基于低分辨率图像的自适应超分辨率重构算法

提出一种适用于内部独立运动、静态等多种模型的、基于多幅低分辨率图像的超分辨率重构算法。该算法赋予各低分辨率图像不同的权重和正则化参数,在每次迭代时对权重系数和正则化参数进行更新,采用松弛迭代法得到最优解,从而获得重构图像。实验结果表明,该算法获得的重构图像效果优于双三次B样条插值法和传统的最大后验概率估计方法。     

自适应正则MAP的CT图像重建方法研究

提出了一种基于自适应正则最大后验概率估计（MAP）的计算机断层（CT）图像重建方法,该方法可以自适应地选择正则化参数,并充分利用每一次迭代的重建结果的信息,不断对其进行更新,通过多次迭代得到最终的重建图像。通过对头部模型的一个切片进行仿真实验,验证了该方法的可行性。用实际实验数据,与传统的方法、最大似然期望（ML-EM）算法和滤波反投影（FBP）算法相比较,表明该方法适用性较强,能较好地保持图像的边缘信息,而且图像的信噪比较高。     

基于高斯混合模型聚类的非均匀采样系统的多模型切换辨识

从概率统计方法出发,提出一种基于高斯混合模型聚类与递推最小二乘算法的非均匀采样系统的多模型建模方法.首先,采用高斯混合模型作为调度函数,使用最大期望(EM)算法迭代更新估计高斯混合模型中参数,从而通过每个子系统的高斯概率密度函数计算和比较来确定子系统的激活情况; 其次,采用递推最小二乘算法估计局部子系统参数;然后,使用鞅收敛定理对所提出的算法性能进行分析; 最后,通过非均匀采样系统的多模型建模来证明所提出方法的有效性.     

一种改进的高斯混合概率假设密度SLAM算法

针对高斯混合概率假设密度SLAM(GMPHD-SLAM)算法存在的估计精度低和计算代价高的问题,提出一种无迹高斯混合概率假设密度SLAM算法(unscented-GMPHD-SLAM).其主要特点在于:将无迹卡尔曼滤波器应用于机器人位姿粒子权重计算及概率假设密度更新过程中,可提高算法整体估计性能;将更新的高斯项按照传感器视域分类,有效降低了算法计算量.通过仿真实验,将所提出算法与传统PHD-SLAM算法进行比较,结果表明该算法在提高估计精度和降低计算负担方面是十分有效的.     

基于全概率更新的改进RANSAC算法

针对鲁棒性模型估计问题,提出一种基于全概率更新的改进RANSAC算法.该方法利用混合分布模型获取测试样本点的初始概率估计.在RANSAC算法框架下,根据模型估计与测试样本点对一致集的适应度建立全概率评价准则.在此基础上,采用逆变映射作为采样策略,提高了算法的收敛速度;同时,运用测试点平均概率对所提出算法进行了收敛性分析.最后,通过仿真与实际图像匹配实验进一步验证了所提出算法的有效性与可行性.     

基于Earley算法的多功能雷达文法概率快速学习算法

针对基于随机上下文无关文法（SCFG）建模的多功能雷达（MFR）概率学习问题,在传统Inside-Outside（IO）算法和Viterbi-Score（VS）算法的基础上,提出一种基于Earley算法的多功能雷达文法概率快速学习算法。该算法通过对截获的雷达数据进行预处理,构造可以反映派生过程的Earley剖析表,并且基于最大子树概率原则从剖析表中提取出最优剖析树,利用改进的IO算法和改进的VS算法对文法概率进行学习,实现MFR参数估计,得到文法参数后,再利用Viterbi算法对MFR状态进行估计。理论分析和实验仿真表明,与IO算法和VS算法相比,改进算法在保持估计精度的同时,可以有效降低计算复杂度和减少运行时间,验证了Earley算法能够提高文法概率的学习速度。     

改进收敛因子和比例权重的灰狼优化算法

在分析灰狼优化算法不足的基础上,提出一种改进的灰狼优化算法（CGWO）,该算法采用基于余弦规律变化的收敛因子,平衡算法的全局搜索和局部搜索能力,同时引入基于步长欧氏距离的比例权重更新灰狼位置,从而加快算法的收敛速度。对8个经典测试函数进行仿真实验,结果表明CGWO算法的求解精度更高,稳定性更好。最后以预测谷氨酸菌体生长浓度为例,利用CGWO算法估计Richards模型的参数,以均方根误差和平均绝对误差作为评价指标,与PSO算法、GA算法和VS-FOA算法的结果进行比较,CGWO算法可以有效地估计Richards模型中的参数。     

基于Unscented卡尔曼滤波的室内定位

基于RSSI值的测距技术中,通过对天线全向性问题的分析,提出基于Unscented卡尔曼滤波（UKF）的定位算法。利用基于RSSI值的测距模型进行距离测量,并使用Unscented卡尔曼滤波算法估计节点坐标。由于RSSI值的测量和测距模型参数受到环境的影响,采用高斯滤波对RSSI值进行优化,对环境参数使用线性回归算法进行优化并采用自适应机制更新。通过与最大似然估计法（ML）的比较实验表明,该算法能有效地减小定位误差,提高定位精度。     

融合密度峰值的高斯混合模型聚类算法

针对高斯混合模型（GMM）聚类算法对初始值敏感且容易陷入局部极小值的问题,利用密度峰值（DP）算法全局搜索能力强的优势,对GMM算法的初始聚类中心进行优化,提出了一种融合DP的GMM聚类算法（DP-GMMC）。首先,基于DP算法寻找聚类中心,得到混合模型的初始参数;其次,采用最大期望（EM）算法迭代估计混合模型的参数;最后,根据贝叶斯后验概率准则实现数据点的聚类。在Iris数据集下,DP-GMMC聚类准确率可达到96.67%,与传统GMM算法相比提高了33.6个百分点,解决了对初始聚类中心依赖的问题。实验结果表明,DP-GMMC对低维数据集有较好的聚类效果。     

图像分割中改进空间约束贝叶斯网络模型的应用

针对马尔可夫链蒙特卡罗方法普遍存在的迭代收敛性问题,在具有空间平滑约束的高斯混合模型条件上提出改进空间约束贝叶斯网络模型并在图像分割领域进行具体应用。所提模型应用隐狄利克雷分布（LDA）概率密度模型和高斯-马尔可夫定理的随机域参数混合过程来实现参数平滑。所提方法根据空间信息先验平滑变换操作,在待处理像素点的上下文混合结构中引入LDA符合多项式分布,用来替换传统期望最大化算法中映射操作。LDA参数采用闭合形式将有利于准确估计最大后验概率（MAP）框架与上下文混合结构的相关比例。实验结果表明,应用PRI、VoI、GCE和BDE指标进行效果比较,该方法比联合系统工程组（JSEG）、当前变换矩阵（CTM）和最大后验概率-最大似然法（MM）方法的图像分割应用效果较好,高斯噪声对于该算法的鲁棒性影响较小。     

基于集成分类器的数据流分类算法

作为一种典型的大数据,数据流具有连续、无限、概念漂移和快速到达等特点,因此传统的分类技术无法直接有效地应用于数据流挖掘。本文在经典的精度加权集成（Accuracy weighted ensemble,AWE）算法的基础上提出概念自适应快速决策树更新集成（Concept very fast decision tree update ensemble,CUE）算法。该算法不仅在基分类器的权重分配方面进行了改进,而且在解决数据块大小的敏感性问题以及增加基分类器之间的相异性方面,有明显的改善。实验表明在分类准确率上,CUE算法高于AWE算法。最后,提出聚类动态分类器选择（Dynamic classifier selection with clustering,DCSC）算法。该算法基于分类器动态选择的思想,没有繁琐的赋权值机制,所以时间效率较高。实验结果验证了DCSC算法的有效和高效性,并能有效地处理概念漂移。     

Accuracy assessment of land surface temperature retrievals from MSG2-SEVIRI data

The accuracy of the Land Surface Temperature (LST) product generated operationally by the EUMETSAT Land Surface Analysis Satellite Applications Facility (LSA SAF) from the data registered by the Spinning Enhanced Visible and Infrared Imager (SEVIRI) on board the geostationary METEOSAT Second Generation 2 (MSG2, Meteosat 9) satellite was assessed on two test sites in Eastern Spain: a homogeneous, fully vegetated rice field and a high-plain, homogeneous area of shrubland. The LSA SAF LSTs were compared with ground LST measurements in the conventional temperature-based (T-based) method. We also validated the LSA SAF LST product by using an alternative radiance-based (R-based) method, with ground LSTs calculated from MSG-SEVIRI channel 9 brightness temperatures (at 10.8 μm) through radiative transfer simulations using atmospheric temperature and water vapor profiles together with surface emissivity data. Two lakes were also used for validation with the R-based method. Although the LSA SAF LST algorithm works mostly within the uncertainty expectation of ± 2 K, both validation methods showed significant biases for the LSA SAF LST product, up to 1.5 K in some cases. These biases, with the LSA SAF LST product overestimating reference values, were also observed in previous studies. Nevertheless, the present work points out that the biases are related to the land surface emissivities used in the operational generation of the product. The use of more appropriate emissivity values for the test sites in the LSA SAF LST algorithm led to better results by decreasing the biases by 0.7 K for the shrubland validation site. Furthermore, we proposed and checked an alternative algorithm: a quadratic split-window equation, based on a physical split-window model that has been widely proved for other sensors, with angular-dependent coefficients suitable for the MSG coverage area. The T-based validation results for this algorithm showed LST uncertainties (robust root-mean-squared-errors) from 0.2 K to 0.5 K lower than for the LSA SAF LST algorithm after the emissivity replacement. Nevertheless, the proposed algorithm accuracies were significantly better than those obtained for the current LSA SAF LST product, with an average accuracy difference of 0.6 K.     

Active replication of multithreaded applications

Software-based active replication is expensive in terms of performance overhead. Multithreading can help improve performance; however, thread scheduling is a source of nondeterminism in replica behavior. To achieve strong replica consistency in multithreaded environments, this paper proposes intercepting mutex lock/unlock operations performed by threads on accessing the shared data and contributes with two algorithmic solutions: 1) a loose synchronization algorithm (LSA), which captures the natural concurrency in a leader replica and projects it on follower replicas through interreplica communication, and 2) a preemptive deterministic scheduler (PDS) algorithm, which removes the need for interreplica communication through the notion of round and by suspending threads when it is unable (yet) to schedule them deterministically. Failure behavior and performance of LSA and PDS implementations are evaluated in a triplicated system and compared with existing solutions. A performance evaluation indicates that LSA and PDS outperform existing solutions, with PDS offering lower throughput than LSA. A fault-injection campaign shows that PDS is more robust to errors due to the absence of interreplica communication. Hence, LSA and PDS represent a trade-off between performance and dependability. Finally, LSA and PDS are demonstrated in replicating the Apache Web server, a substantial real-world application.     

基于解相关变步长的改进型语音增强算法

复杂环境中噪声干扰严重影响语音信号的质量,无法正确传达语义,因此语音增强处理十分必要。传统语音增强技术存在适应性差、输入信号高度相关时收敛速度慢等问题。综合变步长最小均方(VSSLMS)算法与解相关的优点,提出了一种改进的语音增强算法,优化自适应滤波算法中步长的大小和权矢量的更新方向,提高语音降噪收敛速度。同时算法引入了连续块处理理论归一化权矢量,以提高其在嵌入式系统实现上的稳定性。仿真测试表明该算法收敛速度快、跟踪性能强,能有效去除强噪语音信号中的噪声,提高语音的清晰度与可懂度。     

Lightning search algorithm

This paper introduces a novel metaheuristic optimization method called the lightning search algorithm (LSA) to solve constraint optimization problems. It is based on the natural phenomenon of lightning and the mechanism of step leader propagation using the concept of fast particles known as projectiles. Three projectile types are developed to represent the transition projectiles that create the first step leader population, the space projectiles that attempt to become the leader, and the lead projectile that represent the projectile fired from best positioned step leader. In contrast to that of the counterparts of the LSA, the major exploration feature of the proposed algorithm is modeled using the exponential random behavior of space projectile and the concurrent formation of two leader tips at fork points using opposition theory. To evaluate the reliability and efficiency of the proposed algorithm, the LSA is tested using a well-utilized set of 24 benchmark functions with various characteristics necessary to evaluate a new algorithm. An extensive comparative study with four other well-known methods is conducted to validate and compare the performance of the LSA. The result demonstrates that the LSA generally provides better results compared with the other tested methods with a high convergence rate.     

连续型CGA算法的研究

为了降低遗传算法中连续编码个体对于存储空间的耗费,提出了一种能处理连续编码优化问题的改进CGA算法.通过建立有效的二维概率向量描述连续个体,并且推导相应的概率向量更新规则和初始值取值来构筑算法模型.连续型CGA算法将概率进化的思想应用到连续编码个体,克服了开辟大量存储空间保存个体信息的不足.仿真实验对比分析连续型CGA算法和一般遗传算法(Simple Genetic Algorithm,SGA)在处理连续问题上的性能,结果证明了该算法很好的达到了一般遗传算法的性能,同时有效减少了存储空间的耗费,并且对于算法中止条件的判断也要强于一般遗传算法.     

簇中心初始选择策略与更新异权机制相耦合的MDBA算法

在聚类任务中,初始簇中心的选取和更新方式影响聚类结果的准确性.针对现有DBA算法初始簇中心选择的不确定性、簇中心更新序列的差异性以及算法复杂度高、收敛性差等问题,提出了一种融合簇中心初始选择策略与更新异权机制的MDBA算法.MDBA算法针对DBA算法中初始簇中心选取的不确定性问题,通过选取数据集中惯性最小的时间序列作为...     

链路感知的传感器网络空间范围查询处理算法

在无线传感器网络环境中,用户经常提交空间范围查询以获取网络某局部区域的统计信息,如最大温度、平均湿度等。现有的基于路线的空间范围查询处理算法假设节点通信模型为理想的圆盘模型,而实际的网络并不满足该假设,导致其能量消耗大且查询结果质量差。提出了一种链路感知的空间范围查询处理算法LSA,它根据网络拓扑和链路质量动态地将查询区域划分为若干个网格,依次收集各网格中节点的感知数据,以生成最终的查询结果。LSA算法通过遍历查询区域内的所有网格,保证了算法查询结果的质量。提出了启发式的网格划分方法以降低节点间数据通信的丢包率,给出链路感知的数据收集算法,以减少算法的能量消耗,提高查询结果的质量。通过仿真实验系统地分析和比较了LSA算法和现有的IWQE算法的能量消耗及查询结果质量,结果表明,在绝大多数情况下,LSA算法优于IWQE算法。     

改进的粒子群算法在轧制负荷分配中的优化

针对带钢热连轧精轧机组中负荷分配的优化问题,提出一种基于经验的自适应双层粒子群优化算法(ADLPSO-EM)。每次种群迭代后,对记忆群体通过改进的更新公式进行更新。利用改进的自适应调整惯性权重的策略充分增强种群的多样性,提高全局搜索能力。最后,在将其应用于热连轧负荷分配问题时,通过以经验法得到的值产生一个搜索邻域,并通过变邻域求出最后的负荷分配。仿真结果表明,改进的算法对负荷分配优化具有明显的效果。