会员服务
83+阅读 · 2022年2月3日
【博士论文】分形计算系统
专知会员服务
32+阅读 · 2021年12月9日
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
港中文等最新《多模态元学习》综述论文
专知会员服务
123+阅读 · 2021年10月8日
专知会员服务
89+阅读 · 2021年7月9日
专知会员服务
18+阅读 · 2021年5月16日
大规模时间序列分析框架的研究与实现,计算机学报
专知会员服务
58+阅读 · 2020年7月13日
【CVPR2020】多模态社会媒体中危机事件分类
专知会员服务
53+阅读 · 2020年4月18日
相关资讯
空间数据智能:概念、技术与挑战
专知
7+阅读 · 2022年2月4日
【博士论文】开放环境下的度量学习研究
专知
6+阅读 · 2021年12月4日
图像检索在高德地图POI数据生产中的应用
阿里技术
5+阅读 · 2021年11月4日
综述 | 激光与视觉融合SLAM
计算机视觉life
18+阅读 · 2020年10月8日
【泡泡图灵智库】协同视觉-惯性SLAM
泡泡机器人SLAM
29+阅读 · 2019年9月6日
计算机视觉方向简介 | 视觉惯性里程计(VIO)
计算机视觉life
64+阅读 · 2019年6月16日
视觉SLAM技术综述
计算机视觉life
25+阅读 · 2019年1月4日
相关基金
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员