基于Word2Vec模型特征扩展的Web搜索结果聚类性能的改进

对于用户泛化和模糊的查询，将Web搜索引擎返回的列表内容聚类处理，便于用户有效查找感兴趣的内容。由于返回的列表由称为片段（snippet）的短文本组成，而传统的单词频率-逆文档频率（TF-IDF）特征选择模型不能适用于稀疏的短文本，使得聚类性能下降。一个有效的方法就是通过一个外部的知识库对短文本进行扩展。受到基于神经网络词表示方法的启发，提出了通过词嵌入技术的Word2Vec模型对短文本扩展，即采用Word2Vec模型的TopN个最相似的单词用于对片段（snippet）的扩展，扩展文档使得TF-IDF模型特征选择得到聚类性能的提高。同时考虑到通用性单词造成的噪声引入，对扩展文档的TF-IDF矩阵进行了词频权重修正。实验在两个公开数据集ODP239和SearchSnippets上完成，将所提方法和纯snippet无扩展的方法、基于Wordnet的特征扩展方法和基于Wikipedia的特征扩展方法进行了对比。实验结果表明，所提方法在聚类性能方面优于对比方法。     

基于k-shell的复杂网络最短路径近似算法

复杂网络最短路径经典算法的处理效率较低，不适用于大规模复杂网络，而现有近似算法通用性有限，且计算准确率不理想，不能满足规模日益扩大的复杂网络中的最短路径计算需求。针对于此，提出基于[k]-shell的复杂网络最短路径近似算法。算法利用节点的[k]-shell值进行网络划分并引导搜索路径，利用超点聚合处理[k]-shell子网来降低路径搜索中节点和连边的规模，通过在路径搜索过程使用双向搜索树方法提高算法的计算效率和准确率。实验结果表明，算法通用性较好，在现实与仿真大规模复杂网络中均具有较高的计算效率和准确率。     

DCNN深度特征与交替方向乘子的相关滤波跟踪

针对采用相关滤波的判别式目标跟踪遇到的瓶颈问题：由于目标快速移动引起边界效应，使得相关滤波器在学习与更新过程中可能会引入错误，最终错误的累积将导致跟踪失败。在采集深度学习特征与样本相似性度量的基础上，提出一种引入交替方向乘子方法的改进相关滤波目标跟踪算法，选择DCNN深度特征有效地表征待跟踪目标的初始状态，通过在线分类过程中样本相似性比对与半监督学习，辅助解决相关滤波器在学习过程中存在的自学习问题。所提目标跟踪算法特别适合训练样本为持续获得的、同时存储空间较小的机器学习过程，提高目标在快速运动与部分遮挡等复杂情况下的跟踪成功率，针对VOT2016标准测试视频的实验表明：当目标面临快速运动时，对比CN、SAMF、STC算法，所提DA-CFT跟踪算法将跟踪成功率分别由60.4%～73.4%、67.2%～82.9%、80.9%～88.1%提升至85.6%～91.0%。     

基于结构光的星箭对接环相对位姿测量方法

空间非合作目标位姿测量是空间在轨维护的前提。面向空间机械手对空间载体自动抓捕的应用需求，提出了基于结构光的空间非合作目标视觉测量方法。该方法以双套双线结构光测量装置作为测量传感器，以空间载体上普遍存在的星箭对接环作为抓捕目标。根据对接环的共同特点，选择直线特征和点特征相结合作为相对位姿的求解特征；基于直线特征求解圆环平面法向量，基于点特征求解圆环圆心坐标，进而得到机械手工具坐标系与对接环坐标系间的相对位姿关系；基于多重几何约束实现了不同光照条件下图像上目标直线的鲁棒识别。建立了演示验证实验系统，在大量演示实验的基础上，进行了实验结果分析。     

新型消费类电子光互连应用

介绍了光互连在新型消费类电子市场,如高清多媒体接口(HDMI)、通用串行总线(USB)、Display Port、专业音视频以及分体式电视领域的新应用。采用板上芯片封装(COB)方案为基础的新型消费类电子市场有源光缆(AOC),以其低成本生产技术、小体积、支持多路光通道集成的特点,自2018年以来迅速得到了市场的认可。进一步介绍了具有代表性的HDMI、USB以及分体式电视AOC的性能特性以及市场应用。认为大量的新型光电产品将会出现在消费类电子市场。     

基于FPGA的拟色电子系统设计、测试与分析

提出了一种基于FPGA的拟色电子系统，采用CMOS摄像头采集环境图像，并利用三色 LED点阵实时、动态模拟环 境图像的相应变化，设计了基于串行、并行等两种工作方式的拟色电子系统，并测试和比较了两者的性能，结果表明:相比于并行工作方式，串行方式在满足本系统实时性要求(拟色周期约为 35.8 ｍｓ)的同时，还可有效减小系统体积和成本。     

应用膨胀算法提取目标的直接定位算法

为了解决被动雷达系统中的多发射源定位问题，提出了一种基于多重信号分类(MUSIC)算法和图像膨胀(IE)算法的直接定位方法。该方法结合了谱分析中的MUSIC思想，通过对接收量测协方差矩阵进行特征分析求解目标的位置。首先，在目标个数未知的前提下，利用Akaike信息准则(AIC)来确定模型阶数；然后，推导了基于MUSIC的定位代价函数；之后，利用图像膨胀算法处理得到的代价函数平面；最后，膨胀处理后的输出为目标个数及目标位置的估计值。提出的算法有效地解决了目标检测及提取的问题，能够确定多个目标的位置坐标，为后续的定位性能分析提供可能性，也保证了算法的完整性。进一步地分析了多个临近目标情况下影响目标提取性能的主要因素。