摘要:特质焦虑涉及体验和报告负面情绪和思想的稳定倾向,例如在不同情况下恐惧和担忧,以及对环境的稳定看法,其特征是威胁性刺激。先前的研究试图研究与焦虑相关的神经解剖学特征,主要是使用单变量分析,从而导致对比结果。这项研究的目的是通过利用联合数据融合机学习方法来构建脑形态特征中特质焦虑中个体差异的预测模型,以允许对新病例的概括。此外,我们旨在进行网络分析,以测试与焦虑相关网络在调节其他与焦虑无关的其他网络中具有核心作用的假设。最后,我们想检验以下假设:特质焦虑与特定的认知情绪调节策略有关,以及焦虑是否随着衰老而减少。使用数据融合无监督的机器学习方法(Parallel ICA)的158名参与者的结构性大脑图像第一次分解为独立的灰色和白质网络。然后,使用监督的机器学习(决策树)和向后回归来提取和测试特质焦虑的预测模型的普遍性。两个协调的灰色和白质独立网络成功地预测了特质焦虑。我们还发现,性状焦虑与灾难性,反思,其他和自称的焦虑呈正相关,并且与重新聚焦和重新评估的积极重新关联和负相关。第一个网络主要包括顶叶和时间区域,例如中心后,前后和中部和上颞回,而第二个网络包括额叶和顶叶区域,例如上颞回和中间回,前缘和前扣带和前胎。此外,特质焦虑与年龄负相关。本文提供了有关预测大脑和心理特征性状焦虑焦虑中个体差异的新见解,并可以为将来的诊断预测焦虑症铺平道路。
传感器数据融合是将分布在不同地点的多个同类或不同类型的传感器所提供的局部数据资源综合起来,利用计算机技术对其进行分析,以消除多传感器信息之间可能存在的冗余和矛盾,使其相互补充,减少其不确定性,获得对测量对象的一致解释和描述,从而提高系统决策、规划和响应的快速性和正确性,使系统获得更充分的信息。信息融合出现在不同的信息层次上,包括数据级融合、特征级融合、决策级融合。多传感器数据融合技术形成于20世纪80年代,已成为研究热点。与单传感器信息相比,多传感器数据融合具有容错性、互补性、实时性、经济性等优点,因此逐渐得到推广和应用。
背景(黑色气缸)检测;这两个图像都是整个场景的摘录。(a)分类后的激光检测。簇通过绿线连接。(b)分类后的雷达检测。蓝色框架封闭了真实的阳性,红色框架封闭了误报(比较第8.1节)。簇被黑线包围。
国际图像与数据融合杂志:地理信息学方法、技术与应用 1947-9832 1947-9824 www.tandfonline.com/TIDF
摘要 — 大数据与人工智能 (AI) 的结合通过实现准确预测和明智决策,彻底改变了行业和研究。这些进步也在军事领域找到了一席之地,其举措旨在整合来自不同领域的数据源和传感器,提供共享的态势感知。在城市军事行动中,及时和情境感知的信息对于实现精确度和成功至关重要。数据融合结合了来自不同来源的信息,对于实现这一目标至关重要。此外,民用数据提供了重要的背景信息,可以显著影响任务规划。本文提出了军事数据空间 (MDS) 概念,以探索大数据如何通过结合民用和军用数据来支持军事决策。介绍了用例,强调了数据融合和图像认证在提高数据质量和可信度方面的好处。此外,还讨论了数据安全、隐私、完整性、获取、融合、网络和利用人工智能方法的挑战,同时强调构建下一代军事应用的机会。关键词 - 军事大数据、人工智能、数据融合、数据完整性。
摘要:移动自主机器人需要准确的地图来实时导航和做出明智的决定。猛击(同时定位和映射)技术允许机器人在移动时构建地图。但是,在复杂或动态的环境中,SLAM可能具有挑战性。本研究提出了一个名为Scramble的移动自主机器人,该机器人根据两个传感器的数据融合使用SLAM:Rplidar A1M8 LIDAR和RGB摄像机。如何使用数据融合来提高映射,轨迹计划和移动自动机器人障碍物检测的准确性?在本文中,我们表明,视觉和深度数据的融合显着提高了映射,轨迹计划和移动自主机器人的障碍物检测的准确性。这项研究通过引入基于数据融合的SLAM方法来帮助自主机器人导航的发展。移动自主机器人用于各种应用程序,包括包装交付,清洁和检查。开发更健壮,更准确的SLAM算法对于在具有挑战性的环境中使用这些机器人至关重要。
tib.eu › viewer › content › targetFileName=...MSDF(多传感器数据融合)的概念和技术利用了...计算负担非常大,因此目标算法。
opt-net.eu › 文档 › Golden-Eye-Br... PDF 此外,还应用了数据融合,其中卫星信息可以与其他数据集相链接,例如来自无人机和内部的多传感器地球物理数据集......