基于多级规约CRF 模型景点评论观点分析方法

针对旅游发展趋势及旅游景点评论观点抽取的难题,提出一种基于机器学习的多级规约条件随机场(conditional random field,CRF)模型的旅游景点评论观点分析方法。分析常见观点分析方法,利用CRF 算法从数据集中提取评价观点,基于评论者关系特征构建景点虚假评论者自动识别模型对其评论观点进行过滤,并对评论观点的相关性进行观点合并。实验结果表明：该方法较其他常见方法在准确率、召回率方面有明显提高,且查准率-召回率曲线(precision and recall,PR)及接受者操作特征(receiver operating characteristic,ROC)曲线效果良好,对游客选择旅游目标具有很好的决策作用。     

功率约束下的星地协作网络中断概率分析

针对星地协作网络,考虑中继节点转发卫星节点信号时会受发射功率和干扰功率约束,提出了一种基于中继节点与目的节点间链路最大信噪比准则来选择中继节点的放大转发部分中继选择策略。在卫星链路遭受阴影莱斯衰落和地面链路遭受瑞利衰落情况下,推导出系统中断概率下界的闭合表达式。仿真结果表明了理论分析的正确性,并展示了不同阴影莱斯信道参数、不同中继数目、不同功率约束对中断概率的影响。     

基于纹理分布弱假设和正则化策略的自然图像抠图

针对经典贝叶斯抠图方法在函数建模和模型求解方面存在不足,提出基于纹理分布弱假设和正则化策略的抠图方法:首先针对函数建模问题,基于直方图和巴氏距离,定义和设计了对高斯分布方差进行修正的计算测度以及修正系数,提出一种考虑纹理复杂程度的自适应方差高斯分布模型;然后针对模型求解方法的不足,提出一种基于正则化策略的抠图求解模型,即通过增广拉格朗日乘子法,在基本模型中增加了数据约束项与惩罚项.通过定性和定量相结合的方式进行实验,结果表明该方法在复杂纹理区域上取得更好的效果,并且更加接近真实值.     

交互更新模式的量子遗传算法的几何约束求解

目的针对传统量子遗传算法无法充分利用种群中未成熟个体信息的不足,提出了基于交互更新模式的量子遗传算法(IUMQGA)并应用于几何约束求解中。方法几何约束问题的约束方程组可转化为优化模型,因此约束求解问题可以转化为优化问题。采用将遗传算法与量子理论相结合的量子遗传算法,使用双串量子染色体结构,使用交互更新策略将遗传算法中的交叉操作利用量子门变换来实现,根据不同情况采用不同的交互更新策略。这里的交互,指的是两个个体进行信息交换的过程,该过程用以产生新的个体。这不仅增加了个体间信息的交换而且充分利用了种群中未成熟个体的信息,提高了算法的收敛速度。结果通过非线性方程实例和几何约束实例测试并与其他方法比较表明,基于交互更新模式的量子遗传算法求解几何约束问题具有更好的求解精度和求解速率。双圆外公切线问题实例中,IUMQGA算法比QGA算法稳定;单圆填充问题和双圆外公切线问题实例中,通过实验求得各变量的最优值与其相应的精确值的误差在1E-2以下。结论采用交互更新模式的量子遗传算法可以很好地求解几何约束问题。     

空间约束混合高斯运动目标检测

目的 针对传统混合高斯模型前景检测运算量过大问题,提出一种基于空间约束的混合高斯前景检测算法。方法 通过快速初始化缩短模型的初始建立过程;采用双重背景模型机制,以自适应背景减法的前景检测结果作为混合高斯前景检测的空间约束条件,降低模型在背景区域的冗余运算;运用多策略自适应模型更新,提高前景检测的准确性。结果 在各种测试场景下,与传统混合高斯法、CodeBook、GMG、偏差均值混合高斯模型(MODGMM)等算法相比,该算法具有更好的准确率以及4倍以上的处理速度。结论 在固定相机场景下的运动目标检测中,算法能有效提高传统混合高斯法的准确性且具有极高的实时性。     

基于求解开销预测的符号执行搜索策略研究

符号执行中约束求解所占的时间比例非常高.同时,不同复杂度约束的求解时间开销差距悬殊,这一现象在对包含复杂数值计算的程序进行符号执行时尤为明显.在指定时间内求解更多约束有利于覆盖更多语句和探索更多路径.为此,提出了基于求解开销预测的符号执行搜索策略.基于实验总结出了度量约束复杂度的经验公式,并结合约束的历史求解开销来预测当前的求解开销,从而在符号执行过程中优先探索求解开销较小的路径.在KLEE中实现了上述搜索策略,并对GNU科学计算库(GSL)中的12个模块进行了实验.实验结果表明,相比现有搜索策略,提出的搜索策略在保证语句覆盖率的同时,可以探索更多的路径(平均24.34%提高);而且,在相同时间内,可以查找出更多的软件缺陷,同时查找出相同缺陷的时间开销平均降低了44.43%.     

基于傅里叶级数的小推力航天器快速轨迹设计

为了满足小推力航天器交会轨迹的快速性设计需求,基于形状逼近理论,设计了一种三维轨迹模型.将轨迹设计问题转换为求解傅里叶级数的系数问题,避免了轨迹运动方程非线性强、难以求解的难题,极大地提高了计算效率.考虑到推力加速度的限制,建立了加速度约束方程,并结合轨迹的运动方程,给出了傅里叶级数的求解过程.同时根据边界条件和最大推力加速度值,定性地分析了傅里叶系数的存在条件.仿真验证了该方法的正确性和可行性,并从计算效率上与高斯伪谱法进行了对比,结果表明本文的方法计算耗时仅为高斯伪谱法的0.67%.     

考虑动态延迟特性的含攻击角度约束的制导律

针对打击固定或者缓慢移动目标时带攻击角度约束的制导问题,设计一种考虑导弹自动驾驶仪动态特性的制导律。基于平面内导弹-目标的运动模型,采用滑模变结构和非线性反步控制的方法,将导弹自动驾驶仪的动态延迟特性近似描述为一阶惯性环节,通过高增益的饱和函数,结合改进的开关项系数来消弱滑模抖振的影响,最终使视线角速率和导弹的弹道倾角分别趋于零和期望值。仿真的结果表明：该制导律下导弹能以期望的攻击角度命中目标,有效地克服控制系统的动态延迟对导引精度的影响,对参数的变化和外界的干扰有很好的适应性和鲁棒性,具有工程应用的参考价值。     

基于照度与场景纹理注意力图的低光图像增强

目的 现有的低照度图像增强算法常存在局部区域欠增强、过增强及色彩偏差等情况,且对于极低照度图像增强,伴随着噪声放大及细节信息丢失等问题。对此,提出了一种基于照度与场景纹理注意力图的低光图像增强算法。方法 首先,为了降低色彩偏差对注意力图估计模块的影响,对低光照图像进行了色彩均衡处理;其次,试图利用低照度图像最小通道约束图对正常曝光图像的照度和纹理进行注意力图估计,为后续增强模块提供信息引导;然后,设计全局与局部相结合的增强模块,用获取的照度和场景纹理注意力估计图引导图像亮度提升和噪声抑制,并将得到的全局增强结果划分成图像块进行局部优化,提升增强性能,有效避免了局部欠增强和过增强的问题。结果 将本文算法与2种传统方法和4种深度学习算法比较,主观视觉和客观指标均表明本文增强结果在亮度、对比度以及噪声抑制等方面取得了优异的性能。在VV（Vasileios Vonikakis）数据集上,本文方法的BTMQI（blind tone-mapped quality index）和NIQMC（no-reference image quality metric for contrast distortion）指标均达到最优值;在178幅普通低照度图像上本文算法的BTMQI和NIQMC均取得次优值,但纹理突出和噪声抑制优势显著。结论 大量定性及定量的实验结果表明,本文方法能有效提升图像亮度和对比度,且在突出暗区纹理时,能有效抑制噪声。本文方法用于极低照度图像时,在色彩还原、细节纹理恢复和噪声抑制方面均具有明显优势。代码已共享在Github上：https://github.com/shuanglidu/LLIE_CEIST.git。     

基于改进级联神经网络自适应电网谐波检测

为克服电网谐波检测快速性与稳定性矛盾,基于神经网络自适应原理提出了一种级联神经网络自适应电网谐波检测的改进系统。改进级联系统初级运用大步长常规LMS(Least Mean Square)自适应神经网络单元提高检测跟随性能,次级通过嵌入均值滤波环节平滑权值波动的策略构造新的自适应神经网络单元,保证次级神经网络单元具有良好的电网谐波检测稳态精度。运用传递函数Z域变换分析嵌入均值滤波环节的电网谐波检测自适应神经网络单元的稳定性能,运算推导新的级联次级神经网络自适应单元的步长约束条件,保证改进系统既能够有效地提高电网谐波检测的跟随性能同时又可以提高检测的稳态精度。仿真实验表明改进的级联神经网络自适应系统能有效提高电网谐波检测动态性与精确性。