打印机光谱特性化方法研究综述

目的 打印输出技术是目前国内外图像复制领域的主流技术。打印机特征化旨在建立打印机输入控制值与输出色彩信息值之间的对应关系,保证打印输出图像各像素色彩值的准确性。基于可见光谱的打印机特性化过程,以图像光谱信息作为打印机特性化过程中的色彩控制依据,可避免基于色度的打印输出过程所固有的同色异谱问题,实现图像色彩复制领域最高级别的无条件颜色匹配。在广泛文献调研的基础上,本文回顾了打印机光谱特性化方法各部分研究的发展历程,分析介绍了该领域主要研究内容及其研究现状,对打印机光谱特性化方法流程进行了较为全面的综述。方法 以Yule-Nielsen修正的光谱Neugebauer模型（YNSN模型）为典型代表,从打印机墨量限制方法、正向光谱预测模型、反向光谱分色模型以及色彩匹配评价度量4个方面,对目前基于可见光谱的打印机特性化方法研究情况进行了总结与归纳,并结合现有研究存在的问题对未来研究发展趋势进行了展望。结果 综合近几年该领域研究发展情况,认为目前打印机光谱特性化方法研究在墨量限制算法合理性、正反向建模精度等方面已经取得了较为理想的结果。然而,尽管已有20多年的广泛研究,鉴于光谱数据的高维性以及具体应用场景的多样性,导致准确而高效的实现光谱打印机特性化仍然是一个极具难度的问题,特别在建模效率提高、模型适用性增强、模型物理意义提升以及评价度量综合性能优化等方面,目前研究仍存在较大的研究发展空间。结论 打印机光谱特性化是实现图像色彩信息高保真打印复制的必要手段,其今后将继续在图像复制领域起到非常关键作用。然而,由于基于光谱的打印机特性化过程涉及光谱学及色度学理论、半色调呈色理论、最优化计算理论、人眼视觉机理、数字加网技术等多种理论与技术,故其研究具有一定的难度与挑战性。本文对打印机光谱特性化方法研究现状进行了较为深入的介绍与分析,意在使国内同行对该领域有一个较为全面的了解,以期引起更多研究者对该领域的关注。由于篇幅所限,许多问题未及深究。     

A secure routing model based on distance vector routing algorithm

Distance vector routing protocols have been widely adopted as an efcient routing mechanism in current Internet,and many wireless networks.However,as is well-known,the existing distance vector routing protocols are insecure as it lacks of efective authorization mechanisms and routing updates aggregated from other routers.As a result,the network routing-based attacks become a critical issue which could lead to a more deteriorate performance than other general network attacks.To efciently address this issue,this paper,through analyzing the routing model and its security aspect,and presents a novel approach on guaranteeing the routing security.Based on the model,we present the security mechanism including the message exchange and update message security authentication mechanism.The suggested approach shows that the security mechanism can efectively verify the integrity and validate the freshness of routing update messages received from neighbor nodes.In comparison with exiting mechanisms(SDV,S-RIP etc),the proposed model provides enhanced security without introducing significant network overheads and complexity.     

基于熵度量的人群模型评估方法

人群模型评估是虚拟人群仿真研究的关键问题,现有的研究多通过个体仿真轨迹与真实轨迹之间的误差来评估人群模型.然而人群行为本质上是复杂的随机系统,简单的轨迹对比并不能有效反映模型能力.本文应用熵度量的模型评估方法,通过估计真实人群状态与仿真人群状态的误差分布实现了精确的人群仿真定量评估.同时引入失真情况的判断和处理规则,使得评估方法在仿真失真情况下能够保持准确性.实验结果表明,本文提出的算法及规则能有效地实现人群仿真模型的定量评估并给出模型参数选择的指导.     

优化三元组损失的深度距离度量学习方法

针对基于三元组损失的单一深度距离度量在多样化数据集环境下适应性差,且容易造成过拟合的问题,提出了一种优化三元组损失的深度距离度量学习方法。首先,对经过神经网络映射的三元组训练样本的相对距离进行阈值化处理,并使用线性分段函数作为相对距离的评价函数;然后,将评价函数作为一个弱分类器加入到Boosting算法中生成一个强分类器;最后,采用交替优化的方法来学习弱分类器和神经网络的参数。通过在图像检索任务中对各种深度距离度量学习方法进行评估,可以看到所提方法在CUB-200-2011、Cars-196和SOP数据集上的Recall@1值比之前最好的成绩分别提高了4.2、3.2和0.6。实验结果表明,所提方法的性能优于对比方法,同时在一定程度上避免了过拟合。     

对抗样本三元组约束的度量学习算法

针对已有三元组约束的度量学习算法大多利用先验知识构建约束,一定程度上制约了度量学习算法性能的问题,本文借鉴对抗训练中样本扰动的思想,在原始样本附近学习对抗样本以构造对抗三元组约束,基于对抗三元组和原始三元组约束构建了度量学习模型,提出了对抗样本三元组约束的度量学习算法(metric learning algorithm with adversarial sample triples constraints,ASTCML)。实验结果表明,提出的算法既克服了已有固定约束方法受先验知识影响大的问题,也提高了分类精度,说明区分更加难以区分的三元组约束能够提升算法的性能。     

Compositional metric learning for multi-label classification

Multi-label classification aims to assign a set of proper labels for each instance, where distance metric learning can help improve the generalization ability of instance-based multi-label classification models. Existing multi-label metric learning techniques work by utilizing pairwise constraints to enforce that examples with similar label assignments should have close distance in the embedded feature space. In this paper, a novel distance metric learning approach for multi-label classification is proposed by modeling structural interactions between instance space and label space. On one hand, compositional distance metric is employed which adopts the representation of a weighted sum of rank-1 PSD matrices based on component bases. On the other hand, compositional weights are optimized by exploiting triplet similarity constraints derived from both instance and label spaces. Due to the compositional nature of employed distance metric, the resulting problem admits quadratic programming formulation with linear optimization complexity w.r.t. the number of training examples.We also derive the generalization bound for the proposed approach based on algorithmic robustness analysis of the compositional metric. Extensive experiments on sixteen benchmark data sets clearly validate the usefulness of compositional metric in yielding effective distance metric for multi-label classification.     

地物物理量的度量模型及其应用

对地物物理量的度量是获得地物相关信息的重要手段,它是制作地图的依据和信息源泉。基于比较法的地物物理量的度量模型,由度量对象ai、度量基准i0、度量单位Bi和度量结果Qi构成。地物的某一物理性质i∈ai ,存在度量基准i0,i到i0的距离函数d（i,i0）包含度量单位Bi的数量即度量结果Qi。通过对测绘学中的直角坐标、高程、水深、地物的时间坐标（寿命）、质量、温度、卫星激光测距等方面的应用,阐释了地物物理量的度量模型的实用价值和科学解释功能。     

锥度量空间中四个自映射的公共不动点定理

在完备的锥度量空间中讨论了4个自映射的公共不动点定理,其存在性和唯一性得到证明。所得主要结果将锥度量空间中的公共不动点定理进行了推广。     

模糊集收敛的等价性

基于前人在对特殊模糊集上关于确界收敛,L-收敛,Endograph-收敛,Sendograph-收敛之间的等价性的分析,证明了一般模糊数序列上确界度量收敛等价于同时层次收敛和强截集收敛,并对关于截集连续的模糊数集合上的收敛的等价性给出了一种简洁的几何证明方法。     

多宿主连接环境下隧道传输网络的一体化路由模型

现有隧道传输只考虑异构网络基本连通性,是一种分段独立实施路由选择的路由模型,没能对端到端跨越异构网络的传输路径进行一体化考虑.针对边缘网到支撑网的多宿主连接网络环境,提出了一种跨异构网络的一体化路由模型URM(Unified Routing Model).URM模型采用参考度量实现对异构网络路由优劣的统一描述,利用BGP协议扩展实现参考度量的传递,并设计了参考度量与传统度量的转换方法.URM模型实施时影响范围很小,只需对隧道网关进行简单改造即可完成,最终的一体化路由机制也是透明地利用现有路由机制完成.URM模型会给异构网关和边缘网路由器带来更多的信息存储,但其优势却非常明显,在实现端到端一体化最优路由选择的同时,增加了隧道传输的可用路径并提高了隧道传输可靠性.仿真实验及真实设备组网实验验证了URM模型的一体化路由选择能力及路由收敛能力.