位置敏感哈希函数数据结构的概率分析

对于高维空间的近邻查找问题，位置敏感哈希（LSH）在查询代价和磁盘空间利用上有着出色表现。在传统分析模型下，LSH被视作随机算法，唯一不确定因素就是哈希函数的选择。研究中将这种模型下得到的碰撞概率称为基于哈希函数的碰撞概率。在本文中，使用了不同的分析模型对LSH作了理论分析。此工作的出发点有2个：1）在现有的分析模型下，用户为了达到理论的效果，必须对每个查询点产生随机的数据结构，这在实际应用中是不现实的。2）用户所关心的性能指标是随机查询点在一个数据结构上的期望碰撞概率。基于此，本篇论文即推导了在汉明距离下，随机点对在任意单个哈希函数上的碰撞概率。研究将此模型下推导出的碰撞概率称为基于随机查询的碰撞概率。同时也一并证明了在汉明空间中，2种碰撞概率完全相同。     

基于ALS模型协同过滤推荐算法的研究

针对协同过滤算法存在着数据稀疏性、准确性以及可扩展性问题,提出了一种结合Word2Vec词向量模型和LSH局部敏感哈希的矩阵分解推荐算法。首先通过Word2Vec模型高速将词的相似性转换为向量之间的相似性,然后基于改进的LSH局部敏感哈希高速计算项目向量之间的相似矩阵,最后结合用户-项目原评分矩阵计算出未评分项目的预评分进行数据的填充,同时在ALS矩阵分解阶段加入相似性,以减少隐含特征因子信息的丢失。实验结果表明,改进的算法比传统的协同过滤推荐算法的MAE值低,具有更优的性能。     

基于p-稳定分布局部敏感哈希地址的鲁棒音频检索方法

局部敏感哈希（Local-Sensitive Hashing, LSH）索引方法具有快速的优点,对数据规模具有子线性的时间复杂度。但是该方法对待检集合的选取要求苛刻,容易将带噪数据排除在待检集合之外,导致检索精度下降。针对这一缺点,本文从p-稳定分布理论出发,分析噪声对数据的局部敏感哈希地址的影响,并利用数据的哈希地址受噪声影响在原始地址附近偏移的特性,提出一种鲁棒的音频检索方法。该方法将LSH地址直接作为相似性判定的特征,并通过扩大检索范围来提高噪声鲁棒性。实验表明,所提方法在噪声鲁棒性方面优于LSH索引方法;进一步引入向量搜索算法优化后,其检索速度也可达到与LSH索引方法接近的水平。      

基于半导体横向光电效应的位置敏感探测器

综述了基于半导体横向光电效应的位置敏感探测器（PSD）的发展、工作原理及应用,展望了PSD的研究动态和发展前景。     

基于敏感位置识别的状态化简技术研究

模型构建是模型检验的基础,在微控制器代码模型构建过程中面临状态爆炸的问题。由于生成模型的状态数量与代码规模密切相关,通过简化代码可以有效缩减生成的状态数量。该文提出了敏感变量和敏感位置的概念,并以此为基础提出了结合子程序摘要信息的敏感位置识别算法;该算法从待验证的性质出发,提取敏感变量,识别代码中与敏感变量相关的敏感位置;模型构建过程中只对敏感位置对应代码进行建模,从而实现对模型状态的缩减。实验结果表明所提的方法能够有效缓解微控制器代码模型生成过程中的状态爆炸问题。     

位置敏感探测器的信号噪声自适应抑制方法

针对位置敏感探测器噪声来源及特点,提出了一种基于自适应FIR维纳滤波器的自适应抑制方法。该方法以维纳滤波器为数字滤波器,自适应地调整传输特性,提高PSD的信噪比,从而大幅提高了PSD应用系统的测量精度。     

位置敏感探测器测量电路噪声分析

位置敏感探测器（PSD）的特点是位置测量分辨力高,测量装置建立简单,测量结果比较直观。对PSD测量电路等效噪声进行测试分析,获得一系列模拟结果,明确了电路噪声是影响位置测量分辨力的重要因素。以一维PSD器件S3932为例,按照建立的模拟模型,得出要获得1μm的位置分辨力,器件的工作光电流应大于7μA,该模拟结果可以作为PSD测量电路设计的一个重要参考。     

基于位置敏感探测器的组合导航技术研究

为了减小现有小型旋翼类无飞机飞行过程中卫星/惯性组合导航系统的制导误差，提高其导航系统定位精确度，提出2维位置敏感探测器激光制导与机载卫星/惯性组合导航系统结合的新型导航系统方案。该系统利用1064nm红外脉冲激光作为引导光源，采用中间飞行段卫星/惯性导航、末端飞行段激光照射制导结合的方式，进行了理论分析和对比实验验证。结果表明，在室外飞行环境和室内强、弱、正常光照飞行环境下，该系统始终保持较高的定位精度和结果一致性；相对比其它现有制导方式，该系统的探测频率始终保持5kHz、定位精度始终保持其圆形概率误差处于0.10m数量级，取得了较好的定位实验结果。该系统具有鲁棒性强、电路简单、探测灵活、高速精确的特征，对无人机末端制导具有重要意义。     

位置敏感探测器光斑脱靶误差补偿方法研究

为了提高位置敏感探测器(PSD)的位置检测范围,解决光斑在探测器光敏面脱靶时无法准确定位光斑的问题,提出一种光斑脱靶误差补偿方法,分析了脱靶前后PSD检测光斑能量重心变化规律,建立了PSD光强信号与位置检测误差间的函数关系。实验结果表明:当PSD光敏面尺寸为12mm×12mm时,对于半径为5mm的高斯光斑,通过所提出的光斑补偿方案补偿后PSD的X轴检测范围提高了66.7%,位置检测平均相对误差不超过5%,该方法对提高PSD位置检测性能具有重要的意义。     

基于改进LSDA的人体行为识别算法

提出了一种基于改进的局部敏感判别分析(LSDA)的人体行为识别算法.首先,利用样本间的距离信息重置类内最近邻点集和类间最近邻点集的权值矩阵,保证在最大化目标函数时尽可能保持局部线性重构特性,解决小样本难题;然后,通过Gran-Schmidt正交化方法将特征矩阵进行正交化,可有效地保留原始空间中的高维空间,解决图像特征重建难题;最后在Weizmann行为数据库进行实验,平均正确识别率达到98.21％.试验结果表明,该算法具有良好的分类性能,在不同训练样本个数下,该算法均能获得较高的识别率.     

M2LSH:基于LSH的高维数据近似最近邻查找算法

在许多应用中,LSH(Locality Sensitive Hashing)以及各种变体,是解决近似最近邻问题的有效算法之一.虽然这些算法能够很好地处理分布比较均匀的高维数据,但从设计方案来看,都没有针对数据分布不均匀的情况做相应的优化.针对这一问题,本文提出了一种新的基于LSH的解决方案(M2LSH,2 Layers Merging LSH),对于数据分布不均匀的情况依然能得到一个比较好的查询效果.首先,将数据存放到具有计数功能的组合哈希向量表示的哈希桶中,然后通过二次哈希将这些桶号投影到一维空间,在此空间根据各个桶中存放的数据个数合并相邻哈希桶,使得新哈希桶中的数据量能够大致均衡.查询时仅访问有限个哈希桶,就能找到较优结果.本文给出了详细的理论分析,并通过实验验证了M2LSH的性能,不仅能减少访问时间,也可提高结果的正确率.     

一种基于随机化视觉词典组和查询扩展的目标检索方法

在目标检索领域,当前主流的解决方案是视觉词典法(Bag of Visual Words, BoVW),然而,传统的BoVW方法具有时间效率低、内存消耗大以及视觉单词同义性和歧义性的问题。针对以上问题,该文提出了一种基于随机化视觉词典组和查询扩展的目标检索方法。首先,该方法采用精确欧氏位置敏感哈希(Exact Euclidean Locality Sensitive Hashing, E2LSH)对训练图像库的局部特征点进行聚类,生成一组支持动态扩充的随机化视觉词典组;然后,基于这组词典构建视觉词汇分布直方图和索引文件;最后,引入一种查询扩展策略完成目标检索。实验结果表明,与传统方法相比,该文方法有效地增强了目标对象的可区分性,能够较大地提高目标检索精度,同时,对大规模数据库有较好的适用性。     

基于多表频繁项投票和桶映射链的快速检索方法

为解决基于随机映射的高维向量快速检索方法位置敏感哈希存在的随机性强和内存消耗大两个问题,在E2LSH(Exact Euclidean Locality Sensitive Hashing)的基础上提出了基于多表频繁项投票和桶映射链的快速检索方法。该方法用检索结果构造基准索引矩阵,并对基准索引矩阵进行频繁项投票和校正得出最终索引来降低检索的随机性;桶映射链利用E2LSH的数据划分特性减少检索时读入内存的数据点的数目,以此来降低内存消耗。实验证明该方法能减弱检索的随机性,并有效地降低检索的内存消耗。这对于提高大规模信息检索尤其是图像检索的可行性有着较大的作用。     

基于弱监督E2LSH和显著图加权的目标分类方法

在目标分类领域,当前主流的目标分类方法是基于视觉词典模型,而时间效率低、视觉单词同义性和歧义性及单词空间信息的缺失等问题严重制约了其分类性能。针对这些问题,该文提出一种基于弱监督的精确位置敏感哈希(E2LSH)和显著图加权的目标分类方法。首先,引入E2LSH算法对训练图像集的特征点聚类生成一组视觉词典,并提出一种弱监督策略对E2LSH中哈希函数的选取进行监督,以降低其随机性,提高视觉词典的区分性。然后,利用GBVS(Graph-Based Visual Saliency)显著度检测算法对图像进行显著度检测,并依据单词所处区域的显著度值为其分配权重;最后,利用显著图加权的视觉语言模型完成目标分类。在数据集Caltech-256和Pascal VOC 2007上的实验结果表明,所提方法能够较好地提高词典生成效率,提高目标表达的分辨能力,其目标分类性能优于当前主流方法。     

基于改进哈希算法的图像检索方法

当前主流图像检索技术所采用的传统视觉特征编码缺少足够的学习能力,影响学习得到的特征表达能力。此外,由于视觉特征维数高,会消耗大量的内存,因此降低了图像检索的性能。文中基于深度卷积神经网络与改进的哈希算法,提出并设计了一种端到端训练方式的图像检索方法。该方法将卷积神经网络提取的高层特征和哈希函数相结合,学习到具有足够表达能力的哈希特征,从而在低维汉明空间中完成对图像数据的大规模检索。在两个常用数据集上的实验结果表明,所提出的哈希图像检索方法的检索性能优于当前的一些主流方法。     

基于随机化视觉词典组和上下文语义信息的目标检索方法

 传统的视觉词典法(Bag of Visual Words,BoVW)具有时间效率低、内存消耗大以及视觉单词同义性和歧义性的问题,且当目标区域所包含的信息不能正确或不足以表达用户检索意图时就得不到理想的检索结果.针对这些问题,本文提出了基于随机化视觉词典组和上下文语义信息的目标检索方法.首先,该方法采用精确欧氏位置敏感哈希(Exact Euclidean Locality Sensitive Hashing,E²LSH)对局部特征点进行聚类,生成一组支持动态扩充的随机化视觉词典组;然后,利用查询目标及其周围的视觉单元构造包含上下文语义信息的目标模型;最后,引入K-L散度(Kullback-Leibler divergence)进行相似性度量完成目标检索.实验结果表明,新方法较好地提高了目标对象的可区分性,有效地提高了检索性能.     

一种基于V／F变换的数字相敏检测方法

本文提出一种基于电压频率变换（Ｖ／Ｆ）的数字相敏检测方法。这种方法可对被检测信号进行矢量分析，文中分析了这种数字相敏检测方法在加性高斯白噪声和谐波干扰环境下的检测性能，并给出了这种方法与常用的正交采样法的计算机模拟比较结果，此外，文中还给出了本文所提出方法用微处理器实现的结构。     

一种高可靠大容量星载存储器的设计与研究

凭借着存储密度大和存储速率高的特点,基于NANDFlash的大容量存储器在星载存储领域得到了广泛的应用,由于NAND Flash本身存在缺陷,基于NAND Flash的大容量存储器在恶劣环境下的可靠性难以保证.提出了通过FPGA设计SRAM对关键数据三模冗余读取和缓冲、NAND Flash阵列热备份和数据的回放校验以及合理的坏块管理等措施,实现了高可靠性的大容量存储器.实验说明该系统不会因为外在偶然因素而造成数据的不完整,而且整个存储系统的成本开销相对于目前的星载存储器也非常低.     

基于快速搜索的运动目标检测算法

对高分辨率下的运动目标检测算法提出一种基于快速搜索的改进方案，通过对本方案的理论分析与实验研究，表明当运动目标在整个扫描图像中所占比例较小时，与一般算法相比，此方案可以有效地提高运动目标的检测速度，在本文的实验中提高100多倍。结果表明议价方案不仅能明显提高了检测的实时性，而且能给出更加精确的目标边界。