一、引言：为什么需要置信函数理论 在多源信息融合领域，核心问题是如何处理数据源的各种"不完美性"。这些不完美性包括：不确定性（uncertainty）、不精确性（imprecision）、歧义性（ambiguity）和冲突（conflict）。 传统的概率方法存在一个根本性的限制：概率的可加性约束要
摘要 本文对信念函数理论进行了系统介绍。信念函数是一种处理不确定性信息的数学框架，与传统概率方法不同，能够考虑多种不同形式的不确定性。本文涵盖了信念函数的理论基础，包括基本置信分配、组合规则和决策框架，并讨论了其在图像处理、定位问题和深度学习中的应用。 关键词：信念函数，Dempster-Shafe
心血管模型比较与HRV相干性分析 本项目属于 Master ATSI 研究团队项目（2025-2026学年），目标是通过计算机仿真研究心肺系统的耦合关系，并分析心率变异性（HRV）的相干性特征。 生理学背景 心脏的跳动并非由心脏自身完全决定，而是受到自主神经系统（Autonomic Nervous
项目背景与任务描述 语义分割是计算机视觉中的一项基础任务，其目标是对图像中的每一个像素进行分类。与图像分类任务只输出整张图片的单一类别不同，语义分割需要输出与输入图像相同尺寸的分割图，其中每个像素都被赋予一个类别标签。 本项目聚焦于水下图像的语义分割任务。水下环境具有独特的挑战性：光线在水中衰减导致
Q1：矩阵 \boldsymbol{A} 和 \boldsymbol{X} 的尺寸 高光谱图像数据由一个三维矩阵 \boldsymbol{A} 编码，其维度为： \boldsymbol{A} \in \mathbb{R}^{h \times w \times n_\lambda} 其中： h 是图像
