Continuous-time orbit problems are decidable in polynomial-time

We place the continuous-time orbit problem in P$\mathsf{P}$, sharpening the decidability result shown by Hainry [7].     

MIMO-OFDM系统的低阶信道估计的改进

在慢衰落信道条件下,MMSE估计有较好的估计性能但复杂度较高。为了降低信道估计的运算复杂度,分析并总结了原有的MMSE信道估计算法以及其改进算法,提出一个基于MIMO-OFDM系统的OLR-MMSE信道估计算法。OLR-MMSE估计是结合了MMSE算法的低秩近似以及SVD分解,大大降低了大矩阵的阶数,有效地降低运算复杂度并可以保持良好的估计性能。通过计算机模拟仿真验证了提出的信道估计可以达到系统性能和复杂度之间较好的权衡。     

基于RGB-D数据的目标分割与实时重建方法

应用RGB-D传感器进行三维重建具有速度和成本的优势,并可获取纹理信息,但扫描数据易受干扰。针对有干扰的外部环境,提出一种基于RGB-D数据的目标分割与重建方法。首先为改善输入图像质量,采用多帧叠加的中值滤波对信息缺失的位置进行预处理。接着,利用静态减除和动态3D Mean-shift相结合的方法分割目标,实现对目标物体的实时定位。最后使用一种优化的点到面ICP方法进行配准,并在此基础上利用随机抽样算法对点云的配准进行加速。采用该方法实现的原型系统能够支持含有背景和一定干扰下的小物体配准,且能有效提高三维重建的速度和自动化程度。     

一种基于群组判断离差的偏好集结方法

针对群决策偏好集结中违反Pareto 最优性的情况, 设计一种基于群组判断几何离差的同质性集结方法. 该方法在集结前进行几何离差测试, 以确定个体决策信息的离差水平. 离差较小时, 可基于几何平均集结; 对于离差较大且修正复杂度较高的决策信息, 采用主成分分析(PCA) 从高维决策信息中提取大多数相关信息, 在不依赖主观分析的情况下进行加权集结. 仿真实验表明, 所提出的方法能够在不违背Pareto 最优性的基础上集结离差较大的群决策信息.

     

一种基于项目属性评分的协同过滤推荐算法

协同过滤是电子商务推荐系统中应用最成功的推荐技术之一,但面临着严峻的用户评分数据稀疏性和推荐精度低等问题。针对数据稀疏性高和单一评分导致的推荐精度低等问题,提出一种基于项目属性评分的协同过滤推荐算法。首先通过均值法或缩放法构造用户-项目属性评分矩阵将单一评分转化为多评分;其次基于每个属性评分矩阵,计算用户间的偏好相似度,得到目标用户的偏好最近邻居集;然后针对每个最近邻居集,在用户-项目评分矩阵上完成对目标用户的初步评分预测;最后,将多个初步预测评分加权求和作为综合评分,完成推荐。在Movie Lens扩展数据集上的实验结果表明,该算法能有效提高推荐精度。     

An analysis of the exponential stability of linear stochastic neutral delay systems

This paper is concerned with the analysis of the mean square exponential stability and the almost sure exponential stability of linear stochastic neutral delay systems. A general stability result on the mean square and almost sure exponential stability of such systems is established. Based on this stability result, the delay partitioning technique is adopted to obtain a delay‐dependent stability condition in terms of linear matrix inequalities (LMIs). In obtaining these LMIs, some basic rules of the Ito calculus are also utilized to introduce slack matrices so as to further reduce conservatism. Some numerical examples borrowed from the literature are used to show that, as the number of the partitioning intervals increases, the allowable delay determined by the proposed LMI condition approaches h_max, the maximal allowable delay for the stability of the considered system, indicating the effectiveness of the proposed stability analysis. Copyright © 2013 John Wiley & Sons, Ltd.     

On stability delay bounds of simple input-delayed linear and non-linear systems: Computational results

This paper deals with the problem of delay size stability analysis of single input-delayed linear and nonlinear systems. Conventional reduction, reduction linked by sliding mode, and linear memoryless control approaches are used for simple input-delayed systems to obtain the stability conditions. Several first order examples are investigated systematically to demonstrate the capabilities and limitations of the advanced stability analysis techniques including Lyapunov-Krasovskii functionals, Newton-Leibniz formula, and a newly addressed Lagrange mean value theorem. Numerical comparative results show the usefulness and effectiveness of the advanced delay size analysis techniques proposed in this paper.     

基于特征参数归一化的鲁棒语音识别方法综述

目前,自动语音识别系统往往会因为环境中复杂因素的影响,造成训练环境和测试环境存在不匹配现象,使得识别系统性能大幅度下降,极大地限制了语音识别技术的应用范围。近年来,很多鲁棒语音识别技术成功地被提出,这些技术的目标都是相同的,主要是提高系统的鲁棒性,进而提高识别率。其中,基于特征的归一化技术简单而有效,常常被作为鲁棒语音识别的首选方法,它主要是通过对特征向量的统计属性、累积密度函数或功率谱的归一化来补偿环境不匹配产生的影响。该文主要对目前主流的归一化方法进行介绍,其中包括倒谱矩归一化方法、直方图均衡化方法以及调频谱归一化方法等。     

GPU并行加速的均值偏移算法

为克服mean shift算法计算复杂度高、运行速度慢的缺点,提出一种基于GPU的快速mean shift算法.首先使用k-means算法对图像像素进行预分类,之后在预分类、下采样后缩小的数据集上进行mean shift聚类,以有效地降低算法复杂度.此外,借助GPU的通用计算功能对k-means和mean shift分别进行并行了处理.实验结果表明,通过对图像进行预处理,有效地提高了几何模板查找在强噪声、低信噪比图像中的识别率;同时,改进后的mean shift算法的运行速度提高了近40倍,满足了高速机器视觉检测的实时性要求.