基于超像素随机擦除的长时行人重识别

现有的行人重识别往往依赖于一个假设,即行人不会更换他的服装。不幸的是,这种假设可能不适用于长时行人重识别。在长时间捕获的行人数据集中,行人的服装经常发生变化。目前主流的行人重识别方法在长时行人重识别中往往会失效,其识别精度会大幅度下降。针对长时行人重识别中的服装变化的情况,提出了一种超像素随机擦除算法。该算法首先选取可能为服装区域的超像素,再用随机值擦除其中像素,并且擦除前后的图像都会被输入至骨干网络进行训练。还对擦除前后模型输出特征用深度均方差损失进行约束,从而强制模型学习与服装无关的特征。实验表明,该方法能够有效地应对长时行人重识别中行人换装问题,与之前的方法相比,识别精度有较大提升。     

基于DART模型和随机森林估算山地叶面积指数

地形效应会使遥感影像中的地表反射率发生畸变,进而影响基于反射率估算的叶面积指数(Leaf Area Index,LAI)精度。为了减弱或消除地形对LAI反演的影响,基于三维辐射传输模型DART(Discrete Anisotropic Radiative Transfer)构建坡地反射率与LAI数据集作为训练数据。以反射率为输入,LAI为输出,利用随机森林算法进行训练,构建山地LAI反演模型。结合实际遥感影像数据实现山地LAI的估算,并利用实测数据对反演结果开展精度评价。同时,基于DART模型和随机森林构建了平地LAI反演模型作为参照以评价本文发展方法的有效性。结果表明：考虑了地形影响的山地LAI反演模型具有较强的估算能力,验证结果的精度(决定系数(R²)=0.57,均方根误差(RMSE)=0.77 m²/m²)优于平地反演模型(R2=0.46,RMSE=0.86 m2/m2);基于DART模型构建的山地反演模型能够捕捉到坡度和坡向对地表反射率的影响,其反演结果较好地还原了研究区LAI的空间分布,与地面真实情况接近。研究...     

基于概率假设密度滤波和动力学方程约束的空间群目标数量和位置分辨

空间目标具有射程远、速度快等特点,为了有效解决密集性高、可分性差的高速空间目标群饱和攻击问题,实现非合作空间群目标数量和位置的尽早分辨,该文基于随机有限集(RFS)理论和动力学方程约束研究了空间“团状”目标数量和位置分辨问题,提出目标监测早期解决大量距离靠近、运动特征差异不明显的高速空间群目标数量和位置估计的相关算法,该算法利用概率假设密度(PHD)滤波器能够解决未知时变环境下目标个数与状态估计的特点,将高斯混合PHD (GM-PHD)滤波和空间目标动力学方程相结合,在解决不可分辨空间群目标数量和位置估计问题的同时,充分利用空间目标动力学方程对群内目标状态进行实时调整,提高空间目标位置状态估计精度,解决不可分辨空间目标群边跟踪边分辨问题,相关算法可为空间群目标数量和群内特殊价值个体目标位置尽快分辨、连续稳定跟踪和可靠动向预报等提供数据基础。     

两方有理数多重集的保密计算

集合的安全多方计算(SMC)在联合数据分析、敏感数据安全查询、数据可信交换等场景有着广泛的应用。该文基于有理数的几何编码,结合保密内积协议,首次提出了有理数域上两方多重集交集和并集的保密计算协议。应用模拟范例证明了协议在半诚实模型下的安全性,分别通过理论分析和仿真测试验证了协议的高效性。与现有协议相比,所设计协议无需给定包含所有集合元素的全集,可以保护集合势的隐私性,且在协议执行过程主要使用乘法运算,达到了信息论安全。     

基于约束的多维Apriori改进算法

针对经典多维关联规则挖掘算法执行效率不高、存在冗余规则的不足,提出基于约束的多维Apriori改进算法,在多维Apriori算法的基础上,将用户约束引入挖掘过程,根据关于谓词的约束产生用户感兴趣的频繁谓词集,并以此为依据删减事务集。该算法一方面通过用户约束大大缩减了候选谓词集的产生,另一方面经过删减的事务集也降低了扫描数据库的开销,最终实现了挖掘效率的提高以及冗余规则的减少。应用该算法在FPGA代码缺陷事务集上进行对比实验,实验结果证明了该算法相比多维Apriori算法,在搜索效率以及挖掘结果的准确性方面均得到了改善,有效提高了FPGA代码缺陷分析的准确性。     

有色量测噪声下带广义未知扰动的递推上限滤波

针对博弈对抗环境下利用快速采样雷达进行非合作目标跟踪带来的有色噪声和未知干扰共存问题, 本文提出有色量测噪声下带广义未知扰动的随机动态系统递推上限滤波. 这里, 有色量测噪声用于描述由于快速采样或持续干扰带来的噪声相关性, 广义未知扰动用于建模博弈对抗对雷达观测带来的异常影响(先验信息缺失). 针对所考虑系统, 通过参数优化实现状态估计误差协方差上限(而不是理论值)的在线递推, 提出有色噪声下上限滤波(CU-BF), 给出状态估计误差协方差最小上限的近似实现, 讨论了所提CUBF的存在性条件. 在具有时变未知扰动和有色量测噪声的目标跟踪仿真中验证了所提方法的有效性.     

永磁同步电机多步模型预测电流控制球形编码研究

传统多步模型预测电流控制遍历所有开关序列, 并寻求成本函数最小, 使得运算量较大. 球形编码算法将成本函数转换为开关序列对应的矩阵二范数平方, 并采用事件触发机制动态精简计算量. 仿真结果表明: 基于球形编码的多步模型预测电流控制性能良好, 与传统方法完全等价, 控制效果相当. 基于STM32H743单片机平台, 球形编码和传统方法单控制周期执行时间实验结果表明: 对于多步预测, 球形编码算法可减少单控制周期执行时间, 2步预测减小至96.78%, 3步预测减小至87.99%, 4步预测减小至73.41%, 5步预测减少至63.63%, 在控制性能与传统方法相当的条件下, 提高系统实时性能     

具有加性和乘性噪声的线性离散时间随机系统的无模型最优跟踪控制

本文研究一类同时受加性和乘性噪声影响的离散时间随机系统的最优跟踪控制问题.通过构造由原始系统和参考轨迹组成的增广系统,将随机线性二次跟踪控制(SLQT)的成本函数转化为与增广状态相关的二次型函数,由此推导出用于求解SLQT的贝尔曼方程和增广随机代数黎卡提方程(SARE),而后进一步针对系统和参考轨迹动力学信息完全未知的情形,提出一种Q-学习算法来在线求解增广SARE,证明了该算法的收敛性,并采用批处理最小二乘法(BLS)解决该在线无模型控制算法的实现问题.通过对单相电压源UPS逆变器的仿真,验证了所提出控制方案的有效性.     

面向软件工程的情感分析技术研究

情感分析在软件工程领域具有广泛的应用场景,例如,从代码提交信息中检测开发者的情绪、从程序员问答论坛中识别开发者的观点等.但是,现有的“开箱即用”的情感分析工具无法在软件工程相关的任务中取得可靠的结果.已有研究表明,导致不可靠结果的最主要原因是,这些工具无法理解一些单词和短语在软件工程领域中的特定含义.此后,研究者们开始为软件工程领域定制监督学习和远程监督学习方法.为了验证这些方法的效果,研究者们使用软件工程相关的标注数据集来对它们进行数据集内验证,即,将同一数据集划分为训练集和测试集,分别用于方法的训练和测试.但是,对软件工程领域的某些情感分析任务来说,尚无标注数据集,且人工标注数据集耗时耗力.在此情况下,一种可选的方法就是使用为了相似任务从同一目标平台上提取的数据集或者使用从其他软件工程平台上提取的数据集.为了验证这两种做法的可行性,需要进一步以平台内设置和跨平台设置来验证现有情感分析方法.平台内设置指的是使用提取自同一平台的不同数据集作为训练集和测试集;跨平台设置指的是使用提取自不同平台的数据集作为训练集和测试集.目标旨在数据集内设置、平台内设置、跨平台设置这3种设置下,综合验证现...     

直觉模糊语言信息下的三维动态评价方法及应用

针对当前综合评价大多集中在静态评价以及属性权重未知的问题,在直觉模糊语言环境下提出一种三维动态评价方法.首先,利用模糊质量功能展开求解指标权重以弥补传统主客观确权方法的不足,体现指标越能表征顾客需求贡献度权重越大的赋权思路;其次,考虑到评价指标间的相互关系也会影响最终的评价结果,引入幂平均算子并将其扩展到直觉模糊语言集中,通过直觉模糊语言幂加权平均算子集结多属性信息得到静态综合评价值;接着,在静态评价值求解的基础上,基于全局信息定义分层激励因子和阶段信息定义成长因子分别对评价基础值的增长态势和增长趋势进行测度,构建基于评价基础值、变化状态与发展趋势的三维动态评价指数模型;最后以小微企业的信用评价为例验证所提出方法的有效性和可行性.