利用视觉显著性和扰动模型的上下文感知跟踪

为了解决背景嘈杂、遮挡、形变和尺度变化情况下目标跟踪问题,提出利用视觉显著性和扰动模型的上下文感知跟踪。本文以相关滤波算法为基础,将目标周围的上下文信息引入到分类器学习过程中,构造了上下文感知相关跟踪,提高了算法鲁棒性;同时引入直方图扰动模型,利用加权融合的方法获得目标响应图,以此估计目标位置变化;最后利用视觉显著性构建目标稀疏显著性图,解决严重遮挡情况下的目标重定位问题,并利用尺度估计策略解决目标尺度变化问题。利用公开数据集测试算法性能,并与8种流行跟踪算法进行比较。实验结果表明,本文算法的跟踪精确度得分和成功率得分分别为0.695和0.708,均优于其它算法。与传统的相关滤波算法相比,所提算法能很好地解决背景嘈杂、遮挡、形变和尺度变化等复杂下的目标跟踪问题,具有一定理论研究价值和工程实用价值。     

Cluster-based context-aware route service management for smart intelligent autonomous vehicles with industrial transport system

Industrial transport system refers to the movement of goods, raw materials, and finished products within and between industrial facilities such as factories, warehouses, and distribution centers. It includes a variety of modes of transport such as trucks, forklifts, conveyor belts, and automated guided vehicles (AGVs). Context-aware route service management refers to system that can dynamically manage and optimize the routes taken by vehicles in transportation system based on contextual information. Our proposed framework for industrial transport systems and smart intelligent autonomous vehicles utilizes cluster-based context-aware routing (CCAR), which includes several significant contributions. Firstly, modified elephant herding optimization (MEHO) algorithm is used to efficiently group autonomous vehicles for routing. Secondly, an improved gravitational search (IGS) algorithm is used for cluster head (CH) selection responsible for transferring context information between vehicles (V2V). Thirdly, a deep hybrid multi-graph neural network (DHMG-NN) is designed for optimal neighboring roadside unit (RSU) node selection through different design constraints to ensure data dissemination between vehicles and infrastructure (V2I). Finally, we validate the effectiveness of our CCAR framework using various simulation scenarios. Our framework achieves a reduction of up to 78% in computation time and an improvement of up to 25% in customer satisfaction ratio and 15% higher than the overall performance ratio compared to the existing frameworks.     

一个高效的容错式感知性自组网服务综合协议

服务综合是协调控制多个基本服务单元以实现复杂任务的技术,它是无线自组网MANETs(Mobile Adhoc Networks)的一项关键技术.无线自组网的服务综合技术应具有容错性和上下文感知功能,而目前无线自组网服务综合协议在这些方面均有待改进.本文提出了一个服务综合协议FTCASCP(Fault-Tolerant Context-Aware Service Composition Protocol),其体系结构中包含以服务发现管理器、运行协调器、上下文信息管理器为核心的7个功能模块.服务发现管理器模块能在一次服务发现会话中发现综合服务所需的全部元服务;上下文信息管理器模块负责根据上下文信息合理选择服务;运行协调器模块负责全程监管服务综合过程,能自动透明地处理异常情况,因而FTCASCP具有高效性、上下文感知性、容错性等特点.数学分析和计算机仿真表明FTCASCP在协议开销和响应速度方面明显优于另两个服务综合协议.     

基于客户满意度模型的情景感知旅程规划系统研究

With the development of communication and ubiquitous computing technologies, context-aware services, which acquire contextual information of users and environ-ment, have become critical applications providing customization in mobile commerce. Meanwhile, tourism has attracted increasing attention as a high value-added service and a hot academic topic. However, the research on how to provide tour services based on con-text-aware services is in fact still at an early stage, limited to concept elaboration, service framework discussion, prototype system de-velopment etc. In this paper, we summarized the previous researches on context-aware ser-vices to establish the research foundation, put forward a way of analyzing a tour planning problem with a modified model of Traveling Salesman Problem (TSP) and Vehicle Routing Problem (VRP), and we applied an innovated Resource Constrain Project Scheduling Prob-lem (RCPSP) mathematical model to solve the tour planning problem based on context information. The simulation under branch and bound algorithm evaluated the validity of our solution.     

基于动态代理的上下文感知编程模型EIPM研究

上下文感知应用和普适计算环境逐渐渗入人们生活环境的今天,上下文感知应用的设计开发时的支撑环境方面仍主要采用传统的面向对象等技术及编程模型,这样在设计时与上下文相关的行为会分布在程序中,即环境上下文和行为在程序编码时就进行了绑定,这使得环境依赖因素和程序控制主体结合的过分紧密,不能适应普适计算环境多样、复杂、动态和多变等特点,更难于进行系统维护和扩展.本文以实现应用程序动态适应环境信息变化为目的,设计并实现了采用动态代理为底层实现机制,通过映射规则的建立将上下文信息和编程逻辑进行分离的上下文感知编程模型EIPM,提供了相应的开发编译平台和执行容器在内的应用框架系统原型,实现一种适应普适计算环境上下文动态复杂多变特点的编程模型.以普适环境文件访问系统中上下文感知部分模块的开发为例,进行了EIPM应用框架原型系统功能的可行性测试,结果表明EIPM编程模型具备了对环境上下文变化的动态适应性.     

面向模糊医学图像边缘检测的卷积网络

考虑到传统边缘检测算法难以处理模糊的医学图像, 提出一种基于深度学习的边缘检测网络ECENet. 首先, 本文网络基于CHRNet模型, 对其最后两层进行剪枝, 使模型更加高效和轻量化. 其次, 在网络的特征提取阶段加入注意力模块SKSAM, 优化图像特征的自适应提取, 并降低噪声的影响. 最后, 在多尺度的网络输出上采用上下文感知融合块进行连接, 帮助模型更好地理解图像的结构和语义信息. 此外, 综合考虑像素级别的准确性和边界的平滑性, 优化了损失函数, 为模型训练提供更好的梯度信号. 实验结果表明: 本文算法在最佳数据集规模(ODS)和最佳图像比例(OIS)指标分别提高到0.816和0.823; 相关边缘指标参数显著提高, PSNR提高了16.8%, SSIM提高了37.6%.     

基于模糊C均值聚类的环境感知推荐算法

针对现有环境感知推荐算法存在的不足,提出一种基于模糊C均值聚类的环境感知推荐算法.首先采用模糊C均值聚类算法对历史环境信息进行聚类,产生聚类及隶属矩阵;然后匹配活动用户环境信息与历史环境信息聚类,采用聚类隶属度作为映射系数将符合条件的非隶属数据映射为隶属数据,最终选择与活动环境匹配的隶属用户评分数据为用户产生推荐.同现有算法相比,该算法不仅解决了因用户环境改变不能准确推荐项目的问题,而且通过采用模糊聚类算法克服了传统硬聚类问题,并且借助于隶属映射函数解决了聚类产生的数据稀疏性问题.在MovieLens数据集上比较了新算法和其他算法的性能,验证了所提算法的有效性.     

本体驱动的知晓内容和上下文的知识路由研究

语义Web提供了实现对Web异构信息源智能访问和处理的平台。然而在语义Web上分布着海量知识,如何在这些海量知识中按照用户的需求快速准确的定位目标知识已成为语义Web迫切需要解决的问题。针对此问题,文章提出了一种知晓内容和上下文的语义Web知识路由机制。该机制采用基于本体和概念格的推理技术,通过捕捉用户需求内容和上下文等语义信息,能够快速准确地实现目标知识与服务的发现、定位、访问以及初步评估。     

上下文感知推荐系统

近年来,上下文感知推荐系统已成为推荐系统研究领域最为活跃的研究领域之一.如何利用上下文信息进一步提高推荐系统的推荐精确度和用户满意度,成为上下文感知推荐系统的主要任务.从面向过程的角度对最近几年上下文感知推荐系统的研究进展进行综述,对其系统框架、关键技术、主要模型、效用评价以及应用实践等进行了前沿概括、比较和分析.最后,对上下文感知推荐系统有待深入的研究难点和发展趋势进行了展望.