大型传感系统通常具有多源海量数据、复杂连接、大空间尺度等特点，在处理资源受限的条件下实现高效场景感知是一个严峻挑战。本项目探索学习人类感知智能，通过融合自底向上传感信息和自顶向下用户信息，研究面向大型场景感知的贝叶斯注意力选择方法，建立海量传感数据条件下弹性感知机制。主要研究内容包括：（1）利用注意力选择机制指导数据表达、资源分配、人机交互等方法的设计与实现，使大型复杂场景感知建立在一个统一的理论体系之上；（2）研究空间域和时间域中信息局部处理机制，建立分散式信息管理框架，提高海量信息处理效率；（3）将事件检测分解为面向已知确定事件和面向未知异常突发事件检测过程，利用贝叶斯注意力选择机制实现两者的融合，使系统能够在重点完成预定的检测任务的同时，兼顾对未知异常突发事件的处理；（4）研制实验设备，在实际大规模的工业生产监控项目中，验证理论成果和关键技术。
