避免数据包重复采集的分布式流量测量算法

针对D PC算法存在的问题,提出一种“标记”数据包头的分布式流量测量算法。为避免同一数据包被不同测量点重复采集,在网络入口测量点处,对到达的数据包进行抽样,修改被抽取数据包头中标志位的预留位为1;在网络的中间节点,通过查看数据包的预留位判断数据包是否已被抽取,对于已被抽取的数据包,不再重复记录,对于尚未被抽取的数据包,根据抽样规则决定是否抽取,避免多次采集相同数据包导致计算资源和存储资源的重复消耗。通过理论推导和实例验证了该算法的有效性,为分布式网络流量测量的扩展应用提供了解决途径。     

基于图变换的图像压缩采样与分类

提出一种基于图论表示的正交变换基,并在此基础上对图像进行压缩采样与压缩域直接分类.首先,充分利用图像的边缘特性和像素关系,给出一种图像的图论表示方法;然后,通过图Laplacian矩阵的特征值分解得到其特征向量矩阵作为正交变换基,由此得到图像的图变换域稀疏表示;最后,利用随机投影后的压缩采样特征向量直接对分类器进行训练和测试,不仅保持了与原空间相当的分类精度,还大量地减少了训练和测试时间以及计算/存储代价.     

基于分层选择策略的主动学习分词方法

为了克服训练样本不足、获取大量标注样本费时费力的问题,在基于不确定选择策略的基础上,提出了一种新的基于分层选择策略的主动学习方法。使用新提出的选择策略从大量无标注的样本中选择最有价值的样例,进行标注后加入到训练集中来训练分词器。最后在 PKU、MSR 和山西大学数据集上进行测试,并与不确定选择策略进行比较。结果表明提出的分层选择策略在相同大小的训练语料下可以获得更高的分词准确率,同时还降低了人工标注的代价。     

基于随机游走的大规模图中节点对采样算法

社会网络中的节点对采样可用于大规模社会网络的好友预测和用户兴趣识别.当整个网络的拓扑结构不完全或者随机选择用户的代价很高时,传统的均匀顶点采样方法的性能迅速下降.为此,提出了一种基于随机游走的大规模图中节点对采样算法.首先对社会网络的节点对采样进行了系统分析,对不同跳数下的节点对进行了定义;然后将社会网络转换成等价的网络图.新图中的顶点是原图中的边,新图中边的两个顶点是原图中含有相同顶点的两条边.最后,在新图上应用随机游走模型对节点对进行采样.实验结果表明,提出的方法统计误差小、执行效率高,性能明显优于均匀节点采样的相关算法.     

基于变密度稀疏采样的微波辐射干涉测量反演成像方法

针对微波辐射干涉测量在频域中进行测量值具有低频信息较少、高频信息丰富,且低频信息和高频信息分布比较集中的特点,提出了一种基于变密度稀疏采样的微波辐射干涉测量方法.该方法将测量的频域信息进行分块,根据不同块所包含信息量的不同,利用变密度进行稀疏采样.考虑微波辐射图像本身具有的梯度稀疏性和局部光滑性特征,建立全变差正则化约束的成像模型,并采用交替迭代算法进行微波辐射图像最优重构.仿真和实验结果表明,结合变密度稀疏采样方法和交替迭代重构算法能够快速、准确地反演高分辨率微波辐射图像;在总采样率相同的情况下,该方法能够大幅度提高反演图像的分辨率,且对低采样率情况效果显著.     

基于曲率匹配和递归排序的自适应排样算法

为提高盘状毛坯的使用率,提出一种口腔修复加工中模型边界在盘状毛坯中的排样算法,主要包括边界匹配、多边形定位及递归排序.首先基于协方差矩阵及矩阵SVD分解算法对模型多边形进行分段,并采用等弧长曲线采样曲率匹配确定待匹配模型边界;然后依毛坯边界角度分布及沿圆周排样的思想确定模型轮廓的旋转和平移定位;最后提出一种基于包络率的递归排序算法,对在排样过程中发现的大孔洞可动态地调整排样顺序.实验结果表明,该算法可以处理不规则模型边界在任意形状毛坯中的排样,能有效地降低加工成本.     

基于块稀疏贝叶斯学习的体域网心电压缩采样

为有效提高体域网的实时性和降低体域网的功耗,提出一种基于块稀疏贝叶斯学习的体域网心电压缩采样方法。该方法在体域网框架下,利用压缩采样理论,在体域网的传感节点利用二进制随机观测矩阵对心电信号进行压缩采样,远程监护中心获得采样值之后,利用块稀疏贝叶斯学习重构算法和离散余弦稀疏变换矩阵对心电信号进行重构。实验结果表明,当心电信号压缩率在70%~90%时,基于块稀疏贝叶斯学习的重构算法要比其他重构算法的重构信噪比高出3 dB~21 dB。该方法能有效减少数据采样,减轻后续的数据存储、数据传输压力,提高体域网的实时性。同时该方法具有功耗低,易于硬件实现的优点。     

宽带雷达信号的低杂散采样系统研究

为了实现宽带雷达系统中雷达信 号的低失真采集与处理,研究并设计了具有幅相误差校正功能的宽带低杂散采样系统。该系统采用宽带模数转换（Analog to digital converter, ADC）器件和高性能可编程逻辑阵列（Field programmable gate array, FPGA）的实现方案,并从低抖动采样时钟、低噪声电源和防串扰等方面进行了低杂散最优方案研究。为了改善系统的带内传输特性,利用优化算 法设计了有限长冲激响（Finite impulse response,FIR）数字校准滤波器。最后对设计 的系统进行实验测试,结果表明系统瞬时带宽达到800 MHz以上,采样率1.8GS/s,量化位数8位、杂散电平-50 dBc,性能指标满足系统在宽带雷达信号获取、宽带雷达目标成像和宽带雷达目标回波重构等领域的应用。     

针对未知稀疏信号的压缩自相关检测算法

针对未知的宽频带稀疏信号检测问题,提出了一种直接基于非重构采样值 的压缩自相关检测算法。首先利用压缩感知技术以远低于奈奎斯特采样速率获取信号,在自 相关矩阵检测信号理论的基础上,利用压缩感知中传感矩阵的严格等距特性,推导出基于统 计分布的信号稀疏系数自相关检测算法,从理论上给出了判决门限的选取和虚警概率之间的 关系,并进行了算法复杂度分析。由于无需重构原始信号,该算法直接利用少量的压缩测量 值进行检测,可以有效地提高检测过程的时效性。仿真表明在较低的信噪比时,该算法对未 知信号仍有良好的检测性能。     

图像自适应分块的压缩感知采样算法

目的 在图像压缩感知过程中,不管是整体采样还是固定分块采样,都不能充分利用图像的稀疏性,存在采样率与图像重构质量的矛盾。提出了一种基于图像纹理变化的自适应分块感知采样算法ABCS(adaptive block compressed sensing),再结合JPEG量化思想,在不降低图像重构质量的前提下降低采样率,更大地提高压缩比。方法 首先进行图像预分块,计算分析各块纹理复杂度,当图像块纹理复杂度低于相应阈值,选择最佳采样率对各块观测采样,当图像块纹理复杂度高于相应阈值,需再分块,重复上述步骤,达到最小16×16块时停止分块。当最小块的纹理复杂度高于最大阈值采用JPEG量化编码,其他块选择匹配的采样率,以压缩感知方式压缩。结果 ABCS算法与典型的压缩感知重构算法结合并与其原始算法比较,在相近采样率条件下,图像重构质量提高明显,尤其在低采样率下性能更佳,如20%采样率下重构图像PSNR值达到30 dB左右。结论 提出的自适应的分块采样充分利用图像的稀疏分布,提高压缩感知的效率;高复杂纹理块采用JPEG编码处理,避免了重构质量差的缺点,同时减少了重构时间。