基于眼动、位姿及场景视频的人体运动方向预测方法

外骨骼机器人作为新提出的改善、提高人类生活能力的智能设备,同样需要高效智能的人机交互系统,而人机交互的第一步,则是精准预测人的行为意图。从外骨骼机器人的顶层控制角度出发,介绍了人体运动意图识别和外骨骼机器人智能交互能力的研究现状,并对人体运动方向识别进行了研究。提出了一种结合眼动信息、位姿信息及场景视频信息的多信息融合的人体运动意图识别网络架构,并进行了采集设备的穿戴实验。利用实验数据,对提出的网络方法进行了实验验证。结果表明:所提出的人体运动方向的识别系统,可以预测出人体运动过程中的运动方向。      

基于LSTM循环神经网络的故障时间序列预测

有效地预测使用阶段的故障数据对于合理制定可靠性计划以及开展可靠性维护活动等具有重要的指导意义。从复杂系统的历史故障数据出发,提出了一种基于长短期记忆（LSTM）循环神经网络的故障时间序列预测方法,包括网络结构设计、网络训练和预测过程实现算法等,进一步以预测误差最小为目标,提出了一种基于多层网格搜索的LSTM预测模型参数优选算法,通过与多种典型时间序列预测模型的实验对比,验证了所提出的LSTM预测模型及其参数优选算法在故障时间序列分析中具有很强的适用性和更高的准确性。      

分布式用户痕迹采集存储系统

在复杂网络的分布式环境中，精准全面地采集海量用户在浏览网站过程中的行为数据和网站过程数据并高效存储是用户行为分析的前提和基础。为了解决数据类型的多样性和存储的差异性问题，提高数据的检索效率，为企业的个性化需求做用户行为的分析提供支持，设计了白盒模式的用户痕迹采集存储系统。用户访问Web服务器过程中会产生交互/交易数据以及用户操作，浏览网站过程中会产生图片、视频、商品描述等多种类型的文件，这些界面和数据称为用户浏览痕迹，操作序列则作为用户行为的实际动作顺序记录。对用户数据和操作序列分析，能精确反映用户特征。采集模型通过界面窗口树来建模，提供统一数据存取接口，根据数据类型的不同，分别存储于不同的位置，完整采集用户痕迹，应用程序传递参数指定存储位置创建数据库文件，通过存取接口可以分类型、按要求存取用户数据，解决了面向互联网的用户交互痕迹捕获、存储和检索的问题，具有良好的精确性和完整性。      

基于BP神经网络的飞行绩效评价模型

为实现飞行绩效的客观评价,利用眼动数据,建立了拓扑结构为6-14-3型的BP(Back Propagation)神经网络模型.已有的实验数据和随机插值法得到的数据作为建模的数据来源,数据分为训练集和测试集并归一化.基于Matlab的神经网络工具箱,利用经验公式和实验比较法确定了BP网络模型的隐含层节点数;对BP算法的各种改进算法进行了优化选择;将训练集数据和测试集数据先后输入网络模型进行学习训练和仿真测试;对3个技术水平的飞行员的飞行绩效进行了预测和评价.研究表明,眼动数据的BP神经网络模型可以较为准确地评价飞行绩效,评价方法可以为飞行训练提供参考.     

基于学习行为的MOOC用户持续学习预测框架

大型开放式网络课程（MOOC）的出现虽然极大地改变了人们的学习方式，但用户在MOOC平台开展学习的学习情况及完成率预测仍是目前一个重要的技术挑战。针对预测的需求，从用户的学习行为中对用户和课程进行分析，采用长短时记忆机对学习者的学习活动进行建模，采用多头注意力机制对用户和课程之间的交互活动情况进行分析，提出一个基于门控单元的特征融合框架，用于学习情况预测。在公开数据集上的结果表明：所提框架能够提升预测精度，使得MOOC平台能够尽可能早地对用户活动进行干预，从而提升整体的MOOC平台使用体验。     

基于连续数据流的动态手势识别算法

为识别用户做出的动态手势序列,基于数据手套采集的连续数据流,运用奇异值分解消除数据噪点,提取手势的特征信息,并利用关节弯曲的生理学特性与用户解耦合,将各种动作片段抽象成用户无关的手势模板,从而唯一定义手势特征并屏蔽不同用户的手势差异,再基于Hill Climbing思想把连续数据流分割成有序的动作序列,并按时序对所有片段在预先构造的层次树上实时搜索,根据欧式距离度量序列与手势模板的相似性.该算法对手势序列的分割准确,对多用户具有良好的适应性,其有效性在使用5DT数据手套搭建的两组动态手势识别的实验中得以验证.     

Wikipedia中的语义析取

维基百科(Wikipedia)现有搜索模块采用关键词匹配方式导致搜索效率相对低下.为了提高Wikipedia中的知识获取效率,提出基于链接分析的词间距算法(TDL,Term Distance based on Linkage).利用可扩展的计算模型,通过内部链接结构分析发现词簇,并且引入排序和推荐机制.基于Wikipedia 2009年5月快照数据的实验表明,TDL有效增强了Wikipedia知识检索的准确性,经由用户评判检验证实TDL算法能有效提高用户意图识别度达7%.     

基于行人姿态的轨迹预测方法

在自动驾驶领域，行人轨迹预测一直是研究热点之一，行人行为的不确定性给轨迹预测带来很大的挑战。目前大部分轨迹预测方法只专注于行人之间的信息交互，忽略了行人意图和场景中其他语义信息对行人轨迹的影响。为此，提出一种基于行人姿态的卷积编码器-解码器网络(PKCEDN)来预测目标行人轨迹的方法，所提方法包含基于卷积、长短时记忆(LSTM)网络的编码器-解码器模型和能够学习当前时刻与过去时刻轨迹相关性的注意力机制。所提方法在MOT16、MOT17和MOT20公开数据集上进行了相关测试，与Linear、LSTM、Social-LSTM、Social-生成对抗网络(GAN)、SR-LSTM和M_sgtv等主流方法相比，在保证预测速度不降低的前提下，平均误差降低约36%。     

基于搜索意图交互的无人机集群协同搜索算法

针对无先验信息条件下无人机集群的协同搜索问题,提出一种以覆盖率为引导,以机间安全距离、通信距离、偏航角调整及搜索边界等为约束的无人机集群协同搜索算法。通过建立环境地图矩阵对任务区域进行描述,进一步定义环境地图更新算子实现搜索过程中环境地图的快速更新。设计了集群协同搜索任务的回报函数,采用粒子群算法进行求解,得到每架无人机在已知环境地图下的最优决策,即决策意图。每架无人机在获取其他成员决策意图的基础上重新进行决策,实现协同决策。针对不同规模集群提出了集中式和分布式2种协同决策方案。仿真结果表明,所提算法能够对存在未知威胁的不规则任务区域进行有效覆盖搜索,覆盖率远高于不进行协同决策的个体决策方法。      

HEVC对偶编码单元划分优化算法

为了解决视频数据量日益增长与用户享受高质量视频体验需求之间的矛盾,HEVC在H.264/AVC标准的基础上通过引入新型的编码结构和算法进一步将编码效率提升了50%,但是也极大地提升了编码复杂度。基于此,提出对偶编码单元(CU)划分网络DualNet,来降低HEVC中帧内编码复杂度。该网络由预测网络和目标网络2个部分组成,其中,预测网络通过分析图像统计特征实现编码单元划分决策,从而跳过四叉树的遍历搜索,提高编码单元划分决策的时间效率;目标网络基于率失真代价评价和优化决策模型提升编码单元划分性能,实现模型互补和最优率失真估计。实验结果表明：与HEVC标准对比,所提算法在实现相近的压缩效果的前提下能够节省64.06%的编码时间。     

基于异构网络表示学习的评分预测模型

深入分析电商行业的用户个性化数据并提供推荐服务近年来已成为业界的热点。推荐服务的基础是对用户的潜在兴趣进行挖掘,并对商品的感兴趣程度进行预测。因此,以此为背景,研究用户对商品的评分预测。对电商业的关系型数据在推荐系统中的应用进行了研究,提出了通过使用网络表示学习进行评分预测的方法。首先,将关系型数据构建成异构网络,用户和商品为网络中的节点。然后,设计了兼顾网络结构信息和节点之间相似性的个性化异构网络采样方法,并对节点进行表示学习。最后,将学习到的用户、商品表示向量输入到神经网络中进行训练,利用优化后的神经网络模型进行评分预测。实验结果表明:所提方法在YELP 13、Movielens 100k、Movielens 1m数据集上都有较高的准确率,对比常用方法,准确率提升6.5%以上。      

基于LSTM的TTE网络速率约束流量预测

时间触发以太网（TTE）中的速率约束（RC）流量为事件触发流量,在RC流量动态调度的应用场景下,若能预测未来短时间内数条RC流量到达交换节点的序列,使交换节点提前进行调度决策,以减小RC流量时延,提高网络吞吐量。对RC流量到达序列预测问题进行了研究,建立了RC流量的到达序列模型,提出了基于长短期记忆网络（LSTM）算法的RC流量预测算法。利用OMNET++工具进行TTE网络仿真,得到多组混合关键性配置下RC流量的传输数据;以此作为输入样本对预测算法进行训练和测试。实验结果显示,LSTM算法在RC流量预测问题的准确率达到了70%以上。通过对比实验说明所提算法适用于RC流量预测场景。      

交通网络中用户均衡行为的效率损失上界

确定交通网络用户均衡行为效率损失的上界是当前国际上的一个研究热点.深入分析了固定需求的交通网络中用户均衡与系统最优之间的关系,通过引入一个与均衡流量相关的参数,得到新用户均衡行为效率损失上界计算公式.算例结果表明,新的上界比目前文献报道的最低值还小.得到一个具有普适性的结论,即发现更小的用户均衡行为效率损失上界须涉及对象网络的所有特征,包括路段阻抗函数的特性、网络结构和交通需求水平.      

航空液压泵磨损状况预测

磨损是航空液压泵典型的渐进性故障之一,因磨损量难以测量,对磨损状况进行准确的预测比较困难.针对上述问题,提出了基于多尺度数据的支持向量机预测方法,该方法将支持向量机用于时间序列预测的基本理论和数据多尺度分解、相空间重构方法结合,能更有效地挖掘时间序列的内在联系及变化规律.采用回油流量作为反映航空液压泵磨损状况的敏感信号,将其分解为趋势项和随机项,采用多尺度支持向量机作等维信息一步预测和多步预测,利用网格方法对预测模型参数寻优.对比传统支持向量机算法分析其预测精度,结果表明:多尺度支持向量机模型预测精度更高,适于中长期预测.      

基于对象的仿真建模系统

基于面向对象的思想，图形用户界面和仿真程序自动生成技术研制开发出一个基于对象的辅助仿真建模系统ＳｉｍＭｏｄｅｌ，介绍了ＳｉｍＭｏｄｅｌ的系统结构和模型描述框架，讨论了仿真程序生成器的运行机制，提出了有向网络图递归深广优先搜索算法。     

基于混合编码的天文序列图像无损压缩算法

提出了一种将时间和空间双维度预测与混合熵编码结合的图像无损压缩算法,应用于星体定点成像的天文序列图像.时间与空间双维度预测可以消除天文序列图像的时间相关性和空间相关性.混合熵编码融合了高熵编码与低熵编码算法,充分利用预测误差分布的稀疏性,进一步提升压缩效率.针对星体的天文序列图像,该算法首先在时间维度上进行帧间预测,去除时间相关性,再对帧间预测后的图像在空间维度上进行直方图滤波和上下文预测,去除空间相关性,最后将预测误差送入熵编码器进行编码.实验结果表明,本文所提出算法的压缩效果优于JPEG-LS,平均压缩比提升约15%.该算法结构简单,计算复杂度较低,易于硬件实现,适合星载天文图像的无损压缩.      

一种远程身份认证方案的分析与改进

口令认证是远程身份认证中实用的方法.分析了一个给出的使用智能卡的口令认证方案的安全性,指出该方案是不安全的:不能抵御并行会话攻击,攻击者可以利用截获的信息生成合法的登陆信息假冒合法用户登陆,并通过认证获得授权,而不需要知道用户口令;不能抵御更改时戳攻击,攻击者可以更改截获信息的时戳,假冒合法用户登陆远程主机或假冒合法远程主机.同时,引入登陆计数器,采用一卡一密,给出了一种改进的使用智能卡的口令认证方案.该方案允许用户自主选择并更改口令,实现了双向认证;能够抵御重放攻击、内部攻击,具备强安全修复性;能够抵御并行会话攻击和更改时戳攻击,具有更好的安全性.     

面向航天器综合测试系统的Web缓存替换策略

航天器一般为复杂系统,其作为典型安全苛刻系统,在综合测试过程中会产生大量测试数据。在查询这些测试数据时,现有的B/S数据查询技术,每次查询时采用从数据库服务器中获取数据的方式,极大地消耗了数据库服务器的资源,占用了大量的网络带宽,导致系统的整体性能下降,用户体验不佳。通过对安全苛刻系统综合测试数据特点和用户查询特征的分析,基于经典Web缓存替换算法GDSF,提出一种适用于B/S数据查询系统的Web缓存替换算法GDSF-STW。该算法是在GDSF算法的基础上,引入了数据流挖掘中的时间衰减模型,并采用滑动时间窗口的思想,提高缓存命中率,从而提高系统的性能,改善用户体验。通过GDSF-STW与LRU、LFU、LFU-DA、GDSF等经典算法进行实验对比,结果表明,GDSF-STW算法具有更好的缓存命中率。