第40卷第3期自动化学报Vol.40,No.3 2014年3月ACTA AUTOMATICA SINICA March,2014
异质影像融合研究现状及趋势
石强1张斌1,2陈喆1时公涛3陈东3秦前清1
摘要成像机理上的差异导致了异质影像数据之间存在着本质区别,这使得其在像素级融合存在很大困难,因此异质影像融合主要集中于特征级和决策级.本文从信息融合的基本原理出发,详细论述了异质影像融合结构、特征级融合算法、决策级融合算法的研究现状.同时,深入分析了异质影像融合中存在的问题,并指出了未来的发展方向.
关键词图像融合,异质影像,特征层融合,决策层融合
引用格式石强,张斌,陈喆,时公涛,陈东,秦前清.异质影像融合研究现状及趋势.自动化学报,2014,40(3):385?396
DOI10.3724/SP.J.1004.2014.00385
Fusion Techniques for Heterogeneous Images:a Survey SHI Qiang1ZHANG Bin1,2CHEN Zhe1SHI Gong-Tao3CHEN Dong3QIN Qian-Qing1
Abstract The diversity in the imaging mechanism leads to the essential di?erence between heterogeneous images.This makes it very di?cult to fuse heterogeneity images at pixel levels.So the fusion methods mainly focus on feature and decision levels.Based on the principles of multisource information fusion,this paper describes the research status of image fusion structure,feature level fusion algorithm and decision level fusion algorithm in details.Meanwhile,in-depth analysis of the problems existing in heterogeneous image fusion is presented.Finally,we suggest the future research directions for heterogeneous image fusion.
Key words Heterogeneous image,image fusion,feature level fusion,decision level fusion
Citation Shi Qiang,Zhang Bin,Chen Zhe,Shi Gong-Tao,Chen Dong,Qin Qian-Qing.Fusion techniques for heteroge-neous image:a survey.Acta Automatica Sinica,2014,40(3):385?396
随着遥感技术的发展,各种星载、机载传感器能够为战场监测提供各种级别、各种分辨率和各种波段的遥感影像.如何通过多种影像信息对目标的解译,获取高可靠性、高确定性的目标情报信息,是一个迫切需要解决的问题.信息融合技术的发展为解决这个问题提供了有效的途径.
信息融合是把来自多个传感器和信息源的数据加以联合、相关和组合,进而获取精确的位置估计和身份估计的信息处理过程[1].多源信息融合技术不
收稿日期2012-12-09录用日期2013-10-08
Manuscript received December9,2012;accepted October8, 2013
国家高技术研究发展计划(863计划)(2012AA12A305),国家自然科学基金(61101213,61040043,41101425),中央高校基本科研业务费专项基金(2012619020214)资助
Supported by National High Technology Research and De-velopment Program of China(863Program)(2012AA12A305), National Natural Science Foundation of China(61101213, 61040043,41101425),and Fundamental Research Funds for the Central Universities(2012619020214)
1.武汉大学测绘遥感信息工程国家重点实验室武汉430079
2.中国地质大学公共管理学院武汉430074
3.空军装备研究院情报所北京100085
1.State Key Laboratory of Information Engineering in Survey-ing,Mapping and Remote Sensing,Wuhan University,Wuhan 430079
2.School of Public Administration,China University of Geosciences,Wuhan430074
3.The Tenth Laboratory of In-telligence Institute,Academy of Air Force s Equipment,Beijing 100085仅能够对单个信息进行有效分析、提炼,而且还能够利用多源信息的冗余和互补特性,减少信息的不确定性和模糊性,保证了系统可靠性与鲁棒性.
图像融合[2?7]作为信息融合的一个重要的分支,已经得到研究人员的广泛关注.图像融合不是简单地叠加,它产生的是新的蕴涵有更多价值信息的影像.融合的影像,可为同质影像,也可为异质影像;前者获取的影像具有相同的性质,而后者则具有更大的互补性.因此异质影像融合意义更为明显.
1异质影像融合结构
1.1信息融合的基本原理
信息融合的功能在人和动物身上得到了充分体现.例如人体将各个器官(眼、耳、鼻、皮肤)收集到的各种信息组合起来,通过先验知识对周围环境作出判断,并采取相应的行动;响尾蛇通过热眼和光眼感知周围目标与环境,通过6种方式对这两类信息进行融合,最终判定目标是否为可捕捉目标[8].这反映了信息融合的基本过程,即首先将各种信息或数据转换成对环境的有价值的解释,并构建适合于解释组合信息含义的知识库,再采用某种融合机制,实现对复杂环境的感知.信息融合系统就是模仿人脑
386自动化学报40卷
综合处理复杂问题的过程,将各种实时或非实时、突变或渐变、模糊或准确以及相似或矛盾等不同特征的多传感器信息进行合理支配和使用,根据某种准则来组合这些在空间或时间上的冗余或互补信息,以获得对被观测对象的一致性描述.
1.2信息融合功能模型
基于信息融合的基本原理,依据对输入信息的抽象以及融合输出结果的不同,人们先后提出了多种融合功能模型,包括三级融合模型[9]、JDL(Joint directors of laboratories)模型[10?11]、Dasarathy模型[12?13]等.其中,三级融合模型按照数据抽象的层次,将信息融合分为数据层融合、特征层融合及决策层融合;JDL模型作为应用最广泛的信息融合模型,是美国JDL/DFS(Data fusion subpanel)根据信息融合输出结果对融合功能层次所进行的分类,包括位置估计与目标身份识别、态势评估、威胁估计,然而它并没有关注融合处理过程;Dasarathy 从软件工程的角度分析,提出了一个五级融合模型,包括了“数据入–数据出”、“数据入–特征出”、“特征入–特征出”、“特征入–决策出”、“决策入–决策出”,其特点是可构建灵活地信息融合系统结构,对实际应用研究具有指导意义.
1.3异质影像融合结构
异质影像成像机理的差异造成了影像数据之间的不可比性,使得像素级(数据级)融合非常困难.特征级和决策级融合成为异质影像融合研究的重点.同时考虑到Dasarathy模型的灵活性和异质影像融合自身的复杂性,研究者提出了混合融合结构.因此,本文重点讨论的异质影像融合结构,主要包括:特征级融合结构、决策级融合结构以及混合融合结构.
特征级融合可分为目标状态信息融合和目标特性信息融合[1,8].特征级目标状态融合主要用于目标状态跟踪,融合处理主要实现参数相关和状态矢量估计[14],主要涉及到的多源信息包括各种情报雷达、跟踪红外等非成像信源.特征级目标特性融合就是特征层次的联合目标识别,具体融合方法与模式识别技术紧密相关,只是融合模式识别所使用的特征是联合特征[15],所涉及的多源信息包括了各种情报雷达等非成像信源以及合成孔径雷达、红外影像、多/高光谱影像、可见光影像等成像信源.鉴于本文主要讨论异质影像融合,因此这里所涉及的特征级融合是特征级的目标特性融合,其融合结构如图1所示.特征级融合[16]不仅可以提高从单一传感器影像特征提取特征的概率和准确度,而且还可以获得某些有用的复合特征
.
图1特征级目标特性融合结构
Fig.1The feature level fusion structure of
object character
决策级融合[17]是指对每个影像的特征信息进行分类、识别等处理,形成相应结果后,进行进一步的融合过程,最终的决策结果是全局最优决策,其融合结构如图2所示.决策级融合具有数据量少、容错性高、对信源的依赖性和要求降低、分析能力强等优点.其缺点是,要求各传感器信息相互独立,否则决策级融合的分类性能可能低于特征级融合
.
图2用于目标分类识别的决策级融合结构Fig.2The decision level fusion structure for object
classi?cation and recognition
混合融合结构[18?19]主要是从系统角度出发,考虑各个层次之间的互联和反馈,将像素级、特征级及决策级融合综合起来,极大地提高融合系统的性能,其融合结构如图3所示.单层次信息融合的处理极易受到信息丢失、信息不完整、信息不确定性等
3期石强等:异质影像融合研究现状及趋势387
因素的影响,导致了融合系统较差的鲁棒性;混合结构综合考虑了决策级、特征级、像素级三个层次信息融合处理结果,因而具有更强的鲁棒性和更高的灵活性
.
图3
用于分类识别的混合融合结构
Fig.3
The hybrid fusion structure for classi?cation and
recognition
特征级和决策级融合结构在实际应用较多,而复杂的混合融合结构则较少应用.以上三种融合结构均未考虑反馈机制,将影像融合评价指标作为指导融合的反馈信息,对融合过程进行控制可以得到更理想的融合结果[1].以上融合结构均涉及特征级、决策级融合算法,因此,下面具体讨论异质影像特征级和决策级融合算法.
2异质影像特征层融合方法
由异质影像特征级融合结构可知:经过噪声去除、影像配准等预处理以及特征提取等过程,可从单一传感器中获得目标的识别特征;再次,经过异质影像特征之间的联合、相关、组合等融合步骤,可获得稳健的目标融合特征;最后,利用融合特征完成目标的分类识别任务,最终获得准确可靠的分类识别结果.
特征级融合算法大致分为简单特征组合、特征选择以及特征变换三类[22].简单特征组合是将原始的异质影像特征,用串行或者并行的方法组合在一
起,构成新的特征向量,可分为串行和并行融合方法.特征选择是从新组合的特征向量中,对应的每一维数据中都选择对分类最优的数据,最后把选择出来的数据组成新的特征,常用的方法有遗传算法、人工神经网络等.特征变换的融合方法是指将所有特征向量,用特定的数学方法变换为一种新的表达方式,常用的方法有模糊逻辑、D-S 证据理论等.三者之间的比较见表1.
2.1基于简单特征组合的融合方法2.1.1串行融合方法
假设任意样本ζ的两个特征矢量为α∈A ,β∈B ,A,B 分别是两个特征空间,那么ζ样本的串行组合特征为γ=(α,β)T ,显然,如果特征矢量α,β的维数分别是m,n,那么串行组合特征γ的维数为(m +n ).这种特征矢量串行融合方法,虽然在很多情况下能够有效提高识别率,但其缺点也是明显的.首先,组合特征维数的急剧增加,使得组合后特征抽取及识别效率大幅度降低;其次,不同的特征向量在串联前需要进行归一化或者加权处理[20],这不可避免地会用到优化算法,会降低融合系统的识别速度.
2.1.2并行融合方法
并行融合算法就是利用复向量将同一样本的两个特征矢量合并在一起,在复向量空间进行特征抽取,常用的是一些多元数据分析处理的方法,包括典型相关分析(Canonical correlation analy-sis,CCA)、稀疏保持典型相关分析、主分量分析(Principle component analysis,PCA)、判别分析(Fisher)等[21?23].并行融合方法可极大地提高融合识别率.其主要的困难是不相关特征或者相关性较小的特征提取部分,另外,并行融合方法要求提取的特征维数相同,否则就需要进行预处理.针对现有并行复矢量特征融合方法所处理特征类别有限的问题,朗方年等[24]提出了一种建立在四元数空间的新的
表1
三种特征融合思路比较
Table 1
Comparison of three frameworks for feature level fusion
思路描述
输入特征输出特征
主要方法特征组合融合
将异质影像特征按照串行所有特征向量
串行或者并行的特征向量
串行融合并行融合
和并行的方法组合从新组合特征中选择对决策
基于遗传算法融合基于神经
特征选择融合
最优特征组成新特征,侧重特征向量简单组合
对决策最优的特征向量组合
网络融合基于粗糙集及其
于选择对决策最优组合扩展的方法原始特征变换新特征表达方
基于模糊逻辑融合,基于
特征变换融合
式,侧重于特征重新表达而
所有特征向量新的特征向量表达形式
证据理论融合
适应一些融合算法
388自动化学报40卷
并行融合方法,同时将实数中的Fisher方法推广到四元数空间,将此方法于人脸检测,取得了良好效果.
2.2基于特征选择的融合方法
2.2.1基于遗传算法的特征层融合
Bebis等[25]提出了一种基于遗传算法的特征层融合方法,将红外和可见光影像融合用于人脸识别.该方法的基本框架是,首先通过小波或者奇异值分解分别得到可见光和红外影像的人脸特征;接着使用遗传算法的编码机制把对象特征按照一定的顺序排成一串染色体二进制串;其次,遗传算法中一代的每个个体表示了一个融合可见光和红外影像特征的可能途径,通过遗传算法若干代的选择、交叉、突变产生新的个体并更新评价函数,当评价函数收敛时,就认为找到最优染色体表达方式,即红外和可见光特征融合的最优方式.通过遗传算法的并行优化过程,这种方法可以选择出对人脸识别最优的融合特征向量.
2.2.2基于神经网络的特征级融合
神经网络所具有的记忆、选择、抽象等功能以及其良好的稳健性与容错性,决定了它非常适合于信息的特征层融合.神经网络特征层融合的核心是,利用神经网络具有记忆、选择、抽象等的功能,通过对神经网络的训练可以自动的选择出对目标分类识别的最优融合特征.覃征等[26]等将神经网络模块和贝叶斯网络结合,用于特征融合的目标识别.该方法通过多个多层感知(Multi-layer perception,MLP)网络组成一个多层感知模块,获得对特定目标的最优识别融合特征,再用贝叶斯网络推理的方式获得感兴趣的变量,最终获得融合识别结果.
2.2.3基于粗糙集及其扩展的特征级融合
基于遗传算法和神经网络的特征选择方法无法处理特征的不精确、模糊、粗粒度等不确定性问题.而Pawlak提出的粗糙集理论为带噪声、不精确或者不完全数据的分析处理提供了一套严密的数学工具.粗糙集理论的使用中需要对数据进行离散化,而离散化至今没有统一的标准,因此利用其他的智能计算方法如模糊集方法扩展粗糙集理论,在避免数据复杂的离散化过程同时,又能够处理模糊数据[27].基于粗糙集属性约简的特征选择方法逐渐被用于多源影像的特征级融合,这种方法一方面能够处理特征的不确定性,同时能够选择出对分类识别的有效特征,去除冗余的特征,提高了分类识别的效率与精度[28?29].2.3基于特征变换的融合方法
2.3.1基于模糊逻辑的特征层融合
基于模糊逻辑的特征层融合方法核心思路是,通过模糊逻辑算子(合取与析取算子)将数据源中的原始特征转换为新的组合特征.Alex等[30]对于多时相遥感影像的线特征提取,然后利用合取与析取算子对所提取的线特征进行变换,获得变换后的新的特征表达,将此新特征作为遥感影像上山脉、道路等地物的融合特征,用于目标分类识别.覃征等[26]进一步对这类基于模糊逻辑的特征融合方法进行了梳理和补充,并对模糊逻辑算子组合提出了新的算子及特征融合规则.
2.3.2基于D-S证据理论的特征级融合
胡良梅[31]提出了一种基于D-S理论的特征融合方法,该方法首先计算ANOVA边缘特征,接着在强边缘和弱边缘设定的基础上,计算边缘特征的基本概率赋值,最后利用D-S证据组合规则,获得融合的边缘特征.这种方法很好地消除了ANOVA 方法对阈值的敏感性保留了原始图像中的边缘,提高了特征提取算法的鲁棒性和可靠性.由此可见,基于D-S证据理论进行特征融合的核心是,通过证据理论的基本概率赋值函数将原始特征变换到新的证据空间,在新的证据空间内通过D-S融合规则获得最终的融合.
总之,从简单特征组合到特征选择和特征变换,特征层融合思路在逐步拓宽,且数学理论深度不断提高,新的数学理论及智能计算都应用于特征层融合.然而复杂实际应用中,未知情况下的动态干扰会导致特征信息提取的不确定性,严重影响融合算法的性能[32];同时如何描述和表达实际融合处理中的复杂机制,为特征融合机制提供现实指导,是特征层融合急需解决的问题.
3异质影像决策层融合方法
由异质影像决策层融合结构分析,异质遥感影像经过配准、去噪等预处理,经特征提取,还需通过分类识别等决策算法对特征作出初步判决,才能对这些决策进行融合,最终得到联合判决结果.决策层融合常采用方法是包括贝叶斯推理、证据推理在内的不确定推理方法.同时,为了克服分类识别时先验信息难以获取的难题,神经网络方法也被用于决策层融合.
3.1基于不确定推理的决策层融合
决策层融合方法多采用各种不确定推理技术,包括Bayes概率推理[33?34]、D-S证据推理[35?37]、DSmT理论[38?39]、模糊推理[40?42]、粗
3期石强等:异质影像融合研究现状及趋势389
糙集理论[43]等.不确定推理的基本框架如图4所示,其融合过程如下:首先对影像数据不确定性、不完整性、模糊性、不精确性等进行建模;其次通过条件概率、基本概率赋值函数、隶属度函数等属性函数和基于等价关系的知识约简建立起影像信息与决策的关系,形成对目标的决策;再选择合适的融合算子,对单一信息源决策结果进行融合,获得最终联合决策
.
图4
不确定性推理的基本流程框架
Fig.4
The framework of basic ?owchart for uncertain
reference
Bayes 提供了一个概率框架,常用于影像决策级的融合.其用于多源信息融合时,要求系统可能的决策相互独立,这些决策可看作一个样本空间的划分,使用Bayes 条件概率公式,根据信源的观测将先验概率更新为后验概率,从而解决系统的决策问题.其中条件概率的获取可通过高斯模型、混合高斯模型、SVM 学习[44]及Logistic 函数[45]等方法获得.Bayes 决策规则包括最大后验概率、最大似然、最大熵、最小期望风险等.
D-S 证据理论通过似真度和置信度函数表示不精确性和不确定性.其用于多源信息融合时,首先需要建立问题的论域,其次在论域内确定基本概率函
数分配,形成对问题的支持证据,再次通过证据的合成实现证据组合,获得最终的信任函数,实现多个证据对问题的决策.其信度函数定义在论域的幂集上,与概率方法有很大的不同.目前基本概率赋值函数(mass 函数)还没有统一的计算方法,一般通过特征相关系数[46、模糊集方法[47]、特征属性距离[48]、粗糙集方法[49]等构造mass 函数.其决策规则有最大似真度或最大置信度.D-S 证据方法要求信源独立,在处理冲突信息时会产生与常理相悖的结论,在证据组合时会引起焦元爆炸问题[50?51].为解决这些问题,Dezert 和Smarandache 提出了DSmT 理论,该方法建立在论域的超幂集上,并形成新的证据组合方法.它不限制信源独立性的要求,同时能够处理冲突证据组合[52].由于其基于Dedekind 格子模型,因此运算量巨大.
模糊集能够很好地表示影像信息的不精确性.模糊推理用于多源信息融合的主要步骤是:输入变量模糊化→模糊规则前件中应用模糊算子→据模糊蕴含运算由前提推断出结论→模糊合成→输出变量反模糊化.模糊集的优点是具有多样的结合算子,可以根据不同情况灵活选择算子.其中给模糊变量赋予隶属度函数的方法比给随机变量赋予概率密度函数所用的方法多,赋值过程直观.该过程可建立在逻辑运算基础上,包括直觉、推理、角模糊、归纳推理、模糊统计等[53?55].基于模糊逻辑融合常用的决策规则为最大的隶属度.
粗糙集能够处理不精确、不确定、不完全的信息.其用于多源信息融合时,首先需要建立条件属性和决策属性的关系数据模型;接着对连续属性离散化,判明属性的不可辨别关系;其次利用属性约减获得简信息表并求出核值表;再次归纳推理规则,实现
表2
各种不确定推理方法比较
Table 2
Comparisons of di?erent uncertain reference methods
属性函数
融合规则决策规则处理能力局限性贝叶斯概率
条件概率
概率公式
最大后验概率,最大不确定信息融合
要求信源独立,不能似然,最小期望风险
处理不精确信息
D-S 证据
基本概率赋值(幂集)
Dempste 规则,最大似真度,最大
不确定、不完整要求信源独立,不Smets 规则,Yager
置信度
信息融合
能很好处理冲突信息,规则,Dubois-不能处理不精确信息
Prade 规则DSmT 理论基本概率赋值(超幂集)
自由DSm 规则,混合
最大似真度,最大
不确定、不完整、计算量巨大
DSm 规则,冲突比例置信度
冲突信息融合重新分配(PCR1-PCR6)
模糊集隶属度模糊逻辑算子最大隶属度模糊信息融合不能处理不确定性粗糙集
决策表
属性约简
基于决策表决策规则
不确定、不完整、
等价关系约束太强
信息融合
390自动化学报40卷
知识推理.粗糙集方法通过知识约简建立影像特征信息与决策之间的关系,形成决策规则.与其他的方法相比,它作出决策时无需任何先验信息,对问题的描述和处理比较客观.粗糙集知识约简是基于等价关系的,而大部分实际应用都无法满足这种关系.为解决这个矛盾,学者相继提出了基于容差关系[56]、模糊相似关系[57]的粗糙集,使得粗糙集能够用于实际融合领域.
各种不确定推理方法的比较见表2,由以上分析可知,不确定性推理用于决策层融合的关键,就是通过属性函数建立起影像信息与决策之间的关系函数,再通过融合规则对这些关系函数进行组合.这与特征层影像融合有本质区别,例如,特征层融合中使用模糊逻辑方法,是为了通过T-模和T-余模算子对原始特征集合进行变换得到新的特征;而在决策层融合中,利用模糊逻辑方法是为了建立特征与决策的隶属度函数关系,再利用模糊逻辑算子组合模糊隶属度.再以证据理论为例,特征层融合中,基本隶属度函数的作用是将原始特征转换为一种新的特征表达;而决策层融合中,其作用是描述特征对决策的支持程度.
3.2基于神经网络的决策层融合
将神经网络应用于决策级融合,可以解决由于数据类别先验信息难于获得而造成的困难.核心的思路是将自组织聚类神经网络应用于单一传感器信息的分类识别,同时通过神经网络方法对所获得的决策信息进一步进行融合,因此,这里所用到的神经网络不仅是一个综合分类器,同时还是一个融合中心.人工神经网络在决策级融合应用的研究较少:Chair等[58]提出一种感知型的神经网络结构用来融合统计独立多源信息判决结果;Thomopoulos 等[59]应用神经网络解决传感器信息融合检测问题; Rawlak[60]提出了一种基于LMS准则且性能接近最优参数检测器的神经网络模型,用来融合二值假设判决;倪国强等[61]将DIGNET神经网络应用于多源信号的融合分类,分类结果精度较高.
神经网络在特征层和决策层融合中所起作用不同.在特征层融合算法中,神经网络更多被当作优化选择方法;而在决策层融合算法中,神经网络首先作为分类器,对信息作出决策判断;其次作为融合中心,对初始决策进行进一步的联合决策分析.
目前,决策层融合算法研究主要集中于不确定性推理,基于神经网络的决策层融合研究成果相对较少.而在不确定性推理中,决策规则主要包括最大后验概率、最大似真度、最大置信度及最大隶属度规则等,这些决策推理规则简单,并没有太多考虑各种单一决策之间的关系,实际应用中,需要对这些关系进行建模,形成符合实际的决策推理,例如,在多属性决策问题中,综合考虑各个属性之间的关系,确定每个属性的权重,对这些属性进行线性组合,可获得较理想的联合决策[62].
4存在的问题及研究方向
4.1存在的问题
随着研究的深入,现有异质影像融合方法在多类不确定性处理机制等方面还存在一定问题.因此,有力推动异质影像融合的发展,需要深入研究以下几个方面的问题:
1)多类不确定条件下的异质影像特征选择
多源异质影像可以提供地物目标更多的特征信息,然而众多的特征中存在着冲突性和冗余性:某一特征提供的信息和另一特征提供的信息相冲突矛盾或者某一特征提供的信息与另一特征提供的信息是相同的.这增加了信息处理的时间,也影响了处理的效果.在分类识别问题中,只有充分的认识并选择稳健、本质、互补的特征,才能够提高处理的效率与精度.另一方面,由于传感器测量设备的局限以及环境模糊等因素的影响,多源信息往往具有不确定性、模糊性、不一致性、不完整性等[63?64].因此,只有在对特征信息的不确定性建模的基础上,才能实现复杂条件下的分类识别的稳健、本质特征选择[65].基于遗传算法和神经网络的特征选择方法缺少对信息不确定性的处理机制;而基于粗糙集及模糊粗糙集的特征选择方法仅能处理部分的不完备性.
2)异质影像决策融合中可靠属性函数的获取缺乏有效方法
属性函数的确定是不确定性推理不可或缺的步骤.概率函数估计方面,利用纯数学的Log-normal, Nakagami-Rice分布,基于物理属性的Gamma分布刻画SAR影像观测值概率分布[66],利用混合高斯模型描述影像观测值的概率分布[67?68],然而,这些参数化估计的方法都是基于某种分布模型假设,对影像观测值的建模并不符合实际情况;在隶属度函数的估计方面,文献中常见的方法包括高斯函数、三角函数、梯形函数、模糊聚类等方法,这些方法需要确定模糊参数等,需要专家知识支持,主观性较强;在基本概率分配函数计算方面,常见的方法包括,基于广义三角模糊数的构造方法[69],基于模糊C均值聚类、模糊隶属度的构造方法[47],基于灰关联关联系数的构造方法[70],基于粗糙集上下近似的构造方法[49]等,然而,这些方法均是针对具体的复杂实际问题,很难轻易地用于更多的实际应用环境.
3)对异质影像融合中机理性的问题缺少本质认知
3期石强等:异质影像融合研究现状及趋势391
认知科学和人工智能是促进信息融合理论发展的重要因素[71].人和动物的认知机理一直是认知科学和人工智能研究的重点,然而动物和人类认知客观对象的多传感器信息融合机理还尚未揭示出来.需要建立新的理论框架用来描述认知的本质,从而借鉴认知科学和人工智能的研究成果,清楚地了解异质影像信息融合机制,建立更加有效的融合模型.
4)对异质影像融合系统综合优化问题研究不够深入
如果认为异质影像融合最终的目的是目标识别,那么之前所进行的检测、跟踪都是目标识别的预处理过程.因此需要考虑系统整体性能的情况下,将目标“检测–跟踪–识别”等信息融合性能综合考虑,获得整体融合性能的最优化.然而,现有的异质影像信息的融合检测、融合跟踪、融合识别等,都是作为单独部分研究,所得到的仅仅是系统的局部最优[72].目前,关于这方面的研究工作仍然较少.
5)对异质影像融合性能评价尚未建立标准指标体系
多传感器信息融合性能评估通过建立合理的评估指标体系,揭示所选择的信息融合方案是否受到特定的目标环境、传感器组和计算平台的约束,可为彼此竞争的信息融合方案提供合理的选择依据.然而由于问题的复杂性和信息融合系统的多层次性,至今尚未建立统一的评估标准体系[73].异质影像融合性能评价的标准指标体系更是没有建立起来,这是实际应用中迫切需要解决的问题.
4.2研究方向
研究人员已经意识到影像融合问题是一个病态问题,也是一个系统工程问题,并不能依赖单一理论算法建立不同数据或者不同应用环境的融合通用框架.针对异质影像信息融合发展中所存在的问题,以下主要讨论基于训练样本学习的属性函数获取,多类不确定性信息融合处理、增加反馈机制的信息融合综合优化处理、基于生物学机制的信息融合、先验知识在信息融合中的应用以及目标相关的性能评价指标、混合智能系统支持下的异质影像融合等几个研究方向.
1)基于训练样本学习的属性函数获取
为了在不确定性推理中获得准确、可靠、客观、普适的属性函数,可以采用样本学习的方式.文献[44?45,74]提出了基于SVM方法和Logistic学习的方式获得影像观测值的后验概率,使得观测场建模更加符合实际情况;文献[66,75]分别提出了无参数和半参数概率密度估计的方法,直接从训练数据中获取SAR影像观测值的概率密度估计,更符合实际情况;文献[76]提出了利用RBF神经网络学习的隶属度函数学习方法,可以从历史数据中发现隶属度函数,克服了由于缺乏经验而可能造成的偏差;文献[77]基于属性数据的正态分布模型构建基本概率分配函数,并通过正态性检验与正态性转换处理非正态模型数据.
2)多类不确定性信息融合处理
多类不确定性问题处理主要包括混合融合方法、多智能体方法、随机集理论以及中智理论等. Zhu等[78]将模糊集和证据推理相结合用于影像分类.与分别单独使用D-S理论和模糊集方法相比,这种混合融合方法提高了分类精度.Farah等[79]提出了基于案例推理(Case based reasoning,CBR)与规则推理(Rule based reasoning,RBR)的多智能体融合方法用来同时处理处理遥感影像土地利用分类的不确定性和不精确性.Xu等[80]提出了用随机集进行多源信息融合的统一的框架,能够将证据理论、模糊集、可能性理论、条件事件代数等统一起来.Smarrandache和Dezert提出的中智理论其有两种实现的方法,DSmT和中智逻辑[81]:a)DSmT 以超幂集(DΦ)作为基本的论域,可以看作是DST 理论的扩展.由于考虑了论域元素之间的多种情况, DSmT计算量很大;b)中智逻辑可以看作是模糊逻辑、经典逻辑等的统一,它考虑真值度、非真值度以及不确定度,可以同时处理信息的模糊性、不完全性、不一致性、不精确性等.
3)基于生物学机制的异质信息融合
从生物感知认知机理出发,越来越多的新理论和新方法不断地涌现.受到生物的多模感知机理的启发,人们提出了机器视觉融合理论与方法及基于条件规则的多源异构信息融合理论与方法等[82].美国麻省理工学院林肯实验室的Waxman通过对响尾蛇光眼和热眼的融合机制的研究,利用对抗受域(仿响尾蛇双模式细胞工作机理)提出了微光夜视图像和红外图像的对抗融合[83].
4)先验知识在信息融合中的应用
上下文信息等先验知识在信息融合中有非常重要的作用.定量融合方法能够很好地对不确定性建模,而定性融合适合于进行知识的推理.将定性融合与定量融合方法相结合,构建一种混合融合模型,能够充分利用两者优势.同时这种混合模型可以描述信息融合处理中的上下文信息等先验知识,从而能够提高融合系统的效能.例如,贝叶斯网络是一种概率图,用来解决不确定环境下的决策问题,用其可以描述多个变量之间的上下文信息,将其用于融合可有效提高融合系统效能.
5)增加反馈机制的信息融合综合优化处理
实际处理很多问题时,估计结果与决策结果会相互影响,有必要将估计和决策结合起来考虑.Li[84]
392自动化学报40卷
提出了JDE的融合思路,利用贝叶斯优化的方法将估计与决策过程综合考虑,设计一个新的贝叶斯风险函数,最小化此函数即可得到最终的融合结果.该方法用于目标跟踪和目标分类,可以改善跟踪效果,提高分类精度.
6)目标相关的性能评价指标
融合评价是为了研究信息融合系统的性能.然而,当给定内容和情况发生改变时,同一个评价指标对于不同情况下的性能评价不具有普适性,因此融合评价方法也需要随之改变.针对这种情况, Thomas等[85]提出了包含自学习机制的检测系统评价方法.
7)混合智能系统支持下的异质影像融合
混合智能系统是在解决现实复杂问题的过程中,从基础理论,支撑技术和应用视角出发,采用不同的混合方式,使用多种智能和非智能技术但至少有一种是智能技术,进而获得知识表达能力和推理能力更强,运行效率更高,问题求解能力更强的智能系统,主要涉及自然启发系统、不确定性管理、混合优化方法、分类器集成等计算领域[86?88].而异质影像融合的任务及过程反应了现实世界中问题的复杂性和多变性,包括了影像数据的模糊性、不确定性及高维特点,这使得仅仅依靠单一智能技术不能解决异质影像融合问题.因此,需要在混合智能系统框架的支持下实现异质影像融合:首先,在生物学机制的启发下建立异质影像融合机制;其次,通过不确定管理模块实现异质影像信息的不确定性分析建模和特征提取与选择;再次,通过混合优化系统实现异质影像智能融合系统中涉及的优化问题求解;最后,通过多种分类器的集成实现智能决策过程.
5结论
本文从信息融合基本原理、信息融合功能模型、信息融合结构、信息融合算法等方面对异质影像融合现状进行分析.在融合功能模型中,重点介绍了三层模型和Dasarathy模型,在此基础上,阐述了异质影像融合结构,包括特征层融合结构、决策层融合结构以及混合融合结构.在特征层融合算法方面,分别从基于简单特征组合、特征选择及特征变换的融合对现有的融合方法作了讨论;在决策层融合算法方面,分别从模糊逻辑、贝叶斯理论、证据理论、粗糙集理论等不确定性推理方法与神经网络等对国内外融合算法研究作了论述.同时本文指出了现有融合方法存在的诸如多类不确定条件下的异质影像特征选择、异质影像决策融合中可靠属性函数获取、异质影像融合认知机理、异质影像融合系统综合优化等方面的问题,并进一步阐明了异质影像融合的研究方向.
References
1He You,Wang Guo-Hong,Guan https://www.doczj.com/doc/575257578.html,rmation Fusion Theory With Applications.Beijing:Electronic Industry Press,2010
(何友,王国宏,关欣.信息融合理论及应用.北京:电子工业出版社, 2010)
2Simonea G,Farinab A,Morabitoa F C,Serpicoc S B,Bruz-zoned L.Image fusion techniques for remote sensing https://www.doczj.com/doc/575257578.html,rmation Fusion,2002,3(1):3?15
3Ashraf S,Brabyn L,Hicks B J.Image data fusion for the remote sensing of freshwater environments.Applied Geog-raphy,2012,32(2):619?628
4Du P J,Chen Y,Xia J S,Tan K.A novel remote sensing image classi?cation scheme based on data fusion,multiple features and ensemble learning.Journal of the Indian Soci-ety of Remote Sensing,2013,42(2):213?222
5Huang B,Zhang H K,Song H H,Wang J,Song C Q.Uni-?ed fusion of remote-sensing imagery:generating simulta-neously high-resolution synthetic spatial-temporal-spectral earth observations.Remote Sensing Letters,2013,4(6): 561?569
6Du P J,Liu S C,Xia J S,Zhao Y https://www.doczj.com/doc/575257578.html,rmation fusion techniques for change detection from multi-temporal remote sensing https://www.doczj.com/doc/575257578.html,rmation Fusion,2013,14(1):19?27
7Luo Bin,Wang Yong-Tian,Liu Yue.Multi-sensor data fu-sion for optical tracking of head pose.Acta Automatica Sinica,2013,36(9):1239?1249
(罗斌,王涌天,刘越.光学头部姿态跟踪的多传感器数据融合研究.
自动化学报,2013,36(9):1239?1249)
8Han Chong-Zhao,Zhu Hong-Yan,Duan Zhan-Sheng.Multi-Source Information Fusion(2nd Edition).Beijing:Tsinghua University Press,2010
(韩崇昭,朱红艳,段战胜.多源信息融合.第2版.北京:清华大学出版社,2010)
9Hall D L,Llinas J.Handbook of Multisensor Data Fusion.
New York:CRC Press,2001
10Llinas J,Bowman C,Rogova G,Steinberg A,Waltz E, White F E.Revisiting the JDL data fusion model II(C).
In:Proceedings of the2004International Conference on In-formation Fusion.Stockholm,Sweden,2004.1218?1230
11Mitchell H B.Data Fusion:Concepts and Ideas.Berlin and Heidelberg:Springer-Verlag,2012
12Dasarathy B V.Decision Fusion.Los Alamitos,CA:IEEE Computer Society Press,1994
13Solano M A,Ekwaro-Osire S,Tanik M M.High-level fu-sion for intelligence applications using recombinant cogni-tion https://www.doczj.com/doc/575257578.html,rmation Fusion,2012,13(1):79?98
14Quaranta C,Balzarotti G.Technique for radar and infrared search and track data fusion.Optical Engineering,2013, 52(4):046401
3期石强等:异质影像融合研究现状及趋势393
15Amarsaikhan D,Saandar M,Ganzorig M,Blotevogel H H, Egshiglen E,Gantuyal R,Nergui B,Enkhjargal https://www.doczj.com/doc/575257578.html,pari-son of multisource image fusion methods and land cover clas-si?cation.International Journal of Remote Sensing,2011, 38(8):2532?2552
16Lei Lin.Ship Feature Extraction and Fusion in Multiple Remote Sensing Images[Ph.D.dissertation],National Uni-versity of Defense Technology,China,2008
(雷琳.多源遥感图像舰船目标特征提取与融合技术研究[博士学位论文],国防科学技术大学,中国,2008)
17Zhao Shu-He.Decision Level Fusion of Multiple Remote Sensing Images and Its Application[Ph.D.dissertation], Nanjing University,China,2003
(赵书河.多源遥感影像决策级融合及其应用研究[博士学位论文],南京大学,中国,2003)
18McCullough C L,Dasarathy B V,Lindberg P C.Multi-level sensor fusion for improved target discrimination.In:Pro-ceedings of the35th Conference on Decision and Control.
Kobe,Japan:IEEE,1996.3674?3675
19Hussain M S,Calvo R A,Pour P A.Hybrid fusion approach for detecting a?ects from multichannel physiology.A?ec-tive Computing and Intelligent Interaction Lecture Notes in Computer Science,2011,6974:568?577
20Deng Xiao-Ling,Ni Jiang-Qun,Li Zhen,Dai Fen.Fore-ground extraction from low depth-of-?eld images based on colour-texture and HOS features.Acta Automatica Sinica, 2013,39(6):846?851
(邓小玲,倪江群,李震,代芬.多特征融合的低景深图像前景提取算法.自动化学报,2013,39(6):846?851)
21Hou Shu-Dong,Sun Quan-Sen.Sparsity preserving canon-ical correlation analysis with application in feature fusion.
Acta Automatica Sinica,2012,38(4):659?665
(候书东,孙权森.稀疏保持典型相关分析及在特征融合中的应用.
自动化学报,2012,38(4):659?665)
22Wang Da-Wei.Research on Target Recognition Based on Feature-Level Image Fusion[Ph.D.dissertation],Chinese Academy of Sciences,China,2010
(王大伟.基于特征级图像融合的目标识别技术研究[博士学位论文],中国科学院研究生院,中国,2010)
23Yang Jian,Yang Jing-Yu,Gao Jian-Zhen.Handwritten character recognition based on parallel feature combination and generalized K-L expansion.Journal of Software,2003, 14(3):490?495
(杨建,杨静宇,高建贞.基于并行特征组合与广义K-L变换的字符识别.软件学报,2003,14(3):490?495)
24Lang Fang-Nian,Zhou Ji-Liu,Zhong Fan,Yan Bin.Quater-nion based image information parallel fusion.Acta Auto-matica Sinica,2013,33(11):1136?1143
(朗方年,周激流,钟钒,闫斌.基于四元数的图像信息并行融合.自动化学报,2007,33(11):1136?1143)
25Bebis G,Gyaourova A,Singh S,Pavlidis I.Face recognition by fusing thermal infrared and visible iamgery.Image and Vision Computing,200624(7):727?742
26Qin Zheng,Bao Fu-Min,Li Ai-Guo.Digital Image Fusion.
Xi an:Xi an Jiaotong University Press,2004
(覃征,鲍褔民,李爱国.数字图像融合.西安:西安交通大学出版社, 2004)27Sengupta N,Sil J.Evaluation of rough set theory based network tra?c data classi?er using di?erent discretization method.International Journal of Information and Electron-ics Engineering,2012,2(3):338?341
28Shang C J,Barnes D.Fuzzy-rough feature selection aided support vector machines for Mars image classi?https://www.doczj.com/doc/575257578.html,-puter Vision and Image Understanding,2013,117(3): 202?213
29Jensen R,Shen Q.New approaches to fuzzy-rough fea-ture selection.IEEE Transactions on Fuzzy Systems,2009, 17(4):824?838
30Alex M,Vasilescu O,Terzopoulos D.A tensor approach to image sysnthesis,analysis and recognition.In:Proceedings of the6th International Conference on3-D Digital Imaging and Modeling.Montreal,QC:IEEE,2007.3?12
31Hu https://www.doczj.com/doc/575257578.html,rmation Fusion-based for Image Under-standing[Ph.D.dissertation],Hefei University of Technol-ogy,China,2006
(胡良梅.基于信息融合的图像理解方法研究[博士学位论文],合肥工业大学,中国,2006)
32Li Xin-De.Research on Fusion Method of Imperfect Infor-mation from Multi-source and Its Application[Ph.D.dis-sertation],Huazhong University of Science and Technology, China,2007
(李新德.多源不完善信息融合方法及其应用研究[博士学位论文],华中科技大学,中国,2007)
33Klein L A.Sensor and Data Fusion Concepts and Appli-cations.Bellingham,WA:SPIE Optical Engineering Press, 1999
34Li Q Q,Tao J B,Hu Q W,Liu P C.Decision fusion of very high resolution images for urban land-cover mapping based on Bayesian network.Journal of Applied Remote Sensing, 2013,7(1):073551
35Wu H D,Siegel M,Stiefelhagen R,Yang L.Sensor fu-sion using dempster-shafer theory.In:Proceedings of the 19th IEEE Conference on Instrumentation and Measure-ment Technology.Anchorage,AK:IEEE,2002.7?12
36Sun S Y,Gao J,Chen M F,Xu B G,Ding Z G.FS-DS based multi-sensor data fusion.Journal of Software,2013, 8(5):1157?1161
37Fontani M,Bianchi T,De Rosa A,Piva A,Barni M.A framework for decision fusion in image forensics based on Dempster-Shafer theory of evidence.IEEE Transactions on Information Forensics and Security,2013,8(4):593?607
38Dezert J.Foundations for a new theory of plausible and paradoxical https://www.doczj.com/doc/575257578.html,rmation and Security,2002,9: 90?95
39Elhassouny A,Idbraim S,Bekkarri A,Mammass D,Ducrot
D.Multisource fusion/classi?cation using ICM and DSmT
with new decision rule.In:Proceedings of the5th Interna-tional Conference on Image and Signal Processing(ICISP, 2012).Berlin Heidelberg:Springer,2012.56?64
394自动化学报40卷
40Ding Sheng-Feng.Research on Multi-source Image Fusion Based on Fuzzy Reference[Master dissertation],Nanjing University of Science and Technology,China,2004
(丁胜峰.基于模糊推理的多源图像融合研究[硕士学位论文],南京理工大学,中国,2004)
41Bosma R,van der Bergb J,Kaymakc U,Udod H,Verreth J.
A generic methodology for developing fuzzy decision models.
Expert Systems with Applications,2012,39(1):1200?1210
42Yu D J.Multi-criteria decision making based on generalized prioritized aggregation operators under intuitionistic fuzzy environment.International Journal of Fuzzy Systems,2013, 15(1):47?54
43Dong G J,Zhou H F.Rough set method for remote sense image classi?cation and information fusion.In:Proceed-ings of the2010International Conference on Computer Ap-plication and System Modeling(ICCASM2010).Taiyuan, China:IEEE,2010.157?161
44Wang Peng-Wei,Li Tao,Wu Xiu-Qing.An segmentation approach based on MRF and SVM posteriori probability.
Journal of Remote Sensing,2008,12(2):208?214
(王鹏伟,李滔,吴秀清.一种基于SVM后验概率的MRF分割方法.遥感学报,2008,12(2):208?214)
45Li Tao,Wang Jun-Pu,Wu Xiu-Qing,Tang Jin-Hui.Estima-tion of posterior probability and applications:an approach based on kernel logistic regression.Pattern Recognition and Arti?cial Intelligence,2006,19(6):690?695
(李滔,王俊普,吴秀清,唐金辉.后验概率估计及其应用:基于核Logistic回归的方法.模式识别与人工智能,2006,19(6): 690?695)
46Jia Yong-Hong.Research on the Method of Multi-source Im-age Fusion and Its Application[Ph.D.dissertation],Wuhan University,China,2001
(贾永红.多源遥感影像数据融合方法及其应用的研究[博士学位论文],武汉大学,中国,2001)
47Boudraa A O,Bentabet A,Salzenstein F,Guillon L.
Dempster-Shafer s basic probability assignment based on fuzzy membership functions.Electronic Letters on Com-puter Vision and Image Analysis,2004,4(1):1?9
48Jiang W,Deng Y,Peng J Y.A new method to determine BPA in evidence theory.Journal of Computers,2011,6(6): 1162?1167
49Zuo Z Y,Xu Y F,Chen G C.A new method of obtaining BPA and application to the bearing fault diagnoises of wind turbine.In:Proceedings of the2009International Sympo-sium on Information Processing(ISIP 09).Huangshan,PR, China:IEEE,2009.368?371
50Dai Guan-Zhong,Pan Quan,Zhang Shan-Ying,Zhang Hong-Cai.The developments and problems in evidence reasoning.Control Theory and Applications,1999,16(4): 465?469
(戴冠中,潘泉,张山鹰,张洪才.证据推理的进展及存在问题.控制理论与应用,1999,16(4):465?469)
51Peng H P,Cao X J.Research con?ict problems of D-S evi-dence and its application in multi-sensor information fusion technology.In:Proceedings of the2010IEEE International Conference on Information Theory and Information Security (ICITIS).Beijing,China:IEEE,2010.747?75052Zhou Zhe,Xu Xiao-Bin,Wen Cheng-Lin,Lv Feng.An op-timal method for combining con?icting evidences.Acta Au-tomatica Sinica,2012,38(6):976?985
(周哲,徐晓滨,文成林,吕峰.冲突证据融合的优化方法.自动化学报,2012,38(6):976?985)
53Zhu Jian-Ying.Some common key problems and their deal-ing methods in the application of fuzzy mathematical meth-ods.Fuzzy Systems and Mathematics,1992,11(2):57?63 (朱剑英.应用模糊数学方法的若干关键问题及处理方法.模糊系统与数学,1992,11(2):57?63)
54Yang C C,Bose N K.Generating fuzzy membership func-tion with self-organizing feature map.Pattern Recognition Letters,2006,27(5):356?365
55Ang K K,Quek C.Supervised pseudo self-evolving cerebel-lar algorithm for generating fuzzy membership functions.
Expert Systems with Applications,2012,39(3):2279?2287
56Ma J W,Hasi B.Remote sensing data classi?cation using tolerant rough set and neural networks.Science in China Ser.D Earth Sciences,2005,48(12):2251?2259
57Deng Ting-Quan,Yang Cheng-Dong,Zhang Yue-Tong.
Fuzzy similarity relation based variable precision fuzzy rough sets.CAAI Transactions on Intelligent Systems,2012, 7(2):148?152
(邓廷权,杨成东,张月童.模糊相似关系下变精度模糊粗糙集.智能系统学报,2012,7(2):148?152)
58Chair Z,Varshney P K.Optimal data fusion in multiple sensor detection system.IEEE Transactions on AES,1986, 22(1):98?101
59Thomopoulos S C,Papadakis I N,Sahinoglou H,Okello N N.Centralized and distributed hypothesis testing with structured adaptive networks and perceptron-type neural networks.SPIE,1992,1611(1):35?51
60Pawlak R J.A new neural network architecture for the fusion of independent sensor decision.SPIE,1994,2232: 521?525
61Ni Guo-Qiang,Li Yong-Liang,Niu Li-Hong.New develop-ments in data fusion technology based on neural network Journal of Beijing Institute of Technology,2003,23(4): 503?508
(倪国强,李勇量,牛丽红.基于神经网络的数据融合技术的新进展.
北京理工大学报,2003,23(4):503?508)
62Yu X H,Xu Z S.Prioritized intuitionistic fuzzy aggregation https://www.doczj.com/doc/575257578.html,rmation Fusion,2013,14(1):108?116
63Virrantaus K.Analysis of the uncertainty and imprecision of the source data sets for a military terrain analysis ap-plication.In:Proceedings of In:Proceedings of the2nd International Symposium on Spatial Data Quality 03,Hong Kong,China,2003.139?145
64Lee H,Lee B,Park K,Elmasri R.Fusion techniques for reliable information:a survey.International Journal of Dig-ital Content Technology and Its Applications,2010,4(2): 74?88
3期石强等:异质影像融合研究现状及趋势395
65Stein A,Hamm N A S,Ye Q G.Handing uncertainties in im-age mining for remote sensing studies.International Journal of Remote Sensing,2009,30(20):5365?5382
66Bombrun L,Vasile G,Gong M,Totir F.Hierarchical seg-mentation of polarimetric SAR images using heterogeneous cluster models.IEEE Transactions on Geoscience and Re-mote Sensing,2011,49(2):726?737
67Qi Yu-Juan,Wang Yan-Jiang,Li Yong-Ping.Memory-based Gaussian mixture background modeling.Acta Automatica Sinica,2010,36(11):1520?1526
(齐玉娟,王延江,李永平.基于记忆的混合高斯背景建模.自动化学报,2010,36(11):1520?1526)
68Xiong Biao,Jiang Wan-Shou,Li Le-Lin.Gauss mixture model based semi-supervised classi?cation for remote sens-ing image.Geomatics and Information Science of Wuhan University,2011,36(1):108?112
(熊彪,江万寿,李乐林.基于高斯混合模型的遥感影像半监督分类.
武汉大学学报:信息科学版,2011,36(1):108?112)
69Xiao Jian-Yu,Tong Min-Ming,Zhu Chang-Jie,Wang Xiao-Lei.Basic probability assignment construction method based on generalized triangular fuzzy number.Chinese Jour-nal of Scienti?c Instrument,2012,33(2):429?434
(肖建于,童敏明,朱昌杰,王小蕾.基于广义三角模糊数的基本概率赋值构造方法.仪器仪表学报,2012,33(2):429?434)
70Liang Fa-Mai,Zhang Jing,Wang Guo-Hong.Study on the method of constructing basic probability assignment func-tion in targets identi?cation.Fire Control and Command Control,2008,33(8):8?11
(梁发麦,张静,王国宏.雷达目标识别中获取基本概率赋值的方法.
火力与指挥控制,2008,33(8):8?11)
71Yang Jing-Hua,Yu Hua.Multi-Source Information Fusion Theory and Applications.Beijing:Beijing University of Posts and Telecommunications press,2011
(杨露菁,余华.多源信息融合理论与应用(第2版).北京:北京邮电大学出版社,2011)
72Wanas N.Feature based Architecture for Decision Fusion [Ph.D.dissertation],University of Waterloo,Canada,2003
73Van Laere J.Challenges for IF performance evaluation in practice.In:Proceedings of the12th International Con-ference on Information Fusion(FUSION 09).Seattle,WA: IEEE,2009.866?873
74Shi Qiang,Chen Feng-E,Mei Tian-Can,Qin Qian-Qing.
Remote sensing image segmentation based on SVM poste-rior probability and improved multi-scale MRF.Geomatics and Information Science of Wuhan University,2013,38(2): 193?199
(石强,陈凤娥,梅天灿,秦前清.SVM后验概率结合改进多尺度MRF的遥感影像分割方法.武汉大学报信息科学版,2013,38(2): 193?199)
75Zhu Jie-Hao,Zhou Jian-Jiang,Wu Jie.Radar target recog-nition based on semiparametric density estimation.Jour-nal of Electronics and Information Technology,2010,32(9): 2161?2166
(朱劼昊,周建江,吴杰.基于半参数化概率密度估计的雷达目标识别.电子与信息学报,2010,32(9):2161?2166)76Li Yan-Xin,Li Guang-Yu,Li Wen.Learning algorithm of membership functions based on RBF neural network.Jour-nal of Dalian Jiaotong University,2007,28(2):34?37
(李延新,李光宇,李文.基于RBF神经网络的隶属度函数学习算法.大连交通大学学报,2007,28(2):34?37)
77Xu P D,Deng Y,Su X Y,Mahadevan S.A new method to determine basic probability assignment from training data.
Knowledge-Based Systems,2013,46:69?80
78Zhu H,Basir O.A novel fuzzy evidential reasoning paradigm for data fusion with applications in image processing.Soft Computing Journal—A Fusion of Foundations,Method-ologies and Applications,2006,10(12):1169?1180
79Farah I R,Boulila W,Ettabaa K S,Solaiman B,Ahmed M B.Interpretation of multisensor remote sensing images: multiapproach fusion of uncertain information.IEEE Trans-actions on Geoscience and Remote Sensing,2008,46(12): 4142?4152
80Xu X B,Wen C L.Random sets:a uni?ed framework for multisource information fusion.Journal of Electronics (China),2009,26(6):723?730
81Smarandache F.A Unifying Field in Logics:Neutrosophic Logic,Neutrosophy,Neutrosophic Set,Probability,and Statistics.Rehoboth:American Research Press,2000
82Han Chong-Zhao,Han De-Qiang,Jie Jing.From biological cognition and perception to methodologies of system engi-neering.Systems Engineering—Theory and Practice,2008, 6(Supplement):75?93
(韩崇昭,韩德强,介婧.从生物感知认知到系统工程方法论.系统工程理论与实践,2008,6(增刊):75?93)
83Ni Guo-Qiang,Dai Wen,Li Yong-Liang,Pu Tian.Visual/IR color image fusion based on rattlesnake bimodal cell neuro-dynamics:advances and prospects.Journal of Beijing Insti-tute of Technology,2004,24(2):95?100
(倪国强,戴文,李勇量,蒲恬.基于响尾蛇双模式细胞机理的可见光/红外图像彩色融合技术的优势和前景展望.北京理工大学学报, 2004,24(2):95?100)
84Li X R.Optimal Bayes joint decision and estimation.In: Proceedings of the10th International Conference on Infor-mation Fusion.Quebec,Que:IEEE,2007.874?881
85Thomas C,Balikrishnan N.Modi?ed evidence theory for performance enhancement of intrusion detection system.In: Proceedings of the2008IEEE International Conference on Information Fusion.Cologne:IEEE,2008.1?8
86Wang Gang,Huang Li-Hua,Zhang Cheng-Hong.Review of hybrid intelligent systems.Journal of Systems Engineering, 2010,25(4):569?578
(王刚,黄丽华,张成洪.混合智能系统研究综述.系统工程学报, 2010,25(4):569?578)
87Wozniak M,Grana M,Corchado E.A survey of multiple classi?er systems as hybrid https://www.doczj.com/doc/575257578.html,rmation Fusion,to be published
88Castllo O,Melin P,Janusz K.Recent Advances on Hybrid Intelligent Systems.Berlin,Heidelberg:Springer-Verlag, 2013
396自动化学报40卷
石强武汉大学测绘遥感信息工程国
家重点实验室博士研究生.2010年获得
武汉大学图像传播工程工学硕士,2008
年获得武汉大学印刷工程工学学士.主
要研究方向为多源遥感影像融合.本文
通信作者.
E-mail:sq?rstwhu@https://www.doczj.com/doc/575257578.html,
(SHI Qiang Ph.D.candidate at the State Key Laboratory of Information Engineering in Sur-veying,Mapping and Remote Sensing,Wuhan University. He received his bachelor degree from Wuhan University in 2008,and master degree in2010,respectively.His research interest covers information fusion of multi-source remote sensing images.Corresponding author of this paper.)
张斌中国地质大学(武汉)公共管
理学院讲师.分别于2007年、2009
年、2013年获得武汉大学电子信息学
院学士、硕士、博士学位.主要研究方向
为图像分割、分类、目标检测以及乘性噪
声的去除.
E-mail:bin.zhang.whu@https://www.doczj.com/doc/575257578.html,
(ZHANG Bin Lecturer at the School of Public Administration,China University of Geo-sciences(Wuhan).He received bachelor,master and Ph.D. degrees from the School of Electronic Information,Wuhan University,in2007,2009and2013,respectively.His re-search interest covers image segmentation,classi?cation, target detection,and multiplicative noise removal.)
陈喆华北计算技术研究所助理工程
师.2007年获武汉大学遥感信息工程学
院工学学士学位,2013年获武汉大学测
绘遥感信息工程国家重点实验室工学博
士学位.主要研究方向为遥感图像处理.
E-mail:chenzhe@https://www.doczj.com/doc/575257578.html,
(CHEN Zhe Assistant engineer at
the North China Institute of Comput-ing Technology.She received her bachelor degree from Wuhan University in2007,and Ph.D.degree in2013,re-spectively.Her research interest covers image processing of remote sensing.)
时公涛博士研究生,空军装备研究院
情报所工程师.主要研究方向为遥感信
息处理,卫星应用.
E-mail:shigongtao@https://www.doczj.com/doc/575257578.html,
(SHI Gong-Tao Ph.D.candidate,
engineer at Air Force Institute Infor-
mation Institute.His research interest
covers remote sensing information pro-cessing and satellite applications.)
陈东博士后,空军装备研究院某所科
技处高级工程师.主要研究方向为遥感
图像处理,自动目标识别,神经网络.
(CHEN Dong Postdoctor,senior
engineer at Air Force Armament Re-
search and Technology Division.His
research interest covers image process-
ing of remote sensing,automatic target recognition,and neural network.)
秦前清武汉大学测绘遥感信息工程国
家重点实验室教授.1989年在南开大学
获理学博士学位.主要研究方向包括空
间信息压缩与渐近传输,影像超分辨率
重建及多元数据协同处理.
E-mail:qqqin@https://www.doczj.com/doc/575257578.html,
(QIN Qian-Qing Professor at the
State Key Laboratory of Information Engineering in Surveying,Mapping and Remote Sensing, Wuhan University.He received his Ph.D.degree at Nankai University in1989.His research interest covers spatial in-formation compression and progressive transmission,image super-resolution reconstruction,and cooperation process-ing of multivariate data.)
国内外乳浊釉的研究现状及我国釉料发展方向 摘要本文阐述了乳浊釉的国内外研究现状、乳浊机理和常用乳浊剂，综述了一些陶瓷工作者的研究成果。并分别叙述了常用乳浊釉如锡釉、锆釉、钛釉等的特点、性能和各釉组分对乳浊效果的影响，以及它们的应用前景，最后指出了我国釉料技术今后的努力方向。 关键词乳浊釉，研究现状，乳浊机理 1引言 乳浊釉即白色不透明光泽釉，根据乳浊粒子的聚集状态，乳浊釉可分为3类：一是基质玻璃中存在一定数量的微小晶体，称为晶相乳浊釉；二是釉熔体在冷却过程中发生液-液分相，在基质玻璃中分离出体积微小、分散度较高的第二相玻璃，称为分相乳浊釉；三是在釉玻璃表面层以下存在大量微小气泡，称为气相乳浊釉[1]。 目前，乳浊釉已在陶瓷工业中广泛应用。乳浊釉能够遮盖坯体的颜色和某些缺陷，丰富陶瓷产品的釉面装饰，同时，使得大量劣质原料或工业废渣可以作为坯用原料。这在高品位原料日益枯竭的今天，不仅降低了生产成本，使资源得到充分合理的利用，而且可增加产品的花色品种，提高产品档
次。 2乳浊釉的国内外研究现状 乳浊釉的发展历史悠久。如欧洲陶瓷企业使用过的釉料乳浊剂经历了氧化锡、氧化锌、二氧化钛、磷酸盐、硅酸锆等过程。因氧化锡作为乳浊剂的成本过高，其现今的使用量已越来越少。在上世纪初，美国最先用锆英石作为釉料乳浊剂，后来英国开始使用锆英石取代氧化锡，降低了瓷砖装饰用釉料产品的成本。在常规釉料中加入5％的氧化锡，可产生白里泛青的色调；氧化锌广泛应用于锆英石釉中，以提高白度与乳浊度。在高温卫生洁具釉料中，氧化锌具有强溶剂作用，能显著降低釉的粘度，因此目前仍在部分使用。在釉中加入氧化钛，可以制成高档的白乳浊釉。而磷化合物作乳浊剂可使釉不透明并可增加釉对光的折射率，增加釉料的光泽。磷酸钙、骨灰、磷灰石均可适量配入釉料，使釉形成良好的乳浊与光亮效果。此外锂灰石、锂瓷石、锂霞石等含锂化合物也是很好的乳浊釉用原料。 对于乳浊釉，不论慢烧还是快烧条件下，国内外研究得较多的是外加乳浊剂（TiO2、SnO2、ZrSiO4等）的单一微晶乳浊方式。研究的思路主要是基于乳浊剂与基质玻璃相存在较大的折射率差值，在一定温度下，乳浊剂以细分散晶体
龙源期刊网 https://www.doczj.com/doc/575257578.html, 媒介融合的研究进展 作者：王卿力吴兰 来源：《新闻世界》2016年第03期 【摘要】互联网时代，新媒体与传统媒体之间的合作与发展已成为必然趋势。传统媒体不断创新以谋求更好的发展，新媒体也在继承中不断发展。媒介的融合发展引起学者的高度重视与研究。本文对媒介融合研究文献进行了综述与分析。 【关键词】媒介融合；新媒体；传统媒体；文献综述 媒介融合（Media Convergence）概念始于20世纪80年代的美国，其最简单的定义是将原先属于不同类型的媒介结合在一起。大学教授I·浦尔曾表示，媒介融合指的是各种媒介呈现出来的多功能一体化的一种发展趋势，并把历来泾渭分明的传播形态聚合的原因归结为数码电子科技的发展。当前学术界对媒介融合的定义主要为：狭义层面，是指“融合”不同的媒介形态，形成一种新的媒介形态，如手机报等；广义层面，则指对一切媒介及相关要素的汇聚、融合。 媒介融合概念起源于国外，然而当下国内对它的探究分析已经很多，覆盖的范围也很广。当前学者对媒介融合的研究，主要侧重于新旧媒介的融合，其中对电视新闻编辑、报刊转型的研究更加重视。目前已有的研究，为之后的相关研究提供了参考。 媒介融合研究现状分析 学术界从不同角度对媒介融合进行有深度的研究分析，强劲的媒介融合趋势研究成为热点。徐沁的《媒介融合：新闻传播业的新趋势》，归纳了众多国内外学者的研究分析。在文中，她列举分析关于媒介融合给新闻业带来的挑战与机遇：Lynn和Smith归纳出七大影响——对分销商的影响、对媒介各部门关系的影响、全球化背景的影响等；Don Corrigan教授强烈反对布什政府媒介管制的观点，表示这会产生对新闻多样性与民主性的影响，以及他将矛头指向记者的角色转变与新闻的质量受损等观点。这篇文章通过对媒介融合发展趋势做出分析，让受众对媒介融合发展趋势有更全面的认知。 许颖在《互动·整合·大融合———媒体融合的三个层次》中表示，媒介融合是一个过程，具有分层次与分阶段的特征。她指出媒体融合的三个层次——媒介互动（媒体战术性融合）、媒介整合（媒体组织结构性融合）、媒介大融合（不同媒介形态在一个多媒体数字平台上集合）。虽然当前媒介融合更多的是同时发生、各自推进，但是在媒介融合的过程中，无论媒体处于何种融合的层面，内容和服务都应是媒介最重要的关注点。 除了研究媒介融合的趋势之外，也有学者对传统媒体与新媒体的具体融合发展问题进行探究。柳邦坤在《传统媒体与新兴媒体融合发展问题探析》中，分析了传统媒体与新媒体的竞争发展问题。新媒体与传统媒体有各自优势与特征：传统媒体在组织与管理、采编能力等方面具
2020年珠宝学院研究生入学考试大纲 《设计概论》考试大纲 一、试卷题型比例：（满分150分） 名词解释：40分 简答题：50分 论述题；60分 二、考试内容： （一）设计学的研究范围及其现状 1、设计学的研究范畴 2、设计学研究现状 （二）设计的多重特征 1、设计的艺术特征 2、设计的科技特征 3、设计的经济性质 （三）设计源流之一（中国部分） 1、原始社会时期的设计 2、奴隶社会时期的设计 3、封建社会时期的设计 （四）设计源流之二（西方部分） 1、西方古代设计 2、设计与工业革命 3、西方19世纪设计 4、现代设计运动 5、西方当代设计发展现状及展望 （五）设计的类型 1、视觉传达设计 2、产品设计 3、环境设计 （六）设计师 1、设计师的历史演变 2、设计师的知识技能要求 3、设计师的类型 4、设计师的社会职责 (七)设计批评 1、设计的批评对象及其批评者 2、设计批评的标准 3、设计批评的方式 4、设计批评的理论 三、考试要求： 1.理解并掌握设计史、设计理论以及设计批评的基本概念与内容；掌握当代西方的设计现状与设计思潮，掌握中国古代设计思想的研究成果。 2.理解并掌握设计与艺术的辩证关系，理解并掌握不同设计的艺术手法以及艺术特征；
理解设计与科技的关系；理解设计与经济发展、设计与产品价值、设计与经济体以及设计与生产和消费等关系。 3.掌握中国古代设计的具体内容及设计特点，包括建筑设计、园林设计、家具设计、陶瓷设计、纺织品与服装设计、工具设计、兵器设计。 4.理解并掌握西方的设计历程、设计现状及发展趋势，具体包括不同时期的设计特点、设计革新、设计运动、设计师与工业家，理解设计与社会发展背景的关系。 5.掌握不同设计类型的内容、构成要素、涉及领域、基本要求、设计特点等。 6.了解设计师的概念、历史演变及基本要求，了解设计师的分类以及社会职责。 理解设计批评的意义、批评对象及其批评者，了解设计批评的标准、设计批评的方式与理论。 《首饰艺术设计快题》考试大纲 一、试题类型 设计创作类(实践) 二、考试形式 命题创作 三、考试内容 主要考核学生首饰设计创作与表现能力。 考试内容包括首饰基本概念、首饰设计理念、首饰设计语言、首饰设计方法与首饰效果图表现技巧等。 四、考试要求： 1、设计创意：重点考查学生的创作思想与设计技巧。 2、首饰形式：重点考查学生的考试作品是否符合首饰的设计要求，包括造型、材质、工艺、佩戴方式等方面的专业设计要求。 3、表现技巧：重点考查学生首饰设计表达能力，包括色彩立体效果图与首饰设计制图两部分内容。 五、评分细则： 试卷分值共150分，分四个考查点分别打分，再计算总分。 1、设计创意：占30%，45分。 2、首饰形式：占30%，45分。 3、表现技巧：占30%，45分。 4、卷面情况：占10%，15分。 《首饰概论》考试大纲 一、试题类型 问答题及论述题 二、考试内容： 1、首饰设计： 掌握首饰设计相关的定义及术语； 掌握首饰设计的基本理念和方法； 掌握首饰设计的思维和形式表达的过程； 掌握影响首饰设计的若干因素及相应的设计表达技巧。 2、首饰制作工艺： 掌握首饰制作的各种工艺原理、方法及过程； 掌握各种首饰表面处理的方法；
媒介融合的现状与发展趋势 当前，传媒领域正在发生着一场重大的变革。随着信息技术的快速发展，媒介技术的逐渐革新，尤其是现时网络化技术的推动，让媒介之间的界限逐渐模糊化，媒介融合、发展与交互已经不可避免，我们已经迎来了媒介融合时代。 1什么是媒介融合 “媒体融合”（mediaconvergence），最先是由美国马萨诸塞州理工大学教授浦尔所提出的，原本的意义指的是各种类型的媒介表现出集多功能于一身的发展动向。它的概念包含着狭义与广义两层意义，狭义上指的是将各种类型的媒介形态“融合”起来，以实现“质变”，进而构建出一种全新的媒介形态，包括了：数字杂志、博客新闻等；而就广义而言，“媒介融合”其范围更为广泛，当中包含了所有的媒介及其相关要素的结合以及融合，其不但包含了媒介形态的融合，同时更包含了媒介作用、传播方式、所有权以及组织结构等不同要素之间的融合。 2媒介融合下的现状与问题 2.1虚假新闻泛滥新媒体的涌现，媒体形态的丰富，传播渠道的多样化等都有了不同水准的飞跃。但是，在其拥有积极意义之时，也存有着各种问题，有部分媒体总喜欢从“网友曝”当中“找新闻”，这也是导致假新闻产生的一个原因，一样是不容忽视的。比如2014年出现的朱自清《背影》因“违反交规”被逐出教材、香蕉得艾滋病濒临灭绝等假新闻，便是某些网络媒体相互转发而发酵起来的。像上述的假新闻，没有进行深入调查便已经被进行发布，容易导致严重的影响，更严重者还会影响到社会的安定繁荣。 2.2新闻暴力事件时有发生媒介的融合，虽然能够在一定水准上给予了人与人之间更多的交流机会与空间，不过同样会存有着不足，带来了负面的影响。包括其侵害了一般人的私隐，直到最后不得不走司法
研究·融合与发展 28 传统媒体与新媒体融合的现状与困境 摘 要：本文从传统媒体与新媒体融合的现状出发，分析了现阶段传统媒体与新媒体融合的困境，最后结合实际情况提出了传统媒体与新媒体融合的对策，旨在为传统媒体与新媒体的融合与发展提供参考意见，并将传统媒体与新媒体的发展优势结合在一起，实现两种媒体形式的融合发展与全面建设。 关键词：传统媒体；新媒体；融合现状；融合困境 中图分类号：G206 文献标识码：A 文章编号：1671-0134（2018）10-028-02DOI：10.19483/https://www.doczj.com/doc/575257578.html,ki.11-4653/n.2018.10.005 文/任晓玲 引言 传统媒体指的是部分较为传统的传播方式，如电视、广播、报纸等；新媒体指的是近年来新型的信息传播方式，主要以信息技术、电子技术、互联网为依托，并通过各种类型的终端设备传播信息，如手机、电脑、移动客户端等。新媒体在当前应用和未来发展方面均具有明显优势，因此，传统媒体需要与新媒体进行融合，以保持发展力。 1.传统媒体与新媒体融合的现状 1.1技术革命倒逼媒体融合 随着信息技术的日渐完善和互联网系统的快速发展，现阶段传统媒体和新媒体融合水平也得到了显著提高，这主要是因为网络普及逐渐提高了两种媒体传播方式发展和融合资源配置结构的完善程度，并且为两者之间的沟通与发展搭建了良好平台。在此基础上，有诸多国家新闻媒体也开始创建了网络媒体，通过网络途径来听取群众的意见，并了解群众对时政信息的需求，由此可见，网络发展全面推动了传统媒体与新媒体融合[1]。 1.2全媒体时代已经到来 全媒时代指的是各种媒体传播方式进入到了系统资源整合的时代，进而形成了多种媒体传播方式共同发展和相互融合的局面，真正推动了媒体传播方式向信息化和多元化方向发展。目前，许多地方主流媒体已经在传统媒体和新媒体的融合过程中建立了全媒体新闻中心，同时提高了传统媒体从业人员对新媒体的了解程度，以及新媒体从业人员对传统媒体的了解程度，并在此基础上积极推进理念观念、体制机制、管理方式的创新，创新了传播业态，拓展了传播渠道，较好地释放了新闻生产力。可以说，目前的媒体发展正在向一次采集、多种生成、全媒体播发的目标一步步迈进。 2.传统媒体与新媒体融合的困境 2.1体制机制、流程再造乏力滞后 传统媒体的管理制度较为刻板，具体表现是缺少对从业人员的合理配置、缺少对从业人员的规范化考核、薪酬分配方式存在漏洞等，进而降低了传统媒体人力资源分配合理程度，同时还降低了工作之间衔接的规范性和效率[2]。而新媒体制度则较为不规范，这主要是因为新媒体发展时间较短，缺少相关法律规章制度的约束和有效限制，进而导致新媒体运行市场不够规范且缺少可以遵循的规章制度。另外，存在于传统媒体和新媒体融合管理制度中最大的问题是两者谁有权优先传播新闻和信息，以及优秀人才应当优先向哪方投放，从发展角度而言，新媒体发展和建设工作起步时间较短，需要更多优秀人员推动新媒体发展，并且新媒体建设前景更加广阔。总之，管理制度上的不完善和人才分配矛盾，将会影响传统媒体和新媒体的有效融合。 2.2人才支撑、智力支持亟待增强 媒体从业人员的专业程度直接关系到了其在工作中的应变能力和综合技能，其专业程度主要从工作态度、知识水平、综合技能水平三方面考虑。在传统媒体和新媒体融合过程中，两方的从业人员均显示出专业程度不足之处，传统媒体从业人员由于缺少对新媒体的了解，在开展新媒体建设相关工作时，可能出现操作方式应用不熟练和反应应对不充足等问题[3]；新媒体从业人员则由于缺少对传统媒体的了解，在开展传统媒体建设相关工作时，可能出现不能妥善处理实际问题和各项操作不完善等问题。此外，传统媒体从业人员和新媒体从业人员均显示出来的专业程度不足之处是缺少对新媒体发展技术的核心掌握和研究，大部分计算机从业人员均能够掌握新媒体发展和运行的核心技术和方式，但传统媒体从业人员和新媒体从业人员缺少对新媒体的深度认知，进而导致其传统媒体和新媒体融合中不能做出战略性决策，且对决策的执行力度不足。 2.3发展路径、内容生产，欠缺特质 目前，媒体融合的发展方向，从中央到各省市都已经有了明确的目标，县级要全覆盖建立融媒体中心、地
研究·融合与发展 ３４ 媒体融合发展的问题与对策 摘 要：根据媒体融合发展现状，创新和改革以往的发展理念。针对传统媒体与新媒体无法融合的问题，以及媒体融合制度不完善的现象，必须采取针对性的解决对策，正确认知媒体融合发展的创新模式，建立完善的媒体融合监管制度，吸取传统媒体的优点融入到新媒体中，从而推动媒体融合朝着正确方向发展。 关键词：媒体融合；创新；问题；对策 中图分类号：G206 文献标识码：A 文章编号：1671-0134（2017）08-034-02DOI：10.19483/https://www.doczj.com/doc/575257578.html,ki.11-4653/n.2017.08.007 ■文/张 赤 前言 本文主要阐述媒体发展的问题与对策。针对媒体融合发展过程中存在的诸多问题，要采取相应的对策加以解决，实现新媒体与传统媒体有效结合，逐步完善媒体融合的监管机制，符合最新出台的融合方案，运用创新的管理体制，将两种媒体的优点紧密结合起来，从而实现媒体融合的跨越式发展。 1.媒体融合发展存在的问题 1.1媒体融合技术受到局限 随着我国社会的快速发展，信息传播技术水平得到了快速提升，由于当前仍然缺少专业的媒体融合技术研究人员，导致媒体融合过程中受到了技术的极大制约，影响了媒体融合发展效果，不利于媒体融合工作的顺利进行，阻碍了我国媒体融合进程。 基于对现阶段社会发展情况的分析，了解到当前智能手机实现了广泛普及，由于智能手机具有便捷性的特点，因此人们更喜欢使用智能手机进行阅读，通过对使用智能手机阅读的人群进行调查，可以发现在其阅读过程中常常会出现以下几方面问题：一是无法记录阅读位置，导致其在获取新闻过程中常常会获取到重复性的新闻，降低人们的阅读兴趣；二是新闻获取速度慢，当打开一条新闻时，只能够看到文字性内容，无法获取到其中展示出的图片与视频，影响观看心情，因而降低新闻传播速度，对媒体融合产生不良影响。在深入分析上述两方面问题的基础上，可以发现造成以上问题的主要原因是媒体融合技术受到了局限，相关媒体融合技术人员无法研究出先进的技术，也无法利用新技术记录人们阅读位置，无法通过合理的4G技术、图片、视频处理技术提高人们阅览速度，导致媒体融合效果受到不良影响，制约了我国媒体融合发展步伐。1.2对媒体融合发展的创新模式存在错误的观点 当前，对媒体融合发展存在错误的认知，没有根据媒体融合的特点制定发展方案，导致创新的发展模式失去意义。媒体融合过程不符合最新出台的指导意见，对媒体融合发展的创新没有运用正确的观点，一味地追求发展的速度，不注重创新模式在媒体融合中的应用，严重脱离实际的发展情况，长此以往下去限制媒体融合发展空间，使相关企业无法跟上时代发展的步伐。一些错误的观点阻碍媒体融合的发展，新媒体没有朝着正确的方向发展，过于注重媒体融合制度的创新，忽视吸取传统媒体的优势，造成创新模式结构特点不符合媒体融合发展规律，将新媒体的概念与传统媒体的概念混淆，这些错误的观点难以推动媒体融合快速发展。没有深入落实创新发展的观念，渐渐失去创新的实际意义，难以实现预期的发展结果，这就意味着现阶段的创新模式存在不足，难以达到最佳的发展状态。一些企业和个人没有正确理解媒体融合发展的创新模式，所创新的媒体难以完成统一的发展观。长期发展下去无法满足创新要求，破坏媒体融合发展规划，产生很多的矛盾和不确定的因素，受内部环境和外界形式的影响，对媒体融合发展的创新模式存在很多错误的观点，很多经验主义冲击着媒体融合发展观念，进而形成的创新模式没有经过实践，很难推动媒体融合的可持续发展。 1.3传统媒体与新媒体融合，存在诸多矛盾 受诸多因素的影响，传统媒体与新媒体存在诸多的矛盾，造成媒体融合发展存在不稳定因素，给媒体融合发展带来了阻碍，导致媒体融合发展的创新模式失去现实意义，一些难以调节的矛盾，一旦积累到一定程度，使传统媒体很难与新媒体相融合。没有根据传统媒体的特点，设计完整的融合方案，致使媒体的新业务和发展理念存在偏差，
媒体融合：老套路和新探索 “媒体融合”或“媒介融合”，是当今学界热烈讨论的一个课题。有不少人认为，传统媒体通过进行“媒体融合”，可以挽回互联网等新媒体冲击造成的被动局势。那么，到底什么是“媒体融合”？它与多媒体运用有何区别？它是“物理作用”还是“化学反应”？互联网本身就是融合媒体还是需要我 们人为地再造一个融合媒体？一、“媒体融合”概念及其演变媒体（Media）即传播信息的载体，包括书籍、报纸、广播、电视等。Media Convergence，可以译为“媒体融合（媒介融合）”，美国麻省理工大学的伊契尔·索勒·普尔（Ithiel De Sola Pool）最先提出了这一概念。1983年，他在其著作《自由的科技》（Technologies of Freedom）提出了“传播形态融合”（The Convergence of Modes），用以指各种媒介呈现出多功能一体化的趋势；①他还指出，这是一种正在“模糊媒介间界线”的过程，甚至涉及点对点通信和大众传播。②西方学者对“媒体融合”进行了多元视角的研究。美国新闻学会媒介研究中心主任安德鲁·纳齐森（Andrew Nachison）将“融合媒介”定义为“印刷的、音频的、视频的、互动性数字媒体组织之间的战略的、操作的、文化的联盟”。③美国西北大学教授李奇·高登（Rich Gordon）根据不同的传播语境，拓展了“媒介融合”的具体形态，将其分为所有权融合、策略性融合、结
构性融合、信息采集融合、新闻表达融合。戴默（Lori Demo）等学者进一步提出了“融合连续统一体”这一新概念，并界定了“融合新闻”的几种模式。④我国学者蔡雯将媒介融合定义为“在以数字技术、网络技术和信息技术为核心的科学技术的推动下，各产业在经济利益和社会需求的鼓舞下通过合作、并购和整合等手段，实现不同媒介形态的内容融合、渠道融合和终端融合的过程”，并且包含“内容的融合、渠道的融合、终端的融合”三个方面⑤。此后，国内的研究也渐渐由介绍西方经验、强调重要性等理论层面，向分析业界案例、探索未来发展方向等实践层面深入。目前国内外对“媒体融合”并无统一的定义，大体可以从广义和狭义两个角度来理解。从狭义上讲，“媒体融合”指不同的媒介形态融合在一起，形成一种新的媒介形态；而广义的“媒体融合”则包含一切媒介及其相关要素的结合、汇聚和融合，如媒介形态、传播手段、所有权、组织结构等要素的融合。⑥笔者倾向于认为，媒体融合是指各种媒体形态的边界逐渐消融，多功能复合型媒体逐渐占据优势的过程和趋势。它不是单纯媒体形态的融合，更是一种全方位、深层次的融合。二、作为融合媒体的“新”媒体随着互联网与新媒体的兴起，以报纸、广播、电视与互联网这四大媒体为中心的媒体格局已经形成，被称作“第五媒体”的移动网络正在崛起。考察媒体发展的进程，会发现任何时代“新”的媒体都是融合媒体，且基本上都
行业现状 当前，许多国家的政府和国际组织都认识到了大数据的重要作用，纷纷将开发利用大数据作为夺取新一轮竞争制高点的重要抓手，实施大数据战略，对大数据产业发展有着高度的热情。 美国政府将大数据视为强化美国竞争力的关键因素之一，把大数据研究和生产计划提高到国家战略层面。在美国的先进制药行业，药物开发领域的最新前沿技术是机器学习，即算法利用数据和经验教会自己辨别哪种化合物同哪个靶点相结合，并且发现对人眼来说不可见的模式。根据前期计划，美国希望利用大数据技术实现在多个领域的突破，包括科研教学、环境保护、工程技术、国土安全、生物医药等。其中具体的研发计划涉及了美国国家科学基金会、国家卫生研究院、国防部、能源部、国防部高级研究局、地质勘探局等6个联邦部门和机构。 目前，欧盟在大数据方面的活动主要涉及四方面内容：研究数据价值链战略因素；资助“大数据”和“开放数据”领域的研究和创新活动；实施开放数据政策；促进公共资助科研实验成果和数据的使用及再利用。 英国在2017年议会期满前，开放有关交通运输、天气和健康方面的核心公共数据库，并在五年内投资1000万英镑建立世界上首个“开放数据研究所”；政府将与出版行业等共同尽早实现对得到公共资助产生的科研成果的免费访问，英国皇家学会也在考虑如何改进科研数据在研究团体及其他用户间的共享和披露；英国研究理事会将投资200万英镑建立一个公众可通过网络检索的“科研门户”。 法国政府为促进大数据领域的发展，将以培养新兴企业、软件制造商、工程师、信息系统设计师等为目标，开展一系列的投资计划。法国政府在其发布的《数字化路线图》中表示，将大力支持“大数据”在内的战略性高新技术，法国软件编辑联盟曾号召政府部门和私人企业共同合作，投入3亿欧元资金用于推动大数据领域的发展。法国生产振兴部部长ArnaudMontebourg、数字经济部副部长FleurPellerin和投资委员LouisGallois在第二届巴黎大数据大会结束后的第二天共同宣布了将投入1150万欧元用于支持7个未来投资项目。这足以证明法国政府对于大数据领域发展的重视。法国政府投资这些项目的目的在于“通过发展创新性解决方案，并将其用于实践，来促进法国在大数据领域的发展”。众所周知，法国在数学和统计学领域具有独一无二的优势。 日本为了提高信息通信领域的国际竞争力、培育新产业，同时应用信息通信技术应对抗灾救灾和核电站事故等社会性问题。2013年6月，安倍内阁正式公布了新IT战略——“创建最尖端IT国家宣言”。“宣言”全面阐述了2013～2020年期间以发展开放公共数据和大数据为核心的日本新IT国家战略，提出要把日本建设成为一个具有“世界最高水准的广泛运用信息产业技术的社会”。日本著名的矢野经济研究所预测，2020年度日本大数据市场规模有望超过1兆日元。 在重视发展科技的印度，大数据技术也已成为信息技术行业的“下一个大事件”，目前，不仅印度的小公司纷纷涉足大数据市场淘金，一些外包行业巨头也开始进军大数据市场，试图从中分得一杯羹。2016年，印度全国软件与服务企业协会预计，印度大数据行业规模在3年内将到12亿美元，是当前规模的6倍，同时还是全球大数据行业平均增长速度的两倍。印度毫无疑问是美国亦步亦趋的好学生。在数据开放方面，印度效仿美国政府的做法，制定了一个一站式政府数据门户网站https://www.doczj.com/doc/575257578.html,.in，把政府收集的所有非涉密数据集中起来，包括全国的人口、经济和社会信息。 我国大数据行业仍处于快速发展期，未来市场规模将不断扩大 ?目前大数据企业所获融资数量不断上涨，二级市场表现优于大盘，我国大数据行业的市
媒介融合现状与发展趋势研究 姓名：易敏慧班级：网络与新媒体1303 学号：13091039 最近五年，我国新闻传播界越来越频繁地使用一个新概念：“媒体融合”（或称“媒介融合”）。媒介融合概念的提出始于20世纪80年代的美国。其最简单的定义是将原先属于不同类型的媒介结合在一起。美国马塞诸塞州理工大学教授I·浦尔认为，媒介融合就是指各种媒介呈现出多功能一体化的发展趋势。美国新闻学会媒介研究中心主任Andrew Nachison 将“融合媒介”定义为“印刷的、音频的、视频的、互动性数字媒体组织之间的战略的、操作的、文化的联盟”，他强调的“媒介融合”更多是指各个媒介之间的合作和联盟。 喻国明教授在《传媒经济学》中认为，媒介融合是指报刊、广播电视、互联网所依赖的技术越来越趋同，以信息技术为中介，以卫星、电缆、计算机技术等为传输手段，数字技术改变了获得数据、现像和语言三种基本信息的时间、空间及成本，各种信息在同一个平台上得到了整合，不同形式的媒介彼此之间的互换性与互联性得到了加强，媒介一体化的趋势日趋明显。 近几年中，新传播科技与新资讯媒体以更加迅猛的速度发展并普及，以数字化为表征的新媒体对媒介环境乃至社会环境正在产生重大而深远的影响，其媒介融合的发展进程也被大大促进了，并涌现出了众多以媒介融合为基础的传媒集团，通过不同媒体之间的资源重整与优势互补，生产出融合型的信息产品，从而达到了单一媒体无法企及
的传播效果。应该看到的是，本世纪初，一些发达国家和地区已经呈现出媒介融合的新趋势，在这种背景下，我国对媒介融合也逐渐开始加强重视。综上所述，研究媒介融合现阶段的优劣势以及发展趋势是非常必要的。 一、媒介融合的优势 (一)强大的信息检索功能和更加便携的应用 媒介融合搜索功能中的搜索结果更加清晰和准确，这是由其多媒体特性决定的。搜索的结果将综合运用文字、声音、图片、视频等方式呈现，并能进行评级分类。 媒介融合的便携功能主要体现在媒介终端上，媒介融合产生和发展的动力和最终目标是，任何人在任何地点与时刻都可获得任何目标信息，而这依赖于媒介终端向更轻巧便捷改进。 (二)传播结构优化，服务个性化需要 媒介融合的发展使受众从被动接收信息变为主动参与信息传播过程，传播的广泛度提升，受众和媒体之间的没有了清晰的界线，受众更加主动地参与评论、传播、反馈和分享。媒介融合使受众可以根据自己的兴趣习惯，以任意的方式获得想要的信息，不受时间、地域等因素限制，极大满足了受众的个性化需求。 (三)传播效果强化 受众的话语权在一定程度上因媒介融合提升，受众的积极参与使
研究·融合与发展28 引言 随着信息技术的突破、各类社交软件的盛行，电子产品的普及以及新媒体时代的来临，极大地改变了信息传播途径，也改变了人们获取信息的方式和习惯。相对于传统媒体来说，新媒体的出现，既是一个新的机遇同时也是一个艰难的挑战。一方面，新媒体极大压缩了传统媒体的生长空间，不仅对受众进行了分流，也让传统媒体的优势越来越弱化。另一方面，新媒体的发展又为传统媒体的发展提供了新的道路，成为其新的延展和扩张渠道，通过对新媒体的涉猎，传统媒体有了新的发展方向和目标。在这种矛盾环境下，传统媒体受到来自新媒体的冲击，并且逐渐在新媒体时代的背景下寻求新的发展方向，二者在这种特殊的媒介环境中逐渐呈现出融合之势。 1.新媒体时代推动媒体融合发展的必要性 在数字技术、信息技术以及数据库技术等先进技术支持下，以互联网为依托，诞生了众多以手机或电脑为终端的新型媒体。得益于信息技术的突破，电子产品的普及，目前，国内网民已经超过了总人口的一半。新媒体时代，微博话题动辄数十亿，微信使用人数超过五亿，各类主流媒体、泛媒体扎堆涌入互联网平台，在这一背景下，人们的生活方式也随着新媒体而出现了变化。新媒体时代对于传统信息交流来说是一个很大的突破，比传统媒体更能吸引人们的注意，更加具有针对性和趣味性。其传播速度更加快速，传播途径更加多样，传播内容也更加泛化。在新型媒体软件中，还包括了自主信息推送、关键词搜索以及其他服务功能，这种更符合现代人对于信息传播要求的媒体模式迅速占据了市场。正是因为这些数量庞大的网民，以及不断改变的媒体环境，使传统媒体的生存空间不断压缩，日渐式微，如果传统媒体不能够顺应新的发展局势，适应信息时代的发展模式，就只能被迫走向没落。要想让传统媒体在这种严峻的局势下寻找新的出路，就必须与新媒体进行融合，寻求新的可持续发展道路。[1] 2.新媒体时代推动媒体融合发展的有效策略 2.1解放思想，转变观念 作为推动媒体融合最为关键的因素，只有转变思想观念才能够带来真正的媒体融合。只有从意识层面出发，利用意识转变观念革新为行为提供导向，才能真正将传统媒体和新媒体进行有效融合，提高二者之间的联动性。二者之间的融合是传统媒体自身的一个突破性发展，也是传统媒体进行行业转型和行业发展的重要举措，而任何层面、任何领域的革新都需要从意识层面的觉醒为开端，新思想的萌芽才能催生。作为媒体人员，要想推动媒体融合，必须从自身出发，清醒地认知现阶段媒体行业发展现状，认识到媒体发展的趋势和走向，从从业人员自身意识方面出发，进行思想的转变，承担推动媒体融合的使命和责任，富有时代精神和创新意识，通过自身的不懈努力来促进二者的融合，推动整个传媒行业的进步。 2.2营造和谐的融合发展氛围 随着信息科技的突破，信息传播方式的变革，传统媒体需要不断进行自我审视，自我改进，要具备与时俱进的精神，跟上时代发展步伐。新媒体的发展，凸显了大数据对传播方向的影响力和引导力，改变了信息传播的方式，也改变了传媒行业的行业格局。信息传播从“光与电时代”的结束到“互联网时代”开启，以信息技术、数字技术、数据路技术为基础，以互联网为依托，新媒体的扩张速度令人咂舌，人们不仅仅是惊叹于新媒体的传播速度，更惊叹于其对各类信息的 新媒体时代推动媒体融合发展的策略研究 摘 要：随着经济全球化进程的不断加快与信息科技的飞速发展，新媒体时代已然到来，这无疑给报纸、广播、电视台等传统媒体带来了较大冲击，因此，推动媒体融合发展已是刻不容缓。在新时代与新形势下，只有推动媒体融合发展，才能使传统媒体跟得上新媒体发展步伐，并与新兴媒体合作共赢。如何才能更加有效地推动媒体融合发展呢？本文主要针对这一问题进行分析研究并给出一定可行性建议。 关键词：媒体；新媒体时代；媒体融合；发展；策略 中图分类号：G206 文献标识码：A 文章编号：1671-0134（2017）11-028-02DOI：10.19483/https://www.doczj.com/doc/575257578.html,ki.11-4653/n.2017.11.001 文/杨兴媛
大数据发展现状与未来发展趋势研究 朱孔村 （江苏省科学技术情报研究所，江苏南京210042） 【摘要】数据是信息化时代的“新石油”资源，如何利用好这种“新石油”资源需要大数据技术的支持。文章介绍了大数据技术及其发展历程，概括了当前国内外大数据的发展现状并展望了大数据技术和产业方面的未来发展趋势。 【关键词】大数据；现状；趋势 【中图分类号】TP391【文献标识码】A【文章编号】1008-1151(2019)01-0115-04 Research on the Current Situation and Future Development Trend of Big Data Abstract: Data is the “new petroleum” resource of the information age and how to make good use of this “new petroleum” resource needs the support of big data technology. This paper first introduces the big data technology and its development process and summarizes the current development of big data at home and abroad. Finally, the future development trend of big data technology and industry is prospected. Key words: big data; current situation; trend 1 大数据技术概述 1.1大数据技术 随着物联网、云计算、移动互联网等技术的成熟，以及智能移动终端的普及，全社会的数据量呈指数型增长，全球已经进入以数据为核心的大数据时代。大数据并不是一个新的概念，信息技术发展的每一个阶段都会遇到数据处理的问题，人类需要不停的面对来自数据的挑战。为满足商业结构化数据存储的需求而产生了关系型数据库，为满足互联网时代非结构化数据存储需求而产生了NoSQL技术，而大数据技术的产生是为了解决大型数据集分析的问题。 大数据技术目前还没有一个确切的定义，各行各业有着自己的见解，但总体而言，其关键在于从数量庞大、种类繁多的数据中提取出有用的信息。维基百科从数据处理的角度将大数据定义为一个超大的、难以用现有常规的数据库管理技术和工具处理的数据集。国际数据公司（IDC）给出的报告指出，大数据技术描述了一种新一代技术和构架，以很经济的方式、以高速的捕获、发现和分析技术，从各种超大规模的数据中提取价值[1]。 少量的数据看似杂乱无章，但是当数据累积到一定程度时，就会呈现出一种规律和秩序。大数据的价值就在于数据分析，利用大数据分析技术，从海量数据中总结经验、发现规律、预测趋势，最终为辅助决策服务。《大数据时代》的作者克托·迈尔-舍恩伯格认为：“大数据开启了一次重大的时代转型”，他指出大数据将带来巨大的变革，改变人们的生活、工作和思维方式，改变人们的商业模式，影响人们的经济、政治、科技和社会等各个层面。 1.2大数据发展历程 1.2.1萌芽阶段 20世纪90年代，“大数据”这个术语开始出现。1998年SGI首席科学家John Masey在USENIX大会上提出大数据的概念，他当时发表了一篇名为Big Data and the Next Wave of Infrastress的论文，使用了大数据来描述数据爆炸的现象。但是那时的大数据只表示“大量的数据或数据集”这样的字面含义，还没有涵盖到相关的采集、存储、分析挖掘、应用等技术方法与特征内涵 1.2.2发展阶段 从20世纪末到21世纪初期是大数据的发展期，在这一阶段中大数据逐渐为学术界的研究者所关注，相关的定义、内涵、特性也得到了进一步的丰富。2003至2006年，Google 发布的GFS、MapReduce和BigTable三篇论文对大数据的发展起到重要作用。2006至2009年，大数据技术形成并行运算与分布式系统。2009年，Jeff Dean在BigTable基础上开发了Spanner数据库。随着数据挖掘理论和数据库技术的逐步成熟，一批商业智能工具和知识管理技术如数据仓库、专家系统、知识管理系统等开始被应用。 1.2.3成熟阶段 2011年至今，是大数据发展的成熟阶段，越来越多的研究者对大数据的认识从技术概念丰富到了信息资产与思维变革等多个维度，一些国家、社会组织、企业开始将大数据上升为 总第21卷233期大众科技Vol.21 No.1 2019年1月Popular Science & Technology January 2019 【收稿日期】2018-11-06 【作者简介】朱孔村（1985－），男，山东临沂人，江苏省科学技术情报研究所实习研究员，从事电子政务相关工作。 - 115 -
论西方“媒体融合”的现状与启示 摘要］在近些年的社会舆论中，媒体融合这个概念往往披着一层神秘的面纱。特别是在未来主义和自由经济舆论的鼓吹下，媒体融合不仅代表让人眼花缭乱的新技术，仿佛还预示着天赋人权和民主自由的人类理想，因而成为了象征实现社会进步、经济发展、人类平等的金钥匙。笔者认为北美关于媒体融合的研究把媒体融合现象作为起点，着重剖析现象背后更深层次的政经、机构、政策、发展、社会关系和权力结构的本质、动因以及影响。总的来说，在全球传播体系市场化、自由化和数字化的大背景下，媒体融合不仅是全球资本主义体系通过传播信息产业自我更新和自我重组的具体手段，同时也给发展策略、行业监管、资本积累、劳动关系、社会民主和大众文化带来了种种互相制衡的矛盾的影响，历史的延续性和革新性是媒体融合的双重特点。 ［关键词］传播政治经济学；媒体融合；概述 洪宇，美国伊利洛伊大学厄巴纳-香槟分校(UIUC)传播学博士，现任Muhlenberg College 媒体传播学院助理教授。洪宇的研究方向包括：中国信息传播产业与政治经济研究，国际传播以及发展问题。电子邮件yuhonguiuc@https://www.doczj.com/doc/575257578.html, “媒体融合”，作为一个学术概念，它的内涵与外延非常的丰富，人们对媒体融合的界定往往受潜在的经济逻辑和主流意识形态的影响；作为历史现象，媒体融合的发展也还未有终结。处在最活跃的经济和技术领域，媒体融合的走势受到宏观政治、意识形态、产业政策、市场、技术、核心价值和社会大众的多方影响。介于“媒体融合”是一个动态的学术热点,本文试图粗略地归纳出几种比较突出的研究途径和角度。特别是站在传播政治经济学的角度，本文旨在审视北美学者近几年内对“媒体融合”现象的预测、分析以及常用的理论分析框架。总体来说，北美学者对媒体融合的探讨大致分三大重点：第一个重点考量媒体融合这一历史现象的性质，并试图解释趋势背后的主要推动力和阻力;第二个重点通过实证研究方法，对媒体融合的具体状况加以分析。对于新媒体政策与新融合经济的解析是这个方向的重中之重；第三个重点涉及媒体融合所带来的，反映在大众政治、公共文化、社会关系上的种种深刻影响。可以说，一方面，通过对当今全球资本主义格局的分析，北美传播学，特别是传播政治经济学，对“媒体融合”概念中另人眼花缭乱的技术未来主义成分做了“去神秘化”的剖析；另一方面，由于认识到在市场化和自由化的全球影响下，媒体融合已超越言论，成为了实实在在的、承载国际政治经济角逐、影响国内社会权力结构的重要历史趋势，北美学者也因此给于媒体融合足够的重视，对这个历史进程在当今政治、经济、社会、文化、机构和权力分配中起到的有机作用做了全方位的研究。 一、什么是媒体融合？ 媒体融合最早是由MIT政治学学者Ithiel de Sola Pool提出的。他在1983年的专著Technologies of Freedom中，把媒体融合描绘成一股未来趋势。这个概念泛指由数字技术
国际媒体融合研究的知识图谱 【内容提要】本文以Web of Science 数据库中1995年-2017年所有媒体融合研究论文及共被引文献为数据来源，运用CiteSpaceV的可视化技术，绘制出国际媒体融合研究的知识图谱，对国际媒体融合领域发展脉络、重要研究作者、研究文献、贡献国家和研究热点及其演化进行了挖掘分析。研究发现，国际媒体融合研究有较早发展历史，近年来再次兴起研究热潮；国际媒体融合研究与健康传播和技术发展联系紧密；媒体融合对媒介素养提出了更高要求；使用与满足理论与解释性社群理论常作为相关研究框架；高影响力的作者与文献数量少，且多聚集媒体融合研究初期，该领域知识基础有一定稳定性；中国在国际媒体融合研究中有较大的潜力。 【关键词】国际媒体融合知识图谱Web of science 可视化分析CiteSpaceV “媒体融合”（Media Convergence）概念最早是由美国马萨诸塞州理工大学的I.浦尔教授提出，指各种媒介呈现出多功能一体化的趋势。①自2005年蔡雯教授正式将“媒体融合”（或称“媒介融合”）这一译法作为学理性概念传入我国学术领域后，便一直为学界所高度关注。②目前国内已有不少学者通过梳理若干或个别年份的研究论文，对中国的媒
介融合进行了主题归纳与内容分析。③彭兰、方兴东、潘斐斐、李树波采用个案研究法，从传播学和新闻学视角对媒体融合进行了定性研究；喻国明、刘?D在此基础上增加了市场营销学视角；钟丹、罗茜、沈阳则采用文献计量学的方法，通过知识图谱的可视化方式勾勒出了国内目前媒体融合的 框架与图景。 事实上，媒体融合是一个外来引入概念，对国外研究中这一概念及其相关理论的把握对我们理解媒体融合而言尤 为重要。郭毅、于翠玲阐释了国外媒体融合的历时性概念和存在的研究视角，但更多学者的研究仅局限于分析特定国际媒体融合实践案例的特点，从而总结其对我国发展的借鉴意义。④这些研究既缺少对国外媒体融合研究发展历程和未来热点趋势的探究，又缺少可视化方式的成果展示。因而本文着重于用知识图谱的可视化方式，通过对国际媒体融合相关文献的梳理归纳，分析出国际媒体融合领域近些年的发展脉络、研究热点、研究主体，挖掘这一领域的国外图景，来为我国媒体融合后续研究提供有力参考。 一、数据来源与研究方法 （一）数据来源 本文以Web of Science核心合集数据库为数据来源，采用主题词搜索，时间跨度为（数据库最早年份）1950-2017年，检索时间为2018年4月16日，检索式为：TS=（“media
大数据发展背景与研究现状 （一）大数据时代的背景 随着计算机存储能力的提升和复杂算法的发展，近年来的数据量成指数型增长，这些趋势使科学技术发展也日新月异，商业模式发生了颠覆式变化。《分 MGI）发 “赢 技术使得在线购物的完成率提升了10%到15%。我国信息数据资源80%以上掌握在各级政府部门手里，但很多数据却与世隔绝“深藏闺中”，成为极大的浪费。2015年，国务院印发《促进大数据发展行动纲要》，明确要求“2018年底前建成国家政府数据统一开放平台”；今年5月，国务院办公厅又印发《政务信息系
统整合共享实施方案》，进一步推动政府数据向社会开放。1 大数据可以把人们从旧的价值观和发展观中解放出来，从全新的视角和角度理解世界的科技进步和复杂技术的涌现，变革人们关于工作、生活和思维的看法。大数据的应用十分广泛，通过对大规模数据的分析，利用数据整体性与涌现性、相关性与不确定性、多样性与非线性及并行性与实时性研究大数据在 。2012年Gartner认为，不到两年时间大数据将成为新技术发展的热点，海量和多样化的信息资产使得大数据需要新的处理模式，才能为数据信息使用者提供有效的信息，使得企业洞察危险的能力增强，流程得以优化，决策更加准确。Victor 在其最新着作《大数据时代——生活、工作与思维的大变革》中指出，大数据 1人民网 26个好用大数据的秘诀
时代要想得到有价值的信息，要从总体而不是少量的数据样本分析与实务相关的所有数据。更加注重数据之间的相关关系，乐于加收纷繁复杂的数据，而不再探求难以捉摸的因果关系和追求数据的精确性。欧盟在其公布的《数字议程》中指出公共数据的市场价值约有320亿欧元，公共数据的开放和再利用可以产生新的商业和工作机会。开放行、公共数据，增加政府的开放和透明度可以给 年9 展的进程。2017年8月30日，国家旅游局、银联商务股份有限公司和中国电信集团联合成立“旅游消费但是数据联合实验室”，并发布了首份研究成果《2017年上半年中国旅游消费大数据报告》。三方在各自的领域有深耕多年的技术、大数据能力、市场资源和经验，通过签署站多合作，可以实现资源共享，优势互 3国家十三五规划纲要