基于AIN信息融合方法的应用研究

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (12): 16-18.

基于AIN信息融合方法的应用研究

葛红^1,2,田联房¹

1．华南理工大学自动化科学与工程学院，广州 510640
2．华南师范大学计算机学院，广州 510631

收稿日期:2007-12-07 修回日期:2008-01-28 出版日期:2008-04-21 发布日期:2008-04-21
通讯作者: 葛红

Application research of information fusion technology based on AIN

GE Hong^1,2,TIAN Lian-fang¹

1．College of Automation Science and Engineering，South China University of Technology，Guangzhou 510640，China
2．School of Computer，South China Normal University，Guangzhou 510631，China

Received:2007-12-07 Revised:2008-01-28 Online:2008-04-21 Published:2008-04-21
Contact: GE Hong

摘要/Abstract

摘要： 信息融合技术是一种集成多个传感器数据以获得更加精确的检测和识别结果的技术。如何有效地集成多源检测数据以充分发挥各种检测数据的作用，从而获得最好的检测和识别结果，仍然是信息融合技术应用的关键问题，引起了人们广泛的关注和探索。提出采用人工免疫网络（Artificial Immune Network，AIN）作为模式识别领域中信息融合技术的融合算法，并做出了初步的尝试，两个实验证明了AIN作为信息融合算法的可行性和有效性。

关键词: 信息融合, 人工免疫网络, 对象检测与识别

Abstract: Information fusion technology is a new method to integrate and manage multi-sensor data in order to obtain a more accurate detection or identification.How to integrate these multi-sources data together to obtain better results in pattern recognition area still remains a difficult problem，which is abstracting wide attention and researching.In this paper，Artificial Immune Network（AIN） is afforded as an information fusion algorithm.A preliminary attempt is given，and the results of two experiments show that this attempt is practicable and effective.

Key words: information fusion, Artificial Immune Network（AIN）, object detection and identification

葛红^1,2,田联房¹. 基于AIN信息融合方法的应用研究[J]. 计算机工程与应用, 2008, 44(12): 16-18.

GE Hong^1,2,TIAN Lian-fang¹. Application research of information fusion technology based on AIN[J]. Computer Engineering and Applications, 2008, 44(12): 16-18.

[1]	刘畅，邱卫根，张立臣. 基于可变形掩膜对齐卷积模型的行人再识别[J]. 计算机工程与应用, 2021, 57(5): 146-152.
[2]	陈坤峰，潘志松，王家宝，施蕾，张锦，焦珊珊. 跨模态行人再识别的协同学习方法[J]. 计算机工程与应用, 2021, 57(12): 115-125.
[3]	张红，程传祺，徐志刚，李建华. 基于深度学习的数据融合方法研究综述[J]. 计算机工程与应用, 2020, 56(24): 1-11.
[4]	韩二东. 概率语言术语集多准则决策方法研究进展[J]. 计算机工程与应用, 2020, 56(10): 27-35.
[5]	阮凯，邱卫根. 多信息融合的深度学习人脸表情识别算法研究[J]. 计算机工程与应用, 2019, 55(5): 192-196.
[6]	李果，马春阳，马建晓. 基于DPCA和改进证据理论的融合式故障诊断[J]. 计算机工程与应用, 2019, 55(20): 197-201.
[7]	陈金广1，2，王星辉1，2，马丽丽1，2，张馨东1，2，巩林明1，2. 采用分段RTS的CPHD平滑算法[J]. 计算机工程与应用, 2019, 55(1): 50-55.
[8]	丁宏飞1，2，秦政1，刘博1，李演洪1. 基于AF-SVR的城市快速路多源交通信息融合研究[J]. 计算机工程与应用, 2017, 53(5): 266-270.
[9]	黄家成1，闫涛1，姚淼2，宋家友2. 小样本ATS测量不确定度评定方法研究[J]. 计算机工程与应用, 2017, 53(20): 214-218.
[10]	彭利红1，刘海燕1，任日丽1，马俊1，王建芬2. 基于多标记学习预测药物-靶标相互作用[J]. 计算机工程与应用, 2017, 53(15): 260-265.
[11]	余小游1，曹守富1，2，陈铁军1. 基于Rough-Vague集与证据理论的态势估计方法[J]. 计算机工程与应用, 2016, 52(10): 50-54.
[12]	王建仁，李妮，段刚龙. 基于信息融合的电信客户流失预测研究[J]. 计算机工程与应用, 2016, 52(10): 64-70.
[13]	马丽丽，张芬，陈金广. 一种基于Pignistic概率距离的合成公式[J]. 计算机工程与应用, 2015, 51(24): 61-66.
[14]	陈金广1，2，张芬1，马丽丽1. 一种证据不确定性度量方法及其应用[J]. 计算机工程与应用, 2015, 51(23): 48-53.
[15]	陈金广1，江梦茜1，马丽丽1，徐步高1，2. 具有形状信息的多传感器群目标跟踪算法[J]. 计算机工程与应用, 2015, 51(17): 210-216.