跨域联合学习与共享子空间度量的车辆重识别

目的 现有的跨域重识别任务普遍存在源域与目标域之间的域偏差大和聚类质量差的问题,同时跨域模型过度关注在目标域上的泛化能力将导致对源域知识的永久性遗忘。为了克服以上挑战,提出了一个基于跨域联合学习与共享子空间度量的车辆重识别方法。方法 在跨域联合学习中设计了一种交叉置信软聚类来建立源域与目标域之间的域间相关性,并利用软聚类结果产生的监督信息来保留旧知识与泛化新知识。提出了一种显著性感知注意力机制来获取车辆的显著性特征,将原始特征与显著性特征映射到一个共享子空间中并通过它们各自全局与局部之间的杰卡德距离来获取共享度量因子,根据共享度量因子来平滑全局与局部的伪标签,进而促使模型能够学习到更具鉴别力的特征。结果 在3个公共车辆重识别数据集VeRi-776（vehicle re-identification-776 dataset）、VehicleID（largescale vehicle re-identification dataset）和VeRi-Wild（vehicle re-identification dataset in the wild）上与较新方法进行实验对比,以首位命中率（rank-1 accuracy,Rank-1）和平均精度均值（mean average precision,mAP）作为性能评价指标,本文方法在VeRi-776→VeRi-Wild,VeRi-Wild→VeRi-776,VeRi-776→VehicleID,VehicleID→VeRi-776的跨域任务中,分别在目标域中取得了42.40%,41.70%,56.40%,61.90%的Rank-1准确率以及22.50%,23.10%,41.50%,49.10%的mAP准确率。在积累源域的旧知识表现中分别取得了84.60%,84.00%,77.10%,67.00%的Rank-1准确率以及55.80%,44.80%,46.50%,30.70%的mAP准确率。结论 相较于无监督域自适应和无监督混合域方法,本文方法能够在积累跨域知识的同时有效缓解域偏差大的问题,进而提升车辆重识别的性能。     

巷道围岩初始应力场和弹性模量的区间反演方法

从有限元数值计算的角度对岩土工程参数的可辨性进行了分析。在可辨识性分析的基础上，考虑观测数据的不确定性，建立了在联合采用围岩位移和应力观测数据的同时，识别地应力和围岩弹性模量的反演模型。并采用约束变尺度方法求解该反演模型，获得地应力和弹性所在区间范围。     

基于微分几何的过驱动并联机器人驱动奇异性分析

运用微分几何方法对过驱动并联机器人驱动奇异性进行了分析。应用位形流形和环境流形上黎曼度量的投影关系,分析其驱动奇异性产生原因,进一步依据嵌入映射定义,提出用位形流形切空间的任一标架来代替雅可比矩阵分析驱动奇异性的方法,并利用矩阵秩的有关特性,给出分析驱动奇异性的简洁等价形式以避免矩阵乘积运算。与应用隐函数微分法相比,该方法避免多次求解逆矩阵,从而降低了计算的复杂性。最后,以平面2-DOF 过驱动并联机器人为例,说明上述理论是可行且有效的。     

IPv4/IPv6转换网关性能指标的研究

参照通用网络设备的测试标准及方法,结合IPv4/IPv6转换网关自身的特点,提出了一套适用于转换网关的性能测试指标。针对网络混合流应用环境,提出了3项综合评价网络性能的测试指标：双向平均延迟,混合平均延迟和加权混合延迟。这3个指标更能体现用户的感受。基于所提出的测试指标,给出了相应的测试方法和测试实例,对测试结果进行分析。     

一种边折叠三角网格简化算法

针对目前自动网格简化算法在大规模简化时往往丢失模型重要几何特征的问题,该文提出了一种改进的边折叠三角网格简化算法。在Garland算法基础上引入三角形重要度概念,并加入到误差测度中,使得二次误差测度不仅能够度量距离偏差,而且能够反映模型局部表面几何变化。实验结果表明新的算法在保持二次误差测度快速特点的同时,使得简化模型在较低分辨率下能够保持更多的重要几何特征,有效地降低了视觉失真。     

A Histogram Matching Approach for assessment of flow regime alteration: application to environmental flow optimization

In this paper we present a Histogram Matching Approach (HMA) for assessment of the flow regime alteration. The HMA uses the degree of histogram dissimilarity as a metric for impact assessment, which is based on the quadratic‐form distance between the frequency vectors of the pre‐ and post‐impact histograms weighted by a specified similarity matrix. The HMA is coupled with an aggregated multiobjective optimization genetic algorithm and applied to a case study on the Kaoping diversion weir (Taiwan) for determining the optimal environmental flow scheme that balances the ecosystem and human needs objectives. Two key issues are addressed in this study. First, we compare the performances of the HMA and existing Range of Variability Approach (RVA). Second, we employ three types of similarity function to investigate their effect on the outcomes of the HMA. The results reveal that the HMA consistently outperforms the RVA in preserving the natural flow variability regardless of what type of similarity function is used. No single type of similarity function can be found that would simultaneously best preserve the natural patterns of 32 Indicators of Hydrologic Alteration (IHA). For the situations where the water‐supply reliability is of critical concern, the pulse similarity is recommended because it would assure the smallest water‐supply deficit. If, however, minor degradation in the water‐supply reliability may be overlooked, the linear similarity is suggested because it would generally result in the post‐impact flows that most satisfactorily resemble to the natural flow regime. Copyright © 2008 John Wiley & Sons, Ltd.     

ICP框架下基于表面间平均体积测度的深度像配准

提出一种利用深度像重叠区域间的空间体积作为误差度量的精确配准算法.通过寻找2幅深度像重叠区域内的有效三角形对,并将这些三角形对所夹的三维空间作为误差测度来指导深度像的配准;然后将对应三角形的质心作为对应点对,估计出新的空间位置转换关系.实验结果表明:该算法具有较高的配准精度,收敛速度快并且具有一定的抗噪声能力.     

基于贝叶斯自组织映射和高斯混合模型的混合像元分解

提出一种新的对多通道遥感图像进行混合像元分解的方法.该方法将贝叶斯自组织映射算法引入混合像元分解问题中,通过最小化Kullback-Leibler信息度实现高斯参数的估计,并结合高斯混合模型完成解混.为了获得较高的解混精度,要求适当地扩展正态分布的范围,提出了3σ的方差调整方法来解决这一问题.所采用的解混模型自动满足混合像元分解问题所要求的2个约束条件:丰度值非负约束,丰度值和为1约束.实验结果表明,该方法有较好的混合像元分解结果,同时具有较强的抗噪声能力.     

基于PLSA模型的文本分割

文本分割在信息提取、文摘自动生成、语言建模、首语消解等诸多领域都有极为重要的应用 .基于PLSA模型的文本分割试图使隐藏于片段内的不同主题与文本表面的词、句对建立联系 .实验以汉语的整句作为基本块,尝试了多种相似性度量手段及边界估计策略,同时考虑相邻句重复的未登录词对相似值的影响,其最佳结果表明,片段边界的识别错误率为6.06%,远远低于其他同类算法 .     

基于双分支网络联合训练的虚假新闻检测

虚假新闻在社交媒体上的广泛传播,给社会带来了不同程度的负面影响。针对虚假新闻早期检测任务中,社交上下文信息不充分的问题,提出一种基于双分支网络联合训练的虚假新闻检测模型。该模型由最大池化网络分支（max pooling branch,MPB）和广义均值池化网络分支（generalized mean pooling branch,GPB）组成。MPB采用卷积神经网络对新闻文章进行文本特征提取,GPB引入了可训练的池化层,学习新闻文章潜在的语义特征。同时,在每个分支网络中,对新闻标题和正文之间进行语义关联性度量。最终,对两个分支网络联合训练后的结果进行决策融合,判断新闻的真实性。实验结果表明,提出的模型在准确率、召回率、F1值评测指标上均优于基线模型,F1值达到94.1%,比最优的基线模型提升了6.4个百分点。