双重稀疏保持投影(英文)

稀疏保持投影(Sparsity preserving projection,SPP)是一种新型的基于图的降维方法,近年来被成功应用于人脸识别。SPP基于数据的稀疏重建关系建图,从而包含自然的判别信息。然而,经SPP变换后,新的特征是所有原始特征的线性组合,因此很难解释其降维结果。为此,提出了一种新的降维方法——双重稀疏保持投影(Dual-sparsity preserving projection,DSPP),通过进一步对SPP的投影方向施加稀疏约束,希望获得投影方向的稀疏解。具体地,该方法把SPP中投影函数的计算转化为一个回归类优化问题,然后借助L1正则化回归技术获得稀疏投影向量。在人脸数据上的实验结果表明了该算法的有效性。     

基于时空模型的快速视频显著区域检测

传统的视频显著区域检测方法运算量大且难以处理包含复杂运动的视频,本文提出一种基于时空模型的快速显著区域检测方法.该方法用一种新的模糊聚类算法对特征点的运动轨迹进行无监督聚类,对不同运动类型进行分类.在复杂运动情况下,该算法通过计算优化的聚类中心的个数以获得运动类型数,再将异常数据剔除后,生成运动显著图.而在空间显著区检测方面,则利用反差模型以及Gabor滤波器获得图像的静态显著图.在此基础上,还提出一种基于运动优先思想的时空混合方法,将运动和空间显著图动态合成视觉显著图.实验证明,该方法能够有效地提取视频显著区域,与传统的方法相比该方法平均耗时更少且更方便.     

均匀面阵中高效率的二维波达方向估计方法：降维求根MUSIC算法（英文）

波达方向估计是阵列信号处理研究的重要方向之一。本文在降维求根技术和MUSIC算法的基础上,研究了均匀平面阵列的二维波达方向估计问题。首先基于噪声子空间和方向矢量之间的正交关系构造二维求根多项式,并证明该多项式包含无限多个解。为获取这些解中包含的真实目标参数,提出了一种新的低复杂度、计算效率高的算法,即降维求根MUSIC算法。所提算法应用降维求根技术目标的真实解,其中二维求根方程被转换为两次一维求根,该过程有效降低了求根难度。最后,通过一次配对过程获取目标角度参数的估计值。数值模拟验证了该方法的有效性和优越性。     

基于扫掠法的六面体网格生成算法及实现

提出了一种基于扫掠法的六面体网格生成算法,该算法通过源和目标曲面参数域间的近似最小二乘仿射映射将源曲面的网格投影到目标曲面,并利用背景网格插值的方法计算内结点,从而将2.5维实体生成六面体网格。该算法避免了空间网格投影过程中耗时的“寻根”过程,并且不需要导致效率降低的网格优化,能够处理各种2.5维实体,生成的网格质量较好。     

LLE算法的模态识别及影响因素研究

局部线性嵌入算法(LLE)是一种实现对高维数据降维的流形学习算法,可基于结构响应数据进行模态参数识别,算法的噪声敏感度和稳定性对参数识别精度具有重要影响。本文以一块复合材料板为研究对象,利用LLE算法对其振动响应数据进行降维处理从而实现模态识别,重点分析了该算法的噪声敏感度和其在不同采样频率下的流形特征稳定性,同时利用模态置信准则(MAC)衡量LLE算法提取得到的振型与有限元振型的相关性。结果表明,利用LLE算法识别的模态参数具有较高的精度,且LLE算法具有较强的抗噪声干扰能力,采样频率对LLE算法的影响与采样定理相一致。     

基于相关性度量的伪主成分分析

采用数据样本间的相关性作为相似性度量,并引入样本的类信息,提出一种新的降维方法,即伪主成分分析(Pseudo-PCA),该方法尽可能地保持原样本的变化信息,同时又使得降维后的同类数据样本尽可能保持相似。此外,将这种思想方法成功推广到近年来提出的2DPCA,MatPCA和(2D)2PCA。在ORL,Yale和AR等人脸数据集上的实验表明,该类方法的识别率高于相应的基于欧氏距离的PCA,2DPCA,M atPCA和(2D)2PCA等方法。     

基于ARG模型识别局部被遮挡物体

在计算机视觉中，局部被遮挡物体的识别有着重要的意义。本文提出了一种基于ARG（关系属性图）模型识别局部被遮挡物体的新算法。由于关系属性图对图像遮挡、噪音或者二维几何引起的变形都是稳定的，所以用ARG模型能够识别那些由于局部被遮挡或其它原因引起的丢失特征的物体。该算法如下：首先，根据模型和图像特征之间的局部和整体的对应性约束，在图像中选出有限数量的侯选子图。其次，基于在关系向量空间中的误差分析，使用投票方案对丢失的特征进行迭代检测，丢失的特征全部被检测出后即可进行匹配。最后用实例进行了验证，结果表明该算法是有效的。     

形态图计算中的投影空间维数和投影空间模型

确定投影空间维数和建立投影空间模型是计算机视觉领域中形态图计算时一个十分重要的基本问题，本文根据态图计算时特征视图拓扑结构等价的特点，指出轴测投影下的投影空间是二维空间，透视投影空间为三维空间，并分别了投影空间模型的建立方法，从而使复杂物体形科计算是简单可行。     

几种降阶方法在柴油机控制器中的应用对比研究

为保证军用机、直升机等大型装备的最后装配质量,得到的产品能满足各项性能指标,必须对系统进行分析和计算。但对于大型复杂系统而言,由于其高维数和复杂性,直接分析相对困难,在这种情况下,采用降阶方法处理。本研究分别利用奇异值分解、Krylov子空间理论和最小二乘法对柴油机控制器进行降阶。研究结果表明:奇异值分解(SVD)算法可以根据系统的奇异值大小进行截断,能够保持降阶系统的结构特性,但计算过程较复杂。Krylov子空间的降阶算法虽然计算量小,且速度快,但误差范数较大。利用最小二乘法可以很好地结合这两种方法的优点,从仿真结果也可看出,利用第三种方法结果最好。     

一种改进的UGPF算法及其在导航问题中的应用

通过对高斯粒子滤波(GPF)算法的分析与总结,提出了一种基于无味卡尔曼滤波(UKF)方法的改进GPF算法(改进UGPF算法).该方法主要利用UKF获取更优的重要性抽样函数,同时优化GPF滤波的算法流程结构.最后通过二维目标跟踪过程中位置导航参数估计问题,对该算法进行了仿真分析,所得结果验证了该算法的有效性.     

局部Bagging方法及其在人脸识别中的应用

Bagging方法无法在稳定的分类器(如最近邻分类器)上构建多样的分量分类器,因此它不适合于稳定的分类器.同时,小样本特性Bagging也很难应用于人脸识别等任务中.本文提出了一种局部Bagging(L-Bagging)方法以同时解决上述两个问题.L-Bagging和Bagging的主要区别是L-Bagging在每个事先划分好的局部区域内进行自助集的采样而不是如Bagging那样在原始的样本集上采样.由于局部区域的维数通常远远小于训练样本数,并且分量分类器又是构建在不同的局部区域上的, 因此 L-Bagging方法不仅有效地解决了小样本问题,而且产生了更多样的分量分类器.在4个标准的人脸数据库(AR,Yale,ORL和Yale B)上的实验结果表明所提出的L-Bagging方法是有效的,并且对光照、遮挡及轻微的姿态变化是鲁棒的.     

基于Voronoi cell的RNN_k近似查询与计算(英文)

在空间数据索引与查询研究领域中,反向k最近邻(RNNk)问题作为反向最近邻问题的泛化扩展近来受到更多关注.所谓RNNk查询就是找到所有以给定查询点为k个最近邻之一的对象点.为了有效地进行RNNk查询,利用分级的Voronoi cell和空间区域划分方法对查询结果进行有效过滤,避免了过多次最近邻查找计算.在初步得到的RNNk结果中,有针对性地分别利用平行于分割线的扫描线和局部扩展的查询区域Q进一步限定了RNN候选点.近似最小平均距离(AMAD)计算则可由近似的RNNk查询结果得到且不受k取值限制.实验结果表明了在3种不同数据分布情况下,本文算法与近似方法的效率和有效性.因此,通过充分利用对数据的过滤与查询空间修剪的近似方法,得到了具有较高查全率和准确率的近似查询和计算.     

基于支持向量机和线性判别分析的维数约减方法及其应用

目前已提出的一些基于支持向量机的维数约减方法,但其投影矩阵的获得仅考虑支持向量机的类间间隔,而忽略了数据中的类内信息。本文首次提出了一种基于支持向量机和线性判别分析的维数约减方法,称之为DRSL。DRSL实现了类问和类内信息的有效组合,能有效拟合数据中类间和类内结构,使得所获投影矩阵能够提高后续分类器的推广能力。实验验证了该方法的有效性。     

判别性正则化:一种新颖的分类器学习方法(英文)

提出了一种新颖的正则化方法-判别性正则化(Discriminative regularization,DR),为分类提供了一种通用的结合样本先验信息的方式.通过将先验信息引入到正则化项中,DR不但使分类器实际输出与期望输出之间的经验损失达到最小, 而且能在输出空间中同时最大化类间散性与最小化类内紧性.此外,通过将等式约束嵌入到目标函数中,DR的求解还可转化为解线性方程组问题,从而得到全局解析解.分类实验验证了DR的优越性.     

Track Association for Dynamic Target Tracking System Based on AP Algorithm

Track association of multi-target has been recognized as one of the key technologies in distributed multiple-sensor data fusion system,and its accuracy directly impacts on the performance of the whole tracking system.A multi-sensor data association is proposed based on aftinity propagation(AP)algorithm.The proposed method needs an initial similarity,a distance between any two points,as a parameter,therefore,the similarity matrix is calculated by track position,velocity and azimuth of track data.The approach can automatically obtain the optimal classification of uncertain target based on clustering validity index.Furthermore,the same kind of data are fused based on the variance of measured data and the fusion result can be taken as a new measured data of the target.Finally,the measured data are classified to a certain target based on the nearest neighbor ideas and its characteristics,then filtering and target tracking are conducted.The experimental results show that the proposed method can effectively achieve multi-sensor and multi-target track association.     

产品特征间关系的表达和算法研究

面向产品全生命周期的特征建模是现代产品建模技术的关键之一，在几何特征建模型技术中广泛采用的CSG树在描述多个领域的特征关系时存在不足之处，图状结构可以描述比树状结构更加复杂的关系。本文采用图状结构－特征图来描述特征间的关系。讨论了存储特征图的具体数据结构和定义在其上的一些基本运算。本文中所讨论的技术已被应用于轴的集成数据模型中的特征关系描述，并取得了良好的应用效果。     

塔形图——汉密顿图的一种扩展图

提出了一种塔形图 ,它是汉密顿图的扩展。这种塔形图有 m层 ,每层之间有 n个柱子等距支撑 ,节点数为 2 m n- n 1。由以色列著名数学家汉密顿爵士在 1895年首次提出的具有 2 0个节点的汉密顿图是塔形图的一个特例。文中研究了这种塔形图的汉密顿图性质 ,给出了这一类图的标准汉密顿圈的构造法 ,并利用作者编制的程序给出了两种典型的塔形图的多种不同的汉密顿圈解。     

四维空间中的一种特殊位置直线的图象及其奇异性质

本文从四维空间绝对垂直的概念着手,研究了四维空间中位于投影面的绝对垂直平面上的直线的投影性质,发现了在四维空间中存在一个双曲抛物面。在一定条件下,这个曲面可以转化为不同位置的平面和直线,并提出了其转化的条件。