基于局部稀疏表示的多帧图像特征目标跟踪方法

多帧图像中存在的噪声相较于单帧图像中的噪声更多,因此,为了准确跟踪多帧图像目标,提出了基于局部稀疏表示的多帧图像特征目标跟踪方法。采用局部稀疏表示方法将多帧图像目标进行分块,跟踪子块的移动轨迹与当前状态,基于当前状态构建目标函数,将经目标函数处理后的分块按照一定的顺序进行排列得到初始检测结果,在此基础上,对图像仿射变换,实现多帧图像特征目标跟踪。实验结果表明,所提方法目标跟踪时的中心误差较低,不超过5%。在10 min目标遮挡和模糊视频中,可以在2 s之内完成目标跟踪。在定性评价上,所提方法能够准确跟踪目标,有效提高图像特征目标跟踪效果。     

基于多信息融合的自适应局部线性嵌入算法

局部线性嵌入算法LLE的降维性能与挖掘的流形结构密切相关,但LLE挖掘的流形结构单一,并且对邻域参数选取敏感,无法提取全面的流形局部结构,限制了LLE的降维性能。为此,本文提出基于多信息融合的自适应局部线性嵌入算法MIF-ALLE。MIF-ALLE首先利用切空间近似判据自适应选择邻域参数,获取更准确的局部邻域;然后,将局部邻域中蕴含的切空间角度信息与局部线性信息相融合,挖掘更全面的流形局部结构,降低局部低维嵌入的偏差;最后,在公开轴承数据集以及实验室提取的轴承数据集上进行实验验证。实验结果表明：MIF-ALLE可以挖掘更全面的流形结构,提取更显著的特征,轴承故障诊断准确率最高可达100%。     

短期负荷局部线性嵌入流形学习预测法

考虑短期日负荷预测各时刻点之间的整体性和相关性,提出一种从整体上刻画和预测短期日负荷的新方法。将日24点负荷数据值看作一个24维数据集,从多维角度挖掘负荷复杂的变化规律,建立高维预测模型。利用流形学习理论对建立的高维模型进行有效降维,从而提取高维空间数据的固有属性和整体几何规律,揭示其蕴含的有效信息。采用局部线性嵌入法（locally linear embedding, LLE）对24维负荷数据进行非线性降维,在低维空间内进行负荷预测,再用LLE重构得到24个时刻的预测值。仿真结果表明本文提出方法相比于传统一维分量预测法精度更高、速度更快。     

基于局部线性嵌入和深度森林算法的电力客户投诉预测模型

由于电力市场竞争日益激烈,用户对服务质量的要求不断提高,用户投诉量持续上升。在基于大数据的电力客户投诉预测模型的体系结构基础上,提出一种基于局部线性嵌入和深度森林算法的电力客户投诉预测方法。采用局部线性嵌入算法对客户投诉预测模型的输入特征向量进行降维处理,减少计算量和避免陷入局部最优解;对降维后的投诉预测特征向量进行多粒度扫描,提高其表征学习能力;基于级联森林建立深度森林算法模型,实现客户投诉预测。实际数据的仿真结果表明,与不进行降维处理及其他预测模型相比,文中所提出的预测模型可以更准确地预测客户投诉趋势,为电力企业客户投诉分析和预测提供了参考依据。     

结合稀疏表示和协同表示的SAR图像目标方位角估计

提出结合稀疏表示和协同表示的合成孔径雷达(synthetic aperture radar,SAR)图像目标方位角估计方法。稀疏表示和协同表示分别在稀疏约束和最小误差的约束下对测试样本进行重构,具有良好的互补性。分别在稀疏表示和协同表示下选取与测试样本具有较强相关性的训练样本。通过交集操作获得两者中最稳定的部分样本。根据这些样本的方位角真值以及求解的系数合理加权,获得测试样本的方位角估计值。基于MSTAR数据集中3类目标的SAR图像进行方位角估计实验并与现有方法进行对比。实验结果表明方法的估计精度、稳定性以及噪声稳健性均优于现有的几类SAR目标方位角估计方法。     

移动机器人轨迹跟踪和局部规划的优化模型

本文基于Ｌａｒｇｒａｎｇｅ乘子理论，氢移动机器人的轨迹跟踪和局部规划归结为约束条件下的最优问题，根据轨迹跟踪，到达目标的要求，提出了优化的目标函数。在一个坐标系中，将轨迹与各边的关系统一于一个等式之中，使约束条件的表示简单而清晰，给出了由运算放大器构成的电路实现。仿真结果表明，移动机器人可以同时跟踪期望轨迹并完成局部规划。     

基于循环相关滤波算法的复杂背景目标跟踪方法研究

为了实现在复杂情况中对特定目标的路线跟踪,主要研究了基于循环相关滤波器的目标跟踪算法,并针对复杂环境情况下影响跟踪性能的条件进行分析比较。该算法是一种基于线性分类器的监督学习算法,通过添加空间正则化分量减少边界效应,提取准确目标。在OTB-50和OTB-100数据集上进行算法验证,实验表明,该算法的跟踪结果优于其他算法,在快速移动、背景杂乱、光照变化、遮挡、移出视线和运动模糊6种复杂情况下跟踪准确度比传统算法均高出0.1以上。     

基于KCF的弹载目标跟踪方法研究

随着精确制导武器在现代战争中的广泛使用,图像制导技术己逐渐成为制导领域的研究热点,而目标跟踪技术作为其中的关键技术,一直深受是国内外关注。针对传统目标跟踪算法跟踪精度低,以及当前算法工程化实现难度大的问题,基于核化相关滤波跟踪(KCF)算法,结合弹载视频目标特点,设计了一套包含了摄像机交互、图像处理、核心跟踪、图像显示四个模块的弹载目标跟踪系统,并设计了算法调试使用平台。经实验验证,该系统可以快速、准确的对弹载目标进行有效跟踪,且操作简便易于使用。     

A kernel approach to implementation of local linear discriminant analysis for face recognition

The multiple linear model is used successfully to extend the linear model to nonlinear problems. However, the conventional multilinear models fail to learn the global structure of a training data set because the local linear models are independent of each other. Furthermore, the local linear transformations are learned in the original space. Therefore, the performance of multilinear methods is strongly dependent on the results of partition. This paper presents a kernel approach for the implementation of the local linear discriminant analysis for face recognition problems. In the original space, we utilize a set of local linear transformations with interpolation to approximate an optimal global nonlinear transformation. Based on the local linear models in the original space, we derive an explicit kernel mapping to map the training data into a high‐dimensional transformed space. The optimal transformation is learned globally in the transformed space. Experimental results show that the proposed method is more robust to the partition results than the conventional multilinear methods. Compared with the general nonlinear kernels that utilize a black‐box mapping, our proposed method can reduce the negative effects caused by the potential overfitting problem. © 2016 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于强跟踪UKF的视频目标跟踪算法

针对无迹卡尔曼滤波（unscented Kalman filter ,UKF）在非线性系统状态估计中存在的跟踪缓慢和稳态偏差问题,提出一种基于强跟踪UKF的视频目标跟踪算法。该算法以无迹变换（unscented transform ,UT）为基础,结合强跟踪滤波器和UKF滤波器的优点,在状态预测协方差矩阵中引入时变渐消因子调节卡尔曼增益,强迫输出残差序列保持正交,并提取残差序列的有效信息,提高滤波器对状态变化的跟踪能力。仿真结果表明,利用强跟踪UKF算法对视频中的运动目标进行跟踪,具有更高的跟踪精度,状态滤波均方误差更小。     

基于分形维和局部切空间均值重构的非线性降噪方法

基于主流形识别的非线性降噪方法中,约简目标维数选择随意和相空间数据在降维、全局排列和反求过程中可能畸变,使得降噪效率和效果降低。针对此问题,提出一种新的基于分形维和局部切空间重构的降噪算法。将主流形识别降噪通过仿射变换求解全局低维主流形的过程,变为对局部切空间低维坐标进行全局均值重构直接获取降噪后的全局相空间信号,并用分形几何方法估计信号的本征维数,以此作为主流形提取时的约简目标维数,在此维数空间之外的向量数据作为噪声进行消除。对混沌含噪信号和风机振动信号的降噪实验表明本文方法具有更好的降噪效果。     

基于深度强化学习的两阶段显著性目标检测

为提高复杂场景下的显著性目标检测速度和精度,提出了一种基于深度强化学习的两阶段显著性目标检测方法.该算法由显著性区域定位网络(salient region localization network,SRLN)和显著性目标分割网络(salient object segmentation network,SOSN)组成,分...     

基于ESKF-MPC的四旋翼无人机轨迹跟踪控制

四旋翼无人机的轨迹跟踪控制容易受到风扰和测量噪声的影响,针对上述问题, 提出了一种基于扩展状态卡尔曼滤波 (extended state based Kalman filter, ESKF)的模型预测控制(model predictive control, MPC)方法。 首先, 采用牛顿-欧拉方法建 立风扰影响下的四旋翼无人机动力学模型; 然后, 位置控制采用基于误差模型的 MPC 方法, 利用 ESKF 估计风扰并对控制量 进行前馈补偿; 采用反馈线性化方法将姿态动力学模型线性化, 并设计基于 ESKF-MPC 的姿态控制器;最后, 仿真结果表明测 量噪声方差为 0. 000 1 时该方法的位置跟踪均方误差比自抗扰控制方法的误差小 0. 013 m, 当方差大于 0. 000 1 时自抗扰控制 方法使得系统不稳定,而本文的方法仍可以实现较好的位置跟踪。     

A new segmented oversampling method for imbalanced data classification using quasi‐linear SVM

Data imbalance occurs on most real‐world classification problems and decreases the performance of classifiers. An oversampling method addresses the imbalance problem by generating synthetic samples to balance the data distribution. However, many of the existing oversampling methods have potential problems in generating wrong and unnecessary synthetic samples, which makes the learning tasks difficult. This paper proposes a new segmented oversampling method for imbalanced data classification. The input space is first partitioned into several linearly separable local partitions along the potential separation boundary by introducing a bottom‐up, minimal‐spanning‐tree‐based clustering method; an oversampling method is then applied within each local linear partition to prevent the generation of wrong and unnecessary synthetic samples; a quasi‐linear support vector machine is finally used to realize the classification by taking advantages of the local linear partitions. Simulation results on different real‐world datasets show that the proposed segmented oversampling method is effective for imbalanced data classifications. © 2017 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于直线近似和扰动观察的MPPT算法研究

针对光伏电池的最大功率点跟踪(MPPT)问题,基于光伏电池的等效电路,分别建立最大功率点电压与光伏电池温度和日照强度之间的近似直线模型,提出一种直线近似法和扰动观察法相结合的新型MPPT算法。该算法通过采集的光伏电池温度和日照强度确定近似直线模型的最大功率点电压,进而使光伏电池调整到最大功率点附近,再通过小步长的扰动观察法精确跟踪到光伏电池的最大功率点。仿真测试结果验证了该算法能准确估算最大功率点电压,并能快速、高效地跟踪到光伏电池最大功率点。     

A geometry‐based two‐step method for nonlinear classification using quasi‐linear support vector machine

This paper proposes a two‐step method to construct a nonlinear classifier consisting of multiple local linear classifiers interpolated with a basis function. In the first step, a geometry‐based approach is first introduced to detect local linear partitions and build local linear classifiers. A coarse nonlinear classifier can then be constructed by interpolating the local linear classifiers. In the second step, a support vector machine (SVM) formulation is used to further implicitly optimize the linear parameters of the nonlinear classifier. In this way, the nonlinear classifier is constructed in exactly the same way as a standard SVM, using a special data‐dependent quasi‐linear kernel composed of the information of the local linear partitions. Numerical experiments on several real‐world datasets demonstrate the effectiveness of the proposed classifier and show that, in cases where traditional nonlinear SVMs run into overfitting problems, the proposed classifier is effective in improving the classification performance. © 2017 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

Proposal of two-dimensional magnetic field analysis model for transverse magnetic flux type linear synchronous motor

A three-dimensional model is necessary for the magnetic field analysis of transverse magnetic flux type linear synchronous motors. However, it is unsuitable for design calculation because of the high calculation costs. In order to virtually represent the magnetic path of a three-dimensional arm on a two-dimensional model, we propose the use of virtual arms, which are provided above and below the armature core teeth. In the proposed two-dimensional model, almost the same thrust waveform is obtained with a calculation time of less than 1/30 compared with the threedimensional analysis. The proposed model is also applicable to transverse magnetic flux and longitudinal magnetic flux hybrid type linear synchronous motors.     

基于Q—学习的非线性控制

给出了一种新的激励学习（RL）方法，它能够有效地解决一个状态与动作空间为连续的非线性控制问题。在实际的应用中，离散的RL方法能把许多非线性控制问题分解成几个局部线性控制作业。提供了一种由简单的线性控制器和Q－学习构成的层次性RL算法。连续状态－动作空间被形象地分成为一些格子，并且每个格子都有它自己的局部线性控制器。状态空间的隔离是处理维数问题的一种相当简单的方法，但是经常会引起非Markov效果，而局部线性控制器能弥补这个缺陷。