- 综合排序
- 最热优先
- 最新优先
- 来自专栏联远智维
柔性传感器——多源信息融合
support_redirect=0&mmversion=false 附1、非常欣赏本论文的表达形式：把传感器与具体的应用场景糅合起来，通过视频的方式，让大众能够直观了解到该传感器的价值~ 附2、认同多源信息融合是传感器发展的方向
81520编辑于 2022-01-20 - 来自专栏腾讯高校合作
Wiztalk | 刘勇 《多源融合SLAM：现状与挑战》
多源融合SLAM：现状与挑战 简介：协同定位与建图（SLAM），相信大家对这个概念应该都很陌生，但在机器人身上，这可是一项重要的技术。
1.1K20发布于 2021-02-07 怎么处理多源异构数据？搞不清楚就别谈数据融合！
备选标题：从数据融合来看，多源异构数据怎么处理？多源异构数据怎么处理？当然是从数据融合开始！数据融合视角下，多源异构数据如何高效处理？想搞数据融合，第一步就卡壳？问题很可能出在“多源异构数据”上！ （附真实场景拆解）一套拿来就能用的全流程技术框架：从接入到转换，从输出到同步搞懂这些，你的数据融合之路才算真正开始！往下看，全是干货一、多源异构数据到底是什么？ 先把多源异构数据的概念和分类搞明白，后面才好说怎么处理。1. 先搞懂概念：什么是多源异构数据？（1）先来说清楚“多源”：简单来说，“多源”就是数据来自不同地方。 二、处理多源异构数据时的问题了解了多源异构数据的基本情况和类型，接下来就得说说实际处理中会遇到的问题了。这些问题要是解决不了，后面的融合根本无从谈起，很多团队卡壳往往就是栽在这些地方。 三、怎么融合处理多源异构数据？处理多源异构数据，千万别一上来就想着“把所有数据都整成一样的”。说白了，融合不是为了融合而融合，得看你最终要解决什么问题，“以终为始”才是关键。
85110编辑于 2025-08-15- 来自专栏CSDN 迁移文章
【机器学习】多模态AI——融合多种数据源的智能系统
多模态AI（Multimodal AI）通过结合多种数据源（如文本、图像、音频等）来提升模型的智能和表现，适用于多样化的应用场景，如自动驾驶、医疗诊断、跨语言翻译等。 一、多模态AI简介 多模态AI是一种将不同形式的数据（如文本、图像、音频等）融合在一起的技术，旨在让模型从多个维度感知和理解信息。 因此，多模态AI不仅需要处理异构数据的融合问题，还要具备鲁棒性，以应对现实中可能出现的数据缺失和不一致情况。 二、多模态AI的应用场景 多模态AI通过整合多种数据源，提升了AI系统对复杂任务的理解和处理能力，在各类行业中展现出了广泛的应用前景。 自动驾驶 自动驾驶技术高度依赖多模态数据的融合。 六、总结 多模态AI是未来智能系统的发展方向之一，通过融合不同类型的数据源，它让模型能够从多个维度理解和解决复杂问题，大幅提升了性能与智能化水平。
2.6K10编辑于 2024-10-15 - 来自专栏点云PCL
多帧数据融合思路
一.对数据的输入 A、如何获取你的点云数据（使用什么设备，查找相应设备的介绍，设备的精度、稳定度、抗噪能力、数据的可视深度范围等，采用无标记点融合，或标记点融合；要考虑多帧数据之间的旋转角度）； B、如何将你的数据对象从环境中分割出来 （识别分割、手动分割CC），深度学习若能做分割，并且针对特定对象的效果还行的话，再结合PCL做多帧数据的融合，是一个创新点（前提是提高效率）； C、对数据的输入输出要掌握，一般程序都是一样的，复制粘贴即可 二、对数据的预处理（融合肯定至少两帧数据） A、数据是否有噪声：根据噪声的类别，选择合适的算法进行去除（直通滤波、条件滤波、统计滤波、双边滤波等等）； B、数据是否需要下采样：体素栅格滤波（参数的设置， 根据自己的目的，参考北航出的国内唯一一本PCL的书，同时兼顾PCL官网的更新内容）； B、精配准执行前的准备：是否建立空间拓扑关系（一般需要建立，加快计算速度）； C、是否需要剔除错误点对（一般需要剔除，提高融合精度 书以及官网都可查阅）； D、执行计算，并输出精配准融合点云对象，输出精配R和T，输出精配时间，并可视化（保存或可视化都行）。
2.5K20发布于 2019-07-30 - 来自专栏气象杂货铺
利用AI自动融合多源数据并实时更新极端自然灾害信息
DToN通过将地球观测(EO)数据与事件相关的新闻文章相结合提供了这样一种方法，从而为记者、政策制定者、分析人员、保护组织和感兴趣的公众提供了一个很好的切入点，可以快速获取高质量的背景材料。 以前发现和处理与事件相关的卫星图像至少需要几个小时的工作，并且需要对遥感数据有很好的理解，以自动化的方式开箱即用是向前迈出的一大步。 每个事件都带有一个摘要、元数据和相关文章列表。这些数据既可以直接被DToN(摘要、相关文章、新闻来源)使用，也可以作为进一步处理步骤(大致位置、日期、关键字)的输入，以找到最相关的卫星图像。 确切的地点和时间 为了在应用程序中表示事件，我们需要将其链接到卫星数据。为此，有两项信息很重要——(确切的)地点和日期。 DToN利用来自全球的多源数据，通过AI分析和自动链接，可以为记者、决策者、分析师、保护组织以及感兴趣的公众提供附加价值。 DToN目前正处于测试阶段，但已对外发布，可以访问探索。
98710编辑于 2022-09-23 - 来自专栏GEE数据专栏，GEE学习专栏，GEE错误集等专栏
基于多源数据融合方法的中国1公里土地覆盖图（2000）
简介： 基于多源数据融合方法的中国1公里土地覆盖图（2000）在评价已经有土地覆盖数据的基础上，将2000年中国1:10万土地利用数据、中国植被图集(1:100万)的植被型分类、中国1:10万冰川图、中国 1.0 * @Contact : 400-890-0662 * @License : (C)Copyright 航天宏图信息技术股份有限公司 * @Desc : 加载基于多源数据融合方法的中国 1公里土地覆盖图（2000） */ // 加载基于多源数据融合方法的中国1公里土地覆盖图（2000） var images = pie.ImageCollection("TPDC/MICLCOVER2000 基于多源数据融合方法的中国1公里土地覆盖图（2000）. 国家青藏高原科学数据中心, DOI: 10.11888/Socioeco.tpdc.270467. 基于多源数据融合方法的中国1 km土地覆盖分类制图. 地球科学进展, Issue(2), 192-203. 2.Ran, Y. H. , Li, X. , Lu, L. , & Li, Z.
34510编辑于 2024-02-02 打破数据孤岛：TCHouse-D如何助力企业实现多源用户行为数据的深度融合分析
然而，企业面临的最大挑战往往不是数据太少，而是数据太多且分散——订单交易数据沉睡在业务数据库，财务数据独立成册，用户在前端的每一次点击、停留（埋点数据）被记录在日志系统，销售与市场投放数据又散落在不同平台 它基于业内领先的 Apache Doris 内核构建，为企业提供了一个统一、高效、易用的实时数据分析平台，能够无缝整合上述多源异构数据。 一、 一站式数据整合，打破孤岛 TCHouse-D 支持从多种数据源进行数据抽取、清洗和导入。 其兼容 MySQL 协议的特性，意味着业务人员可以使用熟悉的 SQL 语言直接进行跨数据源的关联查询与分析，无需学习新的编程语言或理解底层复杂的数据构造，极大降低了数据使用的门槛。 腾讯云数据仓库 TCHouse-D 以其强大的多源数据融合能力、极致的实时分析性能、弹性灵活的资源配置以及企业级的安全可靠性，为企业构建了一站式的实时数据分析中枢。
15610编辑于 2026-03-20数据孤岛终结者：这5款BI工具让多源数据无缝融合，首选竟是它！
##摘要 在数据驱动的商业环境中，支持多源数据接入的BI工具已成为企业打破信息孤岛的关键。本文深入对比了5款主流BI产品的数据连接能力、功能特点及适用场景，并重点推荐了腾讯云BI的全面数据集成方案。 BI工具的多源数据支持能力直接决定了企业能否快速整合这些分散的数据资源，形成统一的分析视图。 、PostgreSQL、Oracle、ClickHouse、API、Excel/CSV等 智能助手ChatBI、大数据加速引擎、多屏适配 支持信创生态 SaaS、私有化部署 观远数据BI 国产数据库、Excel 应用，Excel等近50种 自然语言交互、多源数据快速集成 深度适配 云端、本地混合部署 Superset MySQL、Oracle、Redshift、Drill、Hive、Impala、Elasticsearch 选择一款真正支持多源数据融合的BI工具，无疑是迈向这一未来的关键一步。
40410编辑于 2025-12-01- 来自专栏WeOps
嘉为蓝鲸WeOpsV5.21&V4.21：AI融合多源数据，智能问答精准解答
：提供更专业的主机/数据库/中间件监控详情视图拓扑图拓展：点击网口信息展示专线监控指标详情等优化拓展那就具体看看这些新功能吧~02.AI-智能问答经过长期使用，WeOps平台已沉淀海量运维数据，如何通过 AI释放这些数据的深层价值是我们一直在思考的问题。 WeOps V5.21推出AI智能问答功能，通过分析平台积累的运维数据，为企业提供更精准、更贴合实际业务场景的智能解答。 目前已完成知识库问答功能，其他数据源（包括知识库、资产配置、监控告警等信息）的接入正在持续推进中。 WeOpsV4.21版本通过整合监控视图与仪表盘，用户可以直接在详情页查看关键指标，并以更直观的视图呈现数据，彻底改变以往单一折线图的展示方式。
30810编辑于 2025-04-21 水利调度“智慧脑”：融合多源感知数据与洪涝预报模型的实时决策平台
本文将聚焦三个高价值核心场景，深入剖析如何通过融合多源感知数据与智能预报模型，构建一个能真正实现实时、精准、可解释辅助决策的"水利调度智慧脑"。 在某中型流域的模拟测试中，该平台在同样满足防洪安全的前提下，相较于传统经验调度方案，能使流域内水库群在汛末平均多蓄水5%-8%，有效增加了抗旱水资源储备，同时通过优化泄流过程，降低了下游河道的冲刷风险。 技术架构核心：支撑三大场景的"智慧脑"引擎上述三大高价值场景的实现，依赖于平台底层统一的强大引擎，即"智慧脑"的核心构成：1.多源异构数据融合中心：具备强大的数据接入、治理和实时处理能力，能够统一纳管物联网监测数据 、遥感数据、气象网格预报、业务系统数据等，为上层应用提供高质量、标准化的数据服务。 通过在城市内涝应急、流域防洪调度、水生态管理等核心场景的深度融合应用，这个融合了多源感知数据与智能预报模型的实时决策平台，正在证明其价值：它让水利调度从依赖个人经验的"艺术"，转变为融合集体知识与先进算法的
26610编辑于 2026-03-03- 来自专栏用户1337634的专栏
Spring Boot支持多Redis数据源
项目需要把自建redis迁移到云服务，因为无法做到业务无感迁移，所以业务迁移时，部分数据需要双读，因此需要支持多Redis数据源 支持多Redis数据源 配置信息application.yml redis: host: localhost port: 6379 second-redis: host: localhost port: 16379 配置主数据源 primaryLettuceConnectionFactory) { return new StringRedisTemplate(primaryLettuceConnectionFactory); } 配置备数据源 -- [ main] com.tenmao.mredis.MredisApplication : second name: tim2 可以看到已经读取到了不同的redis数据
1.1K20发布于 2021-11-24 - 来自专栏AI科技评论
学界 | 微软研究院资深主任研究员郑宇教授：多源数据融合与时空数据挖掘（一）
AI科技评论按：本文根据郑宇教授在中国人工智能学会AIDL第二期人工智能前沿讲习班＊机器学习前沿所作报告《多源数据融合与时空数据》编辑整理而来，AI科技评论在未改变原意的基础上略作了删减。 异构、多源、多模，是三个不同的东西。异构就是结构和非结构的；多源就是来自于不同的领域和数据源（比如气象和交通）；多模，就是有文本的、影像的、语音的。 第三，真正要做城市大数据项目的时候，你发现绝对不是只用一种数据，会用到多种数据，而且还要把多种数据的知识融合在一起。 要融合多源数据的话，先不把各类数据管理好，不把它有机的索引在一起，到时候根本来不及做快速融合的问题，这就叫混合式索引，数据和数据关联起来，把不同领域数据融合在一起。 这个很重要，我们在这个层面上加入了一个中间层，我们针对不同的数据结构设计了空间索引和时间索引算法，以及针对于多源数据之间的跨域管理做了混合式索引，把时空索引算法集成到 Storm、Hadoop、Spark
1.6K80发布于 2018-03-12 - 来自专栏深圳架构师同盟
Daft：AI驱动的多模态数据融合引擎
2.2.4 未来趋势：技术融合与生态协同 多模态数据管理需结合生成式 AI、联邦学习、知识图谱等技术，突破存储、处理、合规等瓶颈。 多模与结构化统一 既兼容结构化数据（如关系型数据库、数据仓库的表结构数据），又能处理多模态数据（如图片、音频、视频等非结构化内容），打破数据形态的处理壁垒，满足AI场景下“多模态数据融合分析”的核心需求 3.2 CPU/GPU异构流式调度 该结构图展示了基于Daft on Ray的CPU/GPU异构流式调度系统，通过分层设计实现从数据源到模型推理的全流程高效协同。 数据源以Webdataset形式接入，包含图像和文本/JSON等原始数据，首先进入CPU Node模块进行预处理，通过Lance组件完成数据转换（如JSON展开、类型转换）和清洗（如图像解码、字段提取） 中间以紫色圆柱代表含图片、文本、音频等多种文件的多模态数据源，下方标注Transform、Inference、Write为核心处理环节。
1.2K10编辑于 2025-11-20 - 来自专栏活动
数据融合：多模态图像融合技术在安全监控中的应用
在安全监控领域，数据融合是一项关键技术，它将来自不同传感器或数据源的信息进行整合和分析，以提高监控系统的效率和准确性。 多模态图像融合技术是数据融合的一种重要形式，它结合了不同类型的图像数据，如可见光图像、红外图像、雷达图像等，以获取更全面的监控信息。 多模态图像融合技术概述多模态图像融合技术旨在将来自多个传感器或数据源的图像信息整合在一起，以获得比单一模态图像更全面、更准确的监控结果。 常见的多模态图像融合技术包括但不限于：特征级融合特征级融合技术是多模态图像融合中的一种重要方法，它旨在将不同图像源提取的特征进行有效融合，以增强监控系统对目标的检测和识别能力。 模型训练和优化利用深度学习或传统机器学习算法，对采集到的多模态图像数据进行训练和优化，构建多模态图像融合模型。4.
1.7K10编辑于 2024-04-25 - 来自专栏Go与云原生
Grafana: (1) DataSource 多环境数据源管理
https://typonotes.com/posts/2023/06/06/grafana-datasource-management/ 安装 Grafana 今天的内容很简单， 主要是为了引出 多环境数据源 数据源配置 这个很简单 齿轮/Configuration -> Data Source -> Add Data Source， 在 Grafana 数据源介绍 提到了， Grafana 默认为我们提供给了 10+ 内置数据源， 涵盖了我们大部分常见的类型。 这里我们选择 Prometheus 数据源类型 配置都很简单， 根据实际的情况来就行了。 不过这里需要强调一下 **(1)**：如果存在 多个环境 那么数据源的名字一定要有规律。 数据源的使用 有了命名规则， 就可以通过变量管理数据源， 是在同一个 dashboard 展示不同环境的数据。 后面说变量的时候在细聊
1.7K30编辑于 2023-08-10 - 来自专栏高速公路那点事儿
智慧扩容 | 基于多源数据融合的路网运行状况分析及辅助决策系统研究
“ 基于高速公路现有的设备，重新构建一个基于多源数据融合的路网运行状况分析及辅助决策系统，从断面、路段的拥堵研判到主动管控提供了一个思路。 数字化转型阶段需要充分利用现有高速公路各种各类流量监测设备，采用多源数据融合的路网运行状况分析与辅助决策方法，把握高速公路运行状态监测与服务指标，实现不同交通状况下的交通流量分级预警与管控建议，辅助监控人员进行决策 打造高速流量数据融合大脑，实现微波车检器、AI视频识别、ETC门架车牌识别计数等多种流量数据的融合，输出高质量的路段流量数据。 系统处置流程如下： 02-流量数据融合大脑 流量数据融合大脑主要完成流量数据的融合处理，采用合理的数据融合模型，输出准确度较高的流量数据，为分析处理提供优质的数据源。 二、数据融合模型 在车牌识别设备数据、微波车检器数据、AI视频识别数据等数据融合的过程中存在动态去噪融合模型、时间分段融合模型、空间匹配融合模型等多种融合模型来实现交通数据融合；数据融合模型自匹配模块会根据数据的类型和变化自动选择适用的数据融合模型
74110编辑于 2025-07-03 - 来自专栏指尖数虫
Grafana融合多种数据源并且炫酷的展示数据
基于插件的方式实现数据的可视化图表，饼图、折线图、柱状图等。” Grafana是一款开源的，可以应用于多种数据源大规模数据展现、告警的数据可视化项目。 Grafana配置非常简单、支持多种数据源、权限管理、图表非常的炫酷。基于插件的方式非常方便的可以进行二次开发、同时有非常多的模版。 ? 数据可视化方向有很多的可选性方案。 这些产品的侧重点可能不同，但是基本上都是需要实现的是连接多种数据源。 在数据监控或者数据报表的处理中所遇到的数据源有ELasticSearch，MySql，PostgreSQL或者是在OpenTSDB，InfluxDB等时序库。 那么我们就能够自由的融合多种数据源来展现数据。 ? ? Grafana同样可以对接Zabbix实现Zabbix监控指标的数据展示。 ?
4.2K30发布于 2020-04-14 - 来自专栏java之旅
SpringBoot连接多RabbitMQ源
spring.rabbitmq.publisher-returns=true v1.spring.rabbitmq.listener.simple.prefetch=5 重写连接工厂 需要注意的是，在多源的情况下 consumer(String message) { System.out.println(message); } } 这样就完成了SpringBoot连接多个RabbitMQ源的示例了 topicProducerTest() { topicProducer.sendMessageByTopic(); } } 执行测试代码，验证结果为： [验证结果] 验证SpringBoot连接多RabbitMQ 源成功！
3.5K30发布于 2020-01-07 - 来自专栏C/C＋＋、数据结构、算法
BFS：多源BFS问题
const int dy[4]={0,0,1,-1}; vector<vector<int>> updateMatrix(vector<vector<int>>& mat) { //多源 q.emplace(i,j); vis[i][j]=true; } //进行多源 { q.emplace(i,j); vv[i][j]=0; } //多源 grid[i][j]==1) { q.emplace(i,j); vv[i][j]=0; } //多源
30510编辑于 2024-07-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号