一种基于多模态可信渐进融合的分类系统

本发明公开了一种基于多模态可信渐进融合的分类系统，该系统包括：多模态数据预处理模块，用于对多模态数据进行预处理；特征提取与筛选模块，用于从不同模态中提取特征；神经网络模块，用于进一步处理以获取深层特征表示；特征融合模块，用于从特征层面对不同模态的特征进行渐进融合；不确定性建模模块，用于对各个单模态的深层特征表示和多模态融合特征的不确定性进行建模；证据融合模块，用于融合不确定性建模模块输出的多个模态的分类预测概率和不确定性，获得综合证据度量。本发明有效地提升了多模态数据处理的效率和准确性，提升了特征利用率、分类系统泛化能力和鲁棒性，增强了分类系统的分类性能，有效地识别和降低异常模态的负面影响。