基于Haar-like和LBP的多特征融合目标检测算法

针对目标检测时Haar-like特征值过多、计算时间长、无法描述目标纹理特征且识别率一般的问题,提出一种基于滑窗原点信息的阈值自调节IHL(Improved Haar-like LBP)特征提取算法.该算法首先构造了 IHL特征编码方法,将Haar-like特征和局部二值LBP特征融合;然后在计算Haar-like型局部二值化特征时,使用高斯矩阵获得符合像素分布规律的自调节阈值;同时在求特征值时引入中心点像素信息,确保提取的特征值的合理性;最后使用AdaBoost训练得到级联分类器,将其载入系统,并在KITTI车辆数据集和INRIA Person行人数据集上进行实验测试.实验结果表明,该方法可在65s内识别1102个行人目标,在114.3s内识别1852个车辆目标,相比传统算法其可以明显加快目标识别的速度,对行人和车辆目标的识别率均可达到94％以上,其检测准确性相比其他方法也有显著提升.     

基于多补丁和多尺度层级聚合网络的快速非均匀图像去雾

尽管基于卷积神经网络的去雾算法在合成的均匀雾气数据集上已经取得了巨大进展,但在真实的非均匀有雾图像上仍然表现不佳.为了快速有效地去除图像中的非均匀雾气,文中首先提出了一种多补丁和多尺度层级聚合网络结构(Multi-patch and Multi-scale Hierarchical Aggregation Network,MPSHAN),融合了多补丁局部化信息和多尺度全局化信息.其次,提出了层级融合模块(Hierarchical Fusion Module,HFM),既解耦了残差融合以实现更丰富的非线性特征表达,又通过通道注意力机制提升了关键位置的特征融合质量.同时,对层级结构使用扩张卷积获得多尺度信息,增强特征图以优化融合效果.此外,在损失函数中加入频域损失以恢复更好的边缘质量.实验结果表明,所提算法在非均匀雾气图像上具有很好的鲁棒性,1200×1600高分辨率图像的平均处理时间仅有0.044s,相比其他去雾算法,其在图像去雾效果和运行时间之间实现了更好的平衡.     

正则稀疏化的多因子量化选股策略

针对高维度数据集特征之间的复杂性,而传统的L1惩罚项不满足Oracle性质的无偏性,将逻辑回归弹性网（LR-Elastic Net）中的L1惩罚项替换为SCAD（Smoothly Clipped Absolute Deviation）和MCP（Minimax Concave Penalty）惩罚项,分别构建了LR-SCAD和LR-MCP模型,在保留稀疏性的同时满足了无偏性,并利用ADMM（Alternating Direction Method of Multipliers）算法进行求解。通过模拟实验发现,LR-Elastic Net模型能很好地处理特征存在相关性的小样本数据,而LR-SCAD和LR-MCP模型在特征存在相关性的大样本数据中表现较好;建立LR-Elastic Net、LR-SCAD和LR-MCP策略,并应用于沪深300指数成分股数据。回测结果显示,LR-SCAD和LR-MCP策略在股票相关性很强的数据中比LR-Elastic Net策略表现更好。     

基于分层四叉树的多分辨率数字岩心的表示与生成

传统的数字岩心建模方法建立的数字岩心模型尺寸单一,分辨率固定,导致存储空间过大,难以维护等问题.因此,提出了一种分层四叉树模型,给出了模型的构建及扩展方法,基于此模型,建立多分辨率数字岩心体素模型,同时在分层四叉树模型基础上,结合Marching Cubes移动立方体算法生成数字岩心面模型.通过实例检验证明,该方法建立的数字岩心模型极大地节省了存储空间,耗时较少,同时具有易于维护管理等优点.     

一种基于IHS和NSST的多光谱图像融合方法

文中针对丛林环境背景下的迷彩人员检测效果差的问题,提出一种基于多光谱图像融合的迷彩人员检测方法.以可见光图像和特征波段图像为数据源,首先将可见光图像变换到相关性最小的IHS颜色空间,提取出亮度分量I;然后对于特征波段图像和亮度分量I进行多级NSST分解变换图像融合,其中特征波段之间采用局部能量取大值融合规则低频分量融合,与亮度分量之间采用自适应模糊逻辑原则进行低频分量融合.高频分量均使用模值取大的融合规则.最后进行NSST逆变换和IHS逆变换得到融合结果.经实验表明,与其他经典和主流多尺度变换图像融合算法相比,该方法具备较好的图像质量评价指标,并且在迷彩人员检测实验中,与可见光图像结果相比,具有较好的检测结果.     

稳定的K-多均值聚类算法

指定K个聚类的多均值聚类算法在K-均值算法的基础上设置了多个次类,以改善K-均值算法在非凸数据集上的劣势,并将多均值聚类问题形式化为优化问题,可以得到更优的聚类效果。但是该算法对初始原型敏感,且随机选取原型的方式使聚类结果不稳定。针对上述问题,提出一种稳定的K-多均值聚类算法,并对该算法的复杂度与收敛性进行了简要讨论。该算法先基于数据样本的最邻近关系构造图,根据图的连通分支将数据分为若干组,取每组数据的均值点作为初始原型,再用交替迭代的方法对优化问题进行求解,得到最后的聚类结果。在人工数据集和真实数据集上的实验表明,该算法具有更稳定更优越的聚类效果。     

面向动用计划的车辆装备备件预测研究

针对动用计划下的车辆装备备件的消耗特点,研究了车辆装备维修备件消耗量和库存控制两个预测优化问题。考虑动用计划期内车辆装备的预防性维修和修复性维修,实现定时定程维修和自然随机故障维修下装备维修备件的消耗量的预测。在此基础上,根据备件库存检查方式的特点,建立基于定期检查策略的联合补货库存控制模型,根据模型的结构特点确定决策变量界限,并利用多类种群位置更新方式改进了果蝇优化算法。仿真结果表明,改进的果蝇优化算法具有良好的求解效率,本文所提出的优化方法可为车辆维修保障资源优化提供决策依据。     

网络中多节点故障定位的探测路径选择算法

针对现有故障定位技术不能满足多节点故障定位的要求,尤其当网络中存在大量故障节点时,提出了一种基于主动探测的探测路径选择算法。该算法主要包括用于故障检测的贪婪路径选择算法和用于故障定位的禁忌链路搜索算法。在故障检测阶段,使用贪婪路径选择算法迭代地选择具有最小权重的探测路径覆盖网络中的节点。在故障定位阶段,使用禁忌链路搜索算法多次生成候选路径集以选择最合适的探测路径来解决多节点故障定位问题。在随机网络拓扑和真实网络拓扑上的仿真结果表明,与现有的节点故障定位算法相比,探测路径选择算法具有更高的成功定位率和更低的探测成本。     

领域知识图谱快速构建和应用框架

快速构建和应用领域知识图谱(domain knowledge graphs, DKG)已成为企业的迫切需求。然而,领域知识图谱的快速构建和应用仍然存在问题:1）构建前,复杂领域场景涉及知识维度广,业务专家短时间内难以构建完备的领域schema;2）构建中,业务和技术专家深度耦合,图谱构建缓慢,难以适应业务快速发展需求;3）构建后,图谱应用严重依赖技术人员开发,业务专家无法自主基于领域知识图谱探索问题解决方案。为解决上述问题,本文提出了领域知识图谱的快速构建和应用框架,其中包括:多人协作构建领域schema解决领域知识的复杂性问题,将业务和技术专家解耦合,提高领域知识图谱的构建效率,最后通过建立基于行业schema的auto-KBQA((knowledge base question answering)解决领域知识图谱在知识问答应用的快速落地。通过实际项目的应用落地,验证了该框架可有效加快领域知识图谱的落地应用,期望该框架给领域知识图谱的快速构建和应用带来一定的启发和帮助。     

基于多传感器融合的交通数据采集系统概述

智能交通系统是道路有序运行的重要保证,环境感知技术是智能交通系统的基础。单个传感器系统的测量维度和置信率较低,系统的可靠性较差,为了获得准确的交通环境数据,采用多传感器融合方法对交通数据进行采集,构建了以激光雷达、毫米波雷达、全景相机为核心的交通数据采集系统,使系统更加稳定,并对交通环境信息的采集更加准确。