<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005">
<channel xmlns:cfi="http://www.microsoft.com/schemas/rss/core/2005/internal" cfi:lastdownloaderror="None">
<title cf:type="text"><![CDATA[《控制与决策》编辑部 -->多模态智能感知-决策融合专栏]]></title>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于多模态数据融合的康复机器人关节角度预测方法]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0504]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在人体关节角度预测中, 单传感器获取信息太过局限且易受环境干扰影响, 而基于多传感器的关节角度的预测研究, 由于输入数据维度升高、传统的融合方式存在特征利用率不足的缺陷, 导致预测精度下降. 为准确获取运动功能障碍患者佩戴外骨骼康复过程中的运动状态, 提出基于多模态数据融合的康复机器人关节角度预测方法. 首先, 设计多通道高分辨率网络结构使其适用于人体3维姿态特征提取任务, 同时利用卷积神经网络提取足底压力特征; 其次, 基于长短期记忆网络获取特征在时域上的关联性; 然后, 构建带注意力机制的多模态特征融合网络用于人体关节角度预测; 最后, 通过在低、中、高3组速度下的实验结果表明: 所提出算法在自建数据集上的评价指标RMSE为0.039, 较传统关节角度预测方法提升38%以上; 评价指标${\rm{R}}^2 $为0.948, 较传统关节角度预测方法提升17%以上.]]></description>
<pubDate>2026/3/4 14:13:19</pubDate>
<category><![CDATA[多模态智能感知-决策融合专栏]]></category>
<author><![CDATA[陈博，王斌，周袁，周京，王浙明，叶祥明]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0504]]></guid><cfi:id>5</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[融合邻域粗糙集与SA的多模态三支决策模型及其在疾病诊断中的应用]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0626]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[在医疗领域向数据驱动转型的进程中, 疾病诊断面临多模态数据融合与不确定决策的难题. 对此, 提出一种融合邻域粗糙集与模拟退火算法(SA)的自适应阈值优化多模态三支决策模型. 首先, 定义多模态混合决策信息系统, 结合模态感知的属性邻域划分实现多模态数据统一表征. 其次, 通过信息增益驱动的客观赋权方法刻画属性权重, 并结合跨模态加权融合机制构建多模态加权邻域决策粗糙集. 最后, 融合SA与多层感知机(MLP)构建自适应阈值优化两阶段序贯三支决策模型, 动态优化决策阈值, 解决单阶段决策中边界域样本滞留问题, 形成“数据积累 → 不确定性消解”的正向循环. 在真实临床数据上的实验结果表明, 所提出的模型能有效处理多模态医疗数据, 显著提升多模态疾病诊断中不确定性决策的准确性, 能够为医生提供数据驱动的辅助诊断依据.]]></description>
<pubDate>2026/3/4 14:13:19</pubDate>
<category><![CDATA[多模态智能感知-决策融合专栏]]></category>
<author><![CDATA[王景瑞，孙秉珍，包强，刘极倩，楚晓丽]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0626]]></guid><cfi:id>4</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[DCG-DETR: 基于双分支与上下文引导的钢铁缺陷检测算法]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0705]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[针对钢材表面缺陷检测任务中存在的模型参数量大、小目标漏检率高及复杂背景干扰等关键问题, 提出一种基于RT-DETR (real-time detection transformer) 架构的双分支与上下文引导的协同优化检测方法, 命名为DCG-DETR. 首先, 设计双分支特征增强模块DFEM, 通过通道注意力机制与动态感受野卷积的并行融合, 显著提升复杂纹理背景下微小缺陷的特征判别力; 其次, 构建内容-上下文引导聚合特征金字塔模块CCGAFP, 采用内容感知上采样CARAFE与全局-局部双分支特征融合, 解决多尺度特征错位问题, 增强小目标定位精度; 进一步引入轻量化特征融合模块VoV-GSCSPC, 通过压缩冗余计算与跨阶段梯度传播优化, 在保持精度的同时降低模型复杂度. 在NEU-DET数据集上的实验表明, 改进模型mAP@0.5指标达81.5%, 较基准RT-DETR-L提升3.2%, 同时参数量降低11%、计算量减少25.9%. 实验结果表明, 改进后的DCG-DETR性能整体优于其他同类主流算法, 在进行轻量化的同时提高了检测精度, 为工业质检提供了新方案.]]></description>
<pubDate>2026/3/4 14:13:19</pubDate>
<category><![CDATA[多模态智能感知-决策融合专栏]]></category>
<author><![CDATA[丁方也，段先华，张静]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0705]]></guid><cfi:id>3</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于跨模态交互融合与全局特征校准的无人机电线检测]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0764]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[无人机对电线的精确感知是电力系统运维与无人机自主避障的核心基础, 但复杂环境下的光照变化、背景干扰及电线自身特性, 给精准识别带来极大挑战. 现有单一模态检测方法依赖可见光或红外数据, 因复杂背景适应性差, 在恶劣条件下表现不佳, 存在明显局限性; 多模态检测虽通过融合可见光与红外数据提升了鲁棒性, 但在复杂环境适应性与任务特异性挖掘上仍有不足. 为此, 提出可见光与红外数据跨模态交互融合与全局特征校准检测方案: 通过跨模态交互引导融合模块(CIGF)实现双模态特征深度交互与优势互补, 通过全局特征重要性校准器(GFSM)精准校准枢纽特征并增强关键信息, 通过多感受野增强解码器(MRED)高效重建电线目标精细空间结构并实现像素级定位; 三大核心模块协同, 形成从特征提取、交互融合到全局校准再到精细解码的完整技术链路. 在无人机电线检测权威数据集VITLD上的实验显示, 该算法可满足检测精度与实时性的双重需求, 尤其在夜间低光照、雾天模糊、雪天遮挡等复杂极端环境中仍保持高精度, 突破传统方法应用瓶颈. 该方案可为解决无人机电线检测问题提供有效思路, 具有重要理论意义与实际应用价值.]]></description>
<pubDate>2026/3/4 14:13:19</pubDate>
<category><![CDATA[多模态智能感知-决策融合专栏]]></category>
<author><![CDATA[田洪坤，姜囡，任涛]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0764]]></guid><cfi:id>2</cfi:id><cfi:read>true</cfi:read></item>
<item>
<title xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="text"><![CDATA[基于增强弱交互与LJ势能引导的双种群多模态多目标进化算法]]></title>
<link><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0789]]></link>
<description xmlns:cf="http://www.microsoft.com/schemas/rss/core/2005" cf:type="html"><![CDATA[多模态多目标优化(MMOP)作为多目标优化领域的一大挑战, 要求算法不仅在目标空间获得高质量的帕累托解, 还要在决策空间捕捉多个结构明显不同但等效的解. 在这种双重需求下, 目标空间强收敛性易掩盖决策空间多样性, 导致解集结构单一化; 与此同时, 种群间交互的强弱失衡又分别引发种群同质化或协同失效等问题. MMOP已成为制约复杂系统优化性能的关键瓶颈. 为此, 提出一种基于增强弱交互与Lennard-Jones (LJ)势能引导机制的双种群协同进化算法. 首先构建一种非对称信息交换机制, 在交配与子代生成阶段由收敛性种群向多样性种群建立精英引导路径, 有效兼顾多样性保持与进化效率; 其次, 环境选择策略由并行改为串行, 强化种群异质性, 减少对额外多样性策略的依赖, 提升稳定性与鲁棒性; 为提升种群在不同演化阶段的收敛性与多样性, 设计一种基于LJ势能模型的自适应候选解选择策略, 重新量化其交互权重, 该策略有效实现了探索与开发的动态平衡. 在多个典型MMOP测试函数上的实验结果表明, 所提算法在解集多样性、帕累托逼近质量和优化效率方面均优于主流方法, 展现出良好的泛化能力与工程应用潜力.]]></description>
<pubDate>2026/3/4 14:13:19</pubDate>
<category><![CDATA[多模态智能感知-决策融合专栏]]></category>
<author><![CDATA[贺娟娟，刘鸿伟，张凯，葛明峰]]></author>
<guid><![CDATA[http://kzyjc.alljournals.cn/kzyjc/article/abstract/2025-0789]]></guid><cfi:id>1</cfi:id><cfi:read>true</cfi:read></item>
</channel>
</rss>