通过讨论连续小波变换和RGB融合技术的原理,提出将地震数据通过谱分解变换到频率域,提取振幅谱和相位谱属性,并利用RGB融合得到的综合属性识别生物礁有利相带。结合研究区实际资料处理,结果表明:综合属性具有较高的图像显示清晰度,特征明显、细节丰富,能更清楚地刻画生物礁有利相带的边界。

对-36°和0°的多角度高光谱CHRIS遥感影像数据进行植被指数计算及影像融合,提出归一化植被指数(ND-VI)与高光谱影像融合后,采用波谱角填图(SAM)的方法提取湿地植被类型信息。该方法首先对-36°影像进行NDVI植被指数计算,然后与0°影像融合,再采用SAM方法提取湿地植被类型。结果显示,利用该方法对青海省隆宝滩湿地植被类型的提取精度可达到92.23%;而利用SAM方法对0°影像直接进行湿地植被类型提取,其精度只有66%。由此可见,利用不同角度信息影像融合的方法,大大提高了高光谱影像进行湿地植被类型信息提取的精度,为湿地植被类型信息提取又提供了一个有效可行的方法。

为提高鲜烟叶成熟度的识别精度,提出基于近红外光谱和图像识别的多源信息融合技术的烟叶成熟度判别方法:利用随机森林(RF)方法分别建立近红外光谱判别模型、图像判别模型和多源信息融合判别模型,对烟叶成熟程度进行检测。近红外光谱模型对红花大金元、K326和云烟87等3个烤烟品种烟叶成熟度的识别正确率分别为91.27%、90.43%、89.44%,图像模型的识别正确率分别为86.20%、86.96%、81.23%,融合模型的识别正确率分别为94.08%、94.78%和92.96%。与近红外光谱模型相比,融合模型的判别正确率平均提高了3.93%;与图像模型相比,融合模型的判别正确率平均提高了10.83%。

为提高鲜烟叶成熟度的识别精度,提出基于近红外光谱和图像识别的多源信息融合技术的烟叶成熟度判别方法:利用随机森林(RF)方法分别建立近红外光谱判别模型、图像判别模型和多源信息融合判别模型,对烟叶成熟程度进行检测。近红外光谱模型对红花大金元、K326和云烟87等3个烤烟品种烟叶成熟度的识别正确率分别为91.27%、90.43%、89.44%,图像模型的识别正确率分别为86.20%、86.96%、81.23%,融合模型的识别正确率分别为94.08%、94.78%和92.96%。与近红外光谱模型相比,融合模型的判别正确率平均提高了3.93%;与图像模型相比,融合模型的判别正确率平均提高了10.83%。

从技术角度选取技术广度、技术融合深度、技术规模和技术交叉融合强度4个驱动因素,采用Kaya恒等式和LMDI分解模型对技术融合度驱动因素进行分析。以工程领域BIM技术为实证对象,得到如下结论:技术广度对于技术融合度的驱动程度最大;技术广度、技术融合深度、技术规模3项为正向驱动,而技术融合交叉强度为双向驱动;在驱动因素作用下,BIM专利在2012年前后发生了较大变化——通过CiteSpace软件对专利进行可视化分析验证,结果具有一致性,证明了该研究框架的可行性。

基于技术融合视角,从知识联接创新角度揭示新兴技术形成机制,利用技术知识流分析方法,构建包括专利-领域-部门三维度的新兴技术识别框架。采集德温特创新索引(Derwent Innovations Index,DII)中的光纤通信专利开展实证研究,结果表明:光纤通信产业的新兴技术专利主要分布在日、美、中三国,且多由日、美企业掌握;光纤通信最重要的新兴技术领域来自于光学、电信及二者的融合;光纤通信最重要的新兴技术部门来自于设备、电子工程及二者的融合。最后,对国内光纤通信企业开展技术创新提出对策建议。

[目的 /意义]有效融合专利引用网络中的多元关系，消除引用主观动机对技术关联真实性的影响，提高技术演化路径识别的客观性与准确性。[方法 /过程]将专利引用网络中的引用连接关系、主题关联关系、引用动机关系分别作为基础关系、增强关系和调节关系，提出一种多元关系融合的主路径识别方法，在此基础上构建基于多元关系融合的技术演化路径搜索模型，采用迭代局部搜索算法实现该模型的求解，并以石墨烯传感技术领域为例开展实证研究。[结果 /结论 ]对比实验证明本方法可以有效提高实证领域的技术演化路径识别效果。未来多元关系融合主路径研究深化方向是：发掘应用更多具有融合价值的主题关联类型；加强数据融合算法与模型的研究与验证。

新兴技术在科技革命和产业变革中发挥着重要作用,准确把握新兴技术发展方向有助于国家政策制定和科技快速发展。融合学术论文和专利文献数据,构建一套新兴技术识别方法。通过主题N元语法(TNG)模型抽取和筛选技术主题,确定关键技术主题,通过量化新兴技术的5项特征指标:影响力、增长性、连贯性、创新性、不确定性和模糊性,计算新兴指数得分,对多源数据融合新兴技术进行识别和预判。预测新兴技术未来发展趋势,可为电网领域可持续发展提供有价值的参考,验证研究方法的可行性和有效性。

[目的/意义]在新一轮科技革命和产业变革的时代背景下，颠覆性技术是一种另辟蹊径、容易造成技术突袭、颠覆传统游戏规则的技术。积极识别和前瞻布局颠覆性技术对实现国家科技创新跨越式发展具有重要战略意义。[方法/过程]从技术融合视角提出一种颠覆性技术识别方法。首先，基于专利IPC共现关系，并采用时间序列方式动态构建技术领域融合网络，利用结构熵指标识别领域融合网络中具有颠覆性的领域融合对；其次，将颠覆性的领域融合对与专利映射，筛选出候选颠覆性专利；在此基础上，通过深度剖析颠覆性专利的核心特征，筛选有效的测度指标；最后，基于深度学习Tabnet模型构建专利指标与颠覆性专利之间的关联关系，实现从大规模的候选专利中识别颠覆性专利。[结果/结论 ]以人工智能领域为例验证方法的可行性和有效性。研究结果共得到1 025条颠覆性专利。其中，颠覆性融合领域(G06K9,G06N3)包含443条颠覆性专利，这些专利主要涉及4大颠覆性方向：智慧医疗、智慧交通、智慧安防和智能制造。研究结果能够为政府、产业界和企业等利益相关者的科技布局、战略制定提供参考。

【目的】生物量是表征植被生命活动的重要参数,对植被长势监测、产量预测有重要意义。以无人机为平台的高光谱遥感技术,具有机动灵活、成本低、空间覆盖广的优势,能够及时准确地估测植被生物量,已成为遥感估算研究的热点之一。由于光谱特征反演生物量存在饱和问题,因此,本研究尝试结合纹理特征与植被指数构建一种"图-谱"融合指标,探究"图-谱"融合指标的抗饱和能力及生物量估测能力。【方法】首先,利用无人机高光谱影像,提取其光谱信息和纹理信息,分别基于植被指数和纹理特征构建生物量模型。其次,针对光谱特征存在的饱和问题,将植被指数与对生物量敏感的纹理指标相乘或相除两种形式构建"图-谱"融合指标,分析"图-谱"融合指标的饱和性,并基于"图-谱"融合指标构建生物量估算模型。最后,对比不同指标构建的生物量模型的估测效果,来分析"图-谱"融合指标估测生物量的能力。【结果】(1)植被指数多在LAI=5时出现饱和现象,而"图-谱"融合指标VI×sm658,VI/ent658,VI/dis658,VI/con658,VI/dis514,VI/con514,VI/var514,VI×con802,VI×dis802均在LAI>5时才出现饱和现象,相比之下,这些"图-谱"融合指标一定程度上改善了饱和问题;(2)与植被指数相比(除了GNDVI、NDVI之外),抗饱和能力提高的"图-谱"融合指标VI×sm658、VI/ent658、VI/dis658、VI/con658、VI/dis514、VI/con514、VI/var514、VI×con802、VI×dis802,其与生物量的相关性也相对提高,所构建的生物量模型精度较高(R2=0.81,RMSE=826.02 kg·hm-2)。(3)对比单一植被指数、纹理特征,将纹理特征与光谱特征相结合的"图-谱"融合指标估算小麦生物量的能力相对最强,模型精度明显高于单一植被指数(R2=0.69)和单一纹理特征(R2=0.71)构建的生物量模型。【结论】"图-谱"融合指标的抗饱和能力明显提高,其构建的生物量模型精度也有效提高,实现了结合光谱信息和纹理信息的冬小麦生物量遥感估测,为生物量定量反演提供一种新思路。

[目的/意义]构建一种基于大语言模型和知识图谱的健康信息识别模型，旨在提升健康信息识别的准确性和信度。[方法/过程]首先，采用在权威平台上发布的公开健康信息数据集来构建知识图谱，作为领域知识；然后，设计5组实验，包括决策树、支持向量机、逻辑回归模型、GPT和KG-LLM；最后，采用552条来自权威辟谣平台的已标注辟谣信息作为验证样本进行试验，并对5组实验的结果进行比较分析。[结果/结论]所构建的KG-LLM虚假健康信息识别模型在准确性方面表现卓越，其准确率达到98.35%，这一结果相较于决策树、支持向量机、逻辑回归模型分别提升了14.78%、3.24%和12.33%。与GPT模型相比，其准确率也提升了4.80%。此外，在其他的评估指标上，KG-LLM模型相较于GPT模型也显示出了优势。这一结果充分证明了知识图谱作为领域知识，有助于消除LLM中存在的幻觉。[创新/局限]主要创新之处在于将大语言模型与知识图谱相结合，用于提高健康信息识别的准确性。研究存在的局限性主要体现在数据量不足上。尽管通过知识图谱对大语言模型进行了优化，增强了信息检索的准确性，但模型的性能仍然在一定程度上依赖于大语言模型。

颠覆性技术是促进国民经济发展和提升大国博弈实力的关键因素,培育和发展颠覆性技术意义重大、影响深远。建设美丽中国是时代的责任,实现碳达峰碳中和是大势所趋。从学术论文、专利以及基于Google Trends数据的社会媒体数据出发,构建多源数据融合的颠覆性技术度量方法。以增长率指标、创新性指标和社会影响力指标测度“双碳”领域颠覆性技术,综合考虑技术对科学界、技术界以及社会经济界三方面的影响;在识别过程中,采用改进后的CDTM模型解决多源数据公共主题提取的问题;通过客观赋权计算颠覆性指数得分,度量主题的颠覆性。实证分析识别出4项“双碳”领域的颠覆性技术,分别是生物炭吸附技术、有机生物炭基肥料制备技术、生物质裂解生物炭技术和生物质热解生物炭技术。四项技术均与国际认可的CCUS技术相关,中国和美国在“双碳”领域研究中占据优势地位。

根据从德温特专利数据库中检索的专利数据,运用Apriori关联规则算法得到关于技术融合趋势的关联规则,然后通过基于差异思想的兴趣度模型验证规则的有效性,并在关联规则基础上利用信息熵评估企业核心技术领域分布及变化情况。最后,以安川电机和发那科公司为例进行实证分析。研究结果显示,基于差异思想的兴趣度模型弥补了关联规则因阈值设置主观性较强而导致部分规则无效的问题。

[目的/意义]快速且精准地识别海量多模态数据中的价值性内容，对于促进知识传播、提升产出质量具有重要的意义。[方法/过程]基于可解释性视角聚焦知识共创中“用户+多模态知识”的双重推进机制。首先，依托BERT+BiLSTM与ResNet模型分别提炼文本与图片特征以获取多模态知识向量表示；其次，依据社会认知理论剖析用户行为，采用DeepFM捕捉交互特征间的关联生成用户向量表示；再次，借助K-BERT对文本数据嵌入知识图谱得到外部知识向量表示；最后，基于多头注意力机制融合各维度特征向量，通过动态调整权重完成价值内容的识别。[结果/结论]通过使用魅族Flyme社区数据进行实验，所构建的融合模型准确率达到88.31%，相较于其他基线模型与组合模型，评价指标均有不同程度的提升，证明嵌入外部知识并融合文本、图片与用户属性可以有效提升价值的识别效果。