移动协作学习的上下文感知模型研究

根据移动协作学习的特点和个性化需求,提出了一种移动协作学习的上下文感知计算模型(M-CCLM),包括上下文信息获取、表达、优化和推理.基于上下文逻辑给出了上下文融合的优化算法和决策行动的贝叶斯推理算法.通过实例说明了模型的应用方法.     

基于视觉感知的图形化人机交互界面分层模型

由于传统方法没有通过特征提取方法获取图像关键滤波纹理系数,导致人机交互界面图像存在增强效果不佳,非平缓区域、曲面区域等不同层次信息量不丰富的问题,为解决上述问题,设计了基于视觉感知的图形化人机交互界面分层模型.构建图像处理模型,采用边缘轮廓特征提取方法,获取关键滤波纹理系数与边缘轮廓信息分量等特征信息.使用层次分析方法对交互界面视觉传达效果进行优化.以交互界面各个区域视觉感知强度和边缘轮廓内视觉感知元素重要度为基础,建立基于视觉感知强度的图形化人机交互界面分层优化模型,并通过遗传算法求解该模型,实现图形化人机交互界面的分层优化.实验结果显示,上述模型的图像亮度增强效果更优,符合人眼视觉感知要求;信息熵始终处在较高数值,具有较好的图像融合效果,信息量丰富.     

协同学习环境中的嵌套式知识空间模型和感知处理

为使协同学习环境能提供合理的学习导航和灵活的感知处理,提出了嵌套式知识空间模型,其中包含知识域、知识域之间的4种关系和知识空间等．根据该模型建立的协同学习环境,可以对系统中的文档资料进行有效的组织和管理,帮助学习者找到学习目标以及所需的资料进行学习．为了消除用户在远程协同学习环境中的“孤独感”,在嵌套式知识空间模型的基础上,提出了协同学习环境中的多级感知处理模型．它包括两种感知方式：多层感知空间方式和定制监测方式．此外在感知处理模型中,为用户提供了信息过滤器和隐私保护器,可有效地进行信息过滤和隐私保护．     

基于能力机会意图模型的网络安全态势感知方法

网络安全态势感知是提高安全管理员对网络整体安全状况掌控能力的重要技术手段。针对现有网络安全态势感知方法评估要素不够全面的问题,从攻击方、防护方、网络环境三方面出发构建了网络安全态势感知的能力机会意图模型,引入不确定推理模型解决了安全态势要素间的不确定影响关系,给出了能力指数、机会指数和意图指数的计算方法,并介绍了详细的网络安全态势感知方法。使用林肯实验室的公开数据集进行了实验,结果表明本文方法评估要素更为全面,评估结果符合实际情况。     

基于听觉感知模型的自适应音频数字水印算法

提出了一种基于听觉感知模型的自适应音频数字水印算法。该算法采用了适合于时变信号分析的小波包来分解音频信号。小波包分解满足心理声学模型所需的频率分辨率,可直接在小波域中计算掩蔽阈值,而不需像MEGP等算法那样进行FFT运算,从而大大降低了计算的复杂程度。实验结果表明,水印系统对MP3压缩、噪声干扰、重量化、低通滤波攻击有一定的鲁棒性。     

机器人视觉听觉融合的感知操作系统

智能机器人面对复杂环境的操作能力一直是机器人应用领域研究的前沿问题,指称表达是人类对指定对象定位通用的表述方式,因此这种方式常被利用到机器人的交互当中,但是单一视觉模态并不足以满足现实世界中的所有任务。因此本文构建了一种基于视觉和听觉融合的机器人感知操作系统,该系统利用深度学习算法的模型实现了机器人的视觉感知和听觉感知,捕获自然语言操作指令和场景信息用于机器人的视觉定位,并为此收集了12类的声音信号数据用于音频识别。实验结果表明:该系统集成在UR机器人上有良好的视觉定位和音频预测能力,并最终实现了基于指令的视听操作任务,且验证了视听数据优于单一模态数据的表达能力。     

视觉计算--人类感知能力的延伸

从２０世纪５０年代开始,计算机开始被作为实现人工智能和人类感知的工业,借助计算机,人类第一次可以像借助机械实现对体力的延伸一样实现对脑力和感知能力的延伸。从６０年代初开始,围绕计算机视觉进行了大量的研究。本文回顾了近４０年来计算机视觉研究的进展情况,对其中一一些重要进展包括立体视觉、从各种线索恢复开头以及运动分析主主动视觉等主流技术和方法进行了综述,对计算机视觉技术的主要应用进行了概括。在分析了这     

基于协同感知的视觉选择注意计算模型

鉴于在任务相关的视觉注意中,需要建立基于任务的视觉注意显著图来引导视觉注意,为此利用与人认知过程相接近的协同感知理论来研究基于任务的视觉注意计算模型,即首先利用协同识别理论研究二义及多义模式的视觉感知,得到协同视觉感知理论;然后将协同视觉感知中的模式与从视觉注意模型中提取的底层视觉特征相对应,利用偏置矩阵的性质计算底层视觉特征间受任务影响而产生的偏置,再由此偏置和底层视觉特征生成基于任务的视觉注意显著图;最后提出了基于协同感知理论的视觉选择注意计算模型。该算法用于基于任务的视觉搜索的实验结果表明,该算法是有效的,在认知上是合理的。     

多学科协同设计模型感知研究*

为了解决多学科异构系统中产品设计模型之间设计修改的感知问题, 针对设计模型和分析模型提出由模型寻找到协同适应的模型感知应用方法,阐述了各学科之间协同感知过程、感知之后映射关系更新和分析模型修改的实现流程,将传统的人与人感知模式转变为模型到模型感知模式。通过分析模型修改方法实现设计模型到分析模型的感知处理,重新处理分析模型。最后通过感知表达方法实现分析模型到设计模型的感知表达,将分析结果可视化反映到设计模型上。     

一种用于复杂目标感知的视觉注意模型

针对自然场景图像中复杂结构目标的快速定位问题,提出一种新的视觉注意模型。对目标进行学习提取显著性图斑,将图斑的特征信息、异质图斑之间的相对位置关系引入视觉注意过程,采用基于图匹配的图斑搜索策略合并与目标特征相似的异质图斑,从而获得注意焦点。与自底向上的视觉注意模型进行实验对比,结果表明该模型能引入复杂结构目标的特征信息和结构信息,降低无效关注次数,提高视觉注意的效率。     

感知Agent的基本模型研究

抓住Agent的性质,利用动态模糊集的思想,构造和设计了感知Agent。的基本模型,并给出了相关理论基础。通过本文的研究将为人们设计感知Agent奠定了新的理论模型和方法。     

双眼立体感知几何模型的研究

利用普通针孔成象的双摄像模型对双眼立体感知几何模型进行了研究，详细讨论了体视象空间的视觉重构，最后通过实验分析了影响体视的因素。     

基于反射感知模型的人脸识别算法研究

针对复杂的光照条件人脸识别问题，提出一种基于反射感知模型的光照补偿算法。通过模拟人类视觉成像系统，从成像[S]估计出照度[L]，剔除并分解出入射度[R]，从而消除不同强度、不同方向光源带来的光照不均的影响，达到光照补偿的目的；在此基础上，通过提取人脸二维Gabor特征，采用均匀下采样结合主成分分析（Principal Component Analysis，PCA）和Fisher线性判别分析（Fisher Linear Discriminant，FLD）对人脸Gabor特征进行两重降维处理，并结合SVM（Support Vector Machine）实现人脸的分类识别。通过实验证明所提出的算法能够有效提升复杂光照条件下的识别精度。     

基于自主学习能力培养的IDSPE教学模式研究

培养学生的自主学习能力是现阶段教学中的关键任务。IDSPE教学模式通过询问需求、设计任务、课下选择性学习、课堂展示学习、课堂评估等方式开展教学活动，可以充分培养学生的自主学习能力。基于此，文章主要对基于自主学习能力培养的IDSPE教学模式进行了分析研究。     

无线传感器网络节点感知进化计算模型研究

针对无线传感器网中测距的节点感知和定位精度低的问题,提出了无线传感器网络节点感知进化计算模型.首先将节点感知问题转化为满足约束条件的解空间寻优问题,利用改进的量子遗传算法对节点的感知方案进行染色体映射,并进行自适应的基因长度编码,对种群进行一次观测,确定基因状态,并计算第一适应度函数和第二适应度函数值;然后利用粒子群算法对量子旋转系数进行迭代优化,依据个体信息熵和自适应变异算子进行最优子辈生成,在每次迭代繁殖后更新变异算子的概率;最后迭代输出各锚节点集合的节点感知坐标.仿真结果证明,改进算法具有较好的平均定位误差,且收敛性和执行效率较好.     

深度学习中的自编码器的表达能力研究

近年来,深度学习框架和非监督学习方法越来越流行,吸引了很多机器学习和人工智能领域研究者的兴趣。从深度学习中的“构造模块”入手,主要研究自编码器的表达能力,尤其是自编码器在数据降维方面的能力及其表达能力的稳定性。从深度学习的基础方法入手,旨在更好地理解深度学习。第一,自编码器和限制玻尔兹曼机是深度学习方法中的两种“构造模块”,它们都可用作表达转换的途径,也可看作相对较新的非线性降维方法。第二,重点探究了对于视觉特征的理解,自编码器是否是一个好的表达转换途径。主要评估了单层自编码器的表达能力,并与传统方法PCA进行比较。基于原始像素和局部描述子的实验验证了自编码器的降维作用、自编码器表达能力的稳定性以及提出的基于自编码器的转换策略的有效性。最后,讨论了下一步的研究方向。     

PAC学习模型研究

计算学习理论为比较两算法的性能提供了形式化的框架,并能确定某概念类的计算复杂度和样本复杂度.而PAC学习模型是计算学习理论的基础,它为研究学习及泛化问题提供了一种基本的概率框架.先介绍了基本的PAC学习模型并对其进行了深入的分析,给出了判断一概念类是否是PAC学习的方法;然后针对基本PAC学习模型的不足进行了相应的扩展;最后介绍了计算学习理论中的一些其它模型.     

PAC学习模型研究

计算学习理论为比较两算法的性能提供了形式化的框架，并能确定某概念类的计算复杂度和样本复杂度。而PAC学习模型是计算学习理论的基础，它为研究学习及泛化问题提供了一种基本的概率框架：先介绍了基本的PVC学习模型并对其进行了深入的分析，给出了判断一概念类是否是PAC学习的方法；然后针对基本PAC学习模型的不足进行了相应的扩展；最后介绍了计算学习理论中的一些其它模型。     

基于隶属等级量化的社区学习者能力综合评价

以学习者为中心的学习评价标准从知识转向了能力.把虚拟学习社区作为E-learning 学习的平台,基于虚拟学习社区和E-learning学习的特点,结合个人学习能力、学习协作能力以及成绩考核来对社区学习者能力进行模糊综合评价,建立了社区学习者能力模糊综合评价模型,其评价结果是与评语集相对应的隶属度向量.为了解决评价结果模糊度较大的问题,充分利用了综合评判带来的信息,提出并建立了隶属度向量等级量化模型,并对评价结果作进一步量化,达到了进一步准确区分学习者能力的目的.     

基于深度学习的声学模型研究

近年来,深度学习凭借其优越的性能广泛应用于图像处理、自然语言处理、语音识别等领域,它对性能的提升远超于以往的传统方法.论文采取循环神经网络(Recurrent Neural Networks,RNN)中的长短期记忆模型(Long Short Time Memory,LSTM)实现了语音识别中的声学模型构建,并增加反向时...