基于AVS M的3G视频流媒体传输与差错控制*

分析了以RTP包传输视频数据,并以RTCP包进行控制的传输机制。根据3GPP规范和相关协议,设计实现了针对AVSM码流的负载包、重传包和六种不同的RTCP包,包括引入的FB包。建立了一个包传输和控制系统。在立即反馈的基础上提出了一种基于分层重传的差错控制机制。     

物联网信息感知与交互技术

信息感知作为物联网的基本功能,是物联网信息"全面感知"的手段.信息交互是物联网应用与服务的基础,是物联网"物物互联"的目的.随着物联网研究热潮的兴起,以传统无线传感器网络为核心的感知网络研究迅速升温,并在信息感知与交互方面取得了大量研究成果.文章分析了物联网信息感知与交互方面的最新研究进展.在信息感知方面,从数据收集、清洗、压缩、聚集和融合几个方面,梳理归纳了数据获取和处理的主要方法.在信息交互方面,提出了物联网信息交互的基本模型,分析总结了信息交互涉及的主要技术.在此基础上,讨论了物联网信息感知与交互研究的热点问题,包括新的感知技术、能效平衡、信息安全和移动感知网络等.最后,指出了物联网信息感知与交互技术发展面临的问题和挑战,展望了未来的研究方向.     

基于语义的档案数据智能分类方法研究

随着信息技术的高速发展,各种数字档案数据量出现了爆炸式的增长。如何合理地挖掘分析档案数据,提升对新收录档案智能管理的效果已成为一个亟需解决的问题。现有的档案数据分类方法是面向管理需求的人工分类,这种人工分类的方式效率低下,忽略了档案固有的内容信息。此外,对于档案信息发现和利用来说,需进一步挖掘分析档案数据内容之间的关联性。面向档案智能管理的需求,从档案数据的文本内容角度出发,对人工分类的档案进行进一步分析。采用LDA模型提取文档的主题特征向量,进而用[K]-means算法对档案的主题特征进行聚类,得到档案间的关联。针对新收录档案数据的分类问题,采用现有档案数据,有监督的训练FastText深度学习模型,用训练完成的模型对新收录的档案数据进行全自动分类。在数据集上测试的结果表明,所提聚类方法在文档数据集的准确率相较于传统的基于TF-IDF特征的聚类算法提升6%,基于FastText的档案分类方法准确率超过96%,达到了代替手工分类的级别,验证了该方法的有效性和实用性。     

基于K均值/SCHMM多级分类的手语识别

本文提出了一种具有多级分类的手语识别方法,该方法采用K-均值/SCHMM(半连续隐马尔可夫模型)多级分类方法.在第一级中采用K-均值方法进行全局粗略搜索,划定目标词的大体范围.在第二级中,待识别的手语词特征与该范围内每一个手语词的SCHMM做运算,计算概率最大的为识别结果.实验结果表明,与采用单级的SCHMM识别器相比,在保持识别率基本相同的前提下,该方法能使识别速度提高近45%.     

基于图结构的城市出租车交通流量可视化

为了更好地分析出租车在城市区域中的运行规律,提出一种基于图结构的城市交通流量可视化分析方法。通过对路网进行聚类,将路网连接路段划分为区域结构,并用点-线连接形式表示城市路网,同时以区域车流量为权重,结合图中心性概念对区域重要性进行了分析。以北京市四环为例,对一亿多条出租车GPS数据进行可视化分析,实验结果表明,该方法可以直观有效地展现不同区域的出租车流量随时间变化规律和不同区域的重要程度。     

基于改进Fisher准则的深度卷积神经网络识别算法

为了有效利用深度学习技术自动提取特征的能力,并解决当训练样本量减少或者迭代次数降低时识别性能急速下降的问题,提出了基于Fisher准则的深度学习算法.该方法在前馈传播时,采用卷积神经网络自动提取图像的结构信息等特征,同时利用卷积网络共享权值和池化、下采样等方法减少了权值个数,降低了模型复杂度;在反向传播权值调整时,采用了基于Fisher的约束准则.在权值的迭代调整时既考虑误差的最小化,又同时让样本保持类内距离小,类间距离大,从而使权值能更加快速地逼近有利于分类的最优值,当样本量不足或训练迭代次数不多时可有效地提高系统的识别率.大量的实验结果证明:该基于Fisher准则的混合深度学习算法在标签样本不足或者较少训练次数的情况下依然能达到较好的识别效果.     

基于三维形变模型的多姿态人脸识别

针对多姿态人脸识别问题,提出了一种三维形变模型和部件技术相结合的人脸识别方法.该方法提取人脸三维部件作为识别特征,在一定程度上克服了人脸姿态变化对识别的影响.在识别过程中结合人脸的局部特征和全局特征,根据单个部件的识别率确定其在整体分类中的权值,基于整脸信息进行识别,进一步改善了识别效果.实验结果证明,该方法在训练库中只有1张正面照片时,对多姿态人脸识别具有很好的识别效果.     

基于组合特征判别分析的三维人脸识别算法

针对人脸识别中特征表示与提取问题, 提出了一种新颖的基于组合特征判别分析的三维人脸识别算法.该算法首先使用基于非均匀网格重采样的方法对所有三维人脸做规格化处理, 使三维人脸具有统一的点数和拓扑结构;其次, 以先分段、再重叠的形式将原本一维向量表示组织为二维矩阵表示, 然后使用二维线性判别分析方法 (2DLDA) 对获得的数据进行特征抽取.这种方法在避免图像信息的丢失、增加组合特征的同时, 理论上也能避免单纯使用线性判别分析 (LDA) 进行特征抽取时容易出现的小样本问题.在BJUT-3D大规模三维人脸数据库上的实验表明, 本方法取得了良好的识别效果.     

三维人脸的非均匀重采样对齐算法

为了用尽量少的网格点和面片数表示对齐后的三维人脸,基于分片的网格重采样思想,通过分析每片的曲率高低自动确定各片的网格稠密度,得到非均匀的网格结构,实现了不同三维人脸数据间点到点的一一对齐.实验结果表明:与以往的对齐算法相比,此方法不仅可以大大减少表示人脸的网格点数目,还可以较好地保持人脸的形状和外观特征;使用非均匀重采样做对齐后的三维人脸库建立的人脸模型进行人脸重建,比使用均匀重采样得到的人脸模型在重建速度上有了很大提高.     

混合遗传算法在旅行商问题中的应用

为了更优地解决旅行商问题，改进单纯用遗传算法求解旅行商问题的结果，本文通过遗传算法和禁忌搜索算法自身的特点，分别对二者的优势和不足进行分析，提出一种将二者混合使用的求解旅行商问题的算法．该算法以遗传算法为基础，用遗传算法作全局搜索，用禁忌搜索算法作局部搜索．同时，通过计算实例分析，将这种混合遗传算法用于旅行商问题的求解中．试验表明，混合遗传算法比较单纯的遗传算法的计算结果有一定的改进．