分段抽样模型中抽中目标的概率分析

为了增大基于种群操作的搜索技术在有限时间内捕捉到决策空间中的特定目标的概率,基于古典概率模型建立不划分的随机抽样模型和划分成多个子区域的随机抽样模型(简称划分模型),分析比较了两个模型分别进行多次独立随机抽样至少抽中1次特定目标的概率,并证明：当总体中特定目标的数量为1或2时,划分模型抽中特定目标的概率恒大于不划分模型的概率。     

装备备件储供管理策略研究综述

装备备件储供管理是综合反映装备产品质量和企业服务效果的有效途径之一，其本质是用于满足各类装备维修保障需求的物流活动，其全过程的管理就是对备件的采购、仓储、配置、供应等的控制，相应的管理策略就是针对以上各环节所设计的理论、方法。主要采取统计计量和文献分析的方法，在总结梳理装备维修备件储供涉及的需求预测、分类库存和配送供应3个阶段管理策略研究现状的基础上，讨论装备维修备件储供管理同前沿技术的融合发展趋势，并进一步提出“虚实共生式”“沉浸可视化”“功能集成型”“异地同步性”的管理展望，以期为装备备件储供管理策略的制定和实施提供理论参考和应用发展思路。     

动态环境下视觉定位与建图的运动分割研究进展

动态环境中视觉定位与建图系统受环境中动态物体的影响，定位与建图误差增加同时鲁棒性下降。而对输入图像的运动分割可显著提高动态环境下视觉定位与建图系统的性能。动态环境中的动态物体可分为运动物体与潜在运动物体。当前动态物体识别方法存在运动主体混乱、实时性差的问题。因此，综述了视觉定位与建图系统在动态环境下的运动分割策略。首先，从场景的预设条件出发，将运动分割策略分为基于图像主体静止假设方法、基于先验语义知识的方法和不引入假设的多传感融合方法；然后，对这三类方法进行总结，并分析各方法的准确性和实时性；最后，针对视觉定位与建图系统在动态环境下运动分割策略的准确性、实时性难以平衡的问题，讨论并展望了动态环境下运动分割方法的发展趋势。     

融合视觉信息的语义导航实体搜索算法北大核心

为解决家庭服务机器人在实体搜索缺乏语义信息的问题,研究融合视觉信息的语义导航实体搜索算法。首先,提出基于Places205-AlexNet的场景自适应识别算法,以促进机器人对场景标注的自适应性;其次,设计实体在语义地图上的位置映射方法,帮助机器人能以人的生活习惯理解人类居住环境,具备室内物体识别能力;然后,为了获取场景信息和物体语义信息,提出了面向语义导航的实体语义知识库构建方法,使机器人进行实体搜索时能更容易定位到场景;最后,在给出基于面向语义导航的实体语义知识库构建方法的基础上,提出了融合视觉信息的语义导航实体搜索算法。实验数据表明,机器人执行实体搜索的导航准确率均在0.75以上,这证明所提出的算法能够获得较准确的场景信息和实体语义信息。