标签敏感的多重集正交相关特征融合方法

典型相关分析(CCA)作为一种经典的特征融合方法,广泛用于模式识别领域,其目标是学习相关投影方向使两组变量间的相关性最大,但其没有考虑样本的类标签信息和样本间的信息冗余(MDOCCA),从而影响了融合后特征的监督敏感性和鉴别力。为此,该文提出一种标签敏感的多重集正交相关特征融合方法,该方法在典型相关分析理论基础上,将类标签信息嵌入到特征融合框架,同时加入正交约束确保融合特征最大限度的不相关,减少特征信息冗余,提高鉴别力。在不同图像数据集上的实验结果显示该方法是一种有效的特征融合方法。     

三模混合集成小型化滤波器设计

提出了一种基于LC串联单元的三模混合集成小型化滤波器电路拓扑。该电路拓扑具有对称性,主体由4个LC串联单元所构成的“星型”结构组成,能够通过对其并联于地的LC串联单元中元件参数的调节实现对滤波器双零点的自由调节。基于奇偶模分析方法,给出了所提出滤波器拓扑的综合设计方法,并采用基于商业化硅基表贴电容的低成本混合集成技术研制一款具有明显小型化特性的三模多零点带通滤波器。所研制的滤波器仿真与测试结果吻合良好,其中心频率为2.6 GHz,3 dB带宽为1.34 GHz,插入损耗典型值为1.6 dB,能够在4～12 GHz的频带范围内实现30 dB的抑制能力,其面积尺寸为3.2 mm×1.9 mm(0.03λ0×0.02λ0)。     

基于本地差分隐私的空间数据自适应划分算法

空间位置数据分布通常具有不均匀性,不同位置区域的密度差异较大,在本地差分隐私模型中无法直接获取用户真实的位置数据,使得空间位置划分方法受到限制以及数据发布存在查询精度低、通信代价大等问题。为在本地差分隐私模型下的大规模空间数据采集和发布过程中进行空间划分,提出一种空间数据分层自适应划分算法KDG-HT。通过收集部分用户的数据来初步获取区域的分布情况,采用KD-树的思想划分区域,并利用抽样技术对用户进行分组,根据分组用户统计结果所提供的先验知识来完成多层细粒度划分。在此基础上,结合差分隐私模型的并行组合特性分层扰动用户数据,从总体上实现发布数据的ε-差分隐私保护。实验结果表明,KDG-HT算法适用于具有不同数据分布情况的大规模空间数据集,查询精度及运行效率优于RAPPOR、UG、GT-R等算法,其中与GT-R算法相比,KDG-HT算法发布数据的查询精度最高提升3倍,运行效率提高17%。     

室内场景下应用拓扑结构的高效路径规划算法

针对基于随机采样的路径规划算法效率低且采样具有随机性的问题,提出一种应用拓扑结构的高效路径规划算法ATIRRT^*。通过引入拓扑节点代替STIRRT*算法中Harris角点检测算法得到的特征点进行采样,给出基于阈值的自适应选择方法来消除路径骨架上提取的冗余特征点,利用该阈值得到的拓扑节点可以使随机树的扩展更具方向性,从而减少寻找初始路径的时间和代价。根据非单一父节点的连接方式加强交叉支路上的拓扑节点间的联系,通过节点扩充策略增加相邻拓扑节点间的节点数量以加快优化算法的收敛。在此基础上定义相关约束条件将初始路径分段并进行逐段优化,以提高优化算法的效率。在常规环境、狭长空间和仿真的室内环境3种类型地图上的仿真结果表明,相较于STIRRT^*算法,改进算法在规划路径长度上平均减少8%,在规划时间上平均降低10%,可快速地找到更优的初始路径,同时在优化过程中减少了无用的探索空间,提高了搜索效率。     

基于区块链的危险驾驶地图数据评估模型

在车联网中车辆与周边道路环境进行无线通信与数据交互,使车辆传感器、行人、道路单元之间实现信息互联,但大量的数据通信导致车辆运行环境复杂,车辆在行驶过程中不可避免地会遇到各种危险场景,从而引发车辆安全问题。为确保车辆数据可信及行车安全,建立基于区块链技术的危险驾驶地图数据评估模型。通过传感器实时记录环境数据,将车辆位置、速度等关键数据以及个人隐私信息加密上链实现交易传输,利用智能合约技术进行自动化脚本处理,随后执行共识将交易信息扩散到全部节点,节点承认交易合法后写入区块链。同时对车辆地图交互数据进行危险评估,并将评级结果及其对应操作反馈给车辆,使得车辆可在障碍物、网络攻击等场景下完成应急处理。实验结果表明,该模型能够根据不同危险场景对车辆进行危险评估与规避,确保车辆安全运行。     

基于博弈论优化的高效联邦学习方案

随着网络信息技术与互联网的发展,数据的隐私与安全问题亟待解决,联邦学习作为一种新型的分布式隐私保护机器学习技术应运而生。针对在联邦学习过程中存在个人数据信息泄露的隐私安全问题,结合Micali-Rabin随机向量表示技术,基于博弈论提出一种具有隐私保护的高效联邦学习方案。根据博弈论激励机制,构建联邦学习博弈模型,通过设置合适的效用函数和激励机制保证参与者的合理行为偏好,同时结合Micali-Rabin随机向量表示技术设计高效联邦学习方案。基于Pedersen承诺机制实现高效联邦学习的隐私保护,以保证联邦学习各参与者的利益和数据隐私,并且全局达到帕累托最优状态。在数字分类数据集上的实验结果表明,该方案不仅提高联邦学习的通信效率,而且在通信开销和数据精确度之间实现平衡。     

加工时间具有似然关系的单机调度北大核心CSSCI

对加工时间不确定的单机调度问题,构建了工件基本加工时间具有似然关系的工件调度模型。该模型中工件基本加工时间可按照似然比排序,并考虑了工件加工时间同时存在学习效应和恶化效应,以最小化所有工件期望完成时间为目标函数。研究表明,每个工件按照其期望基本加工时间的非减序列排序时,完成所有工件的时间最短。最后通过数值算例模拟工件调度过程,验证了该模型能有效地缩短工件完工时间。     

基于随机灰靶模型的多质量特性产品参数选择北大核心CSSCI

针对传统田口质量损失函数的一些不足,提出一组改进型田口质量损失函数,并给出了质量特性取值"中靶"和"脱靶"的范围,为文中剔除"脱靶"对策、确定满意区域提供依据;以损失期望作为灰靶模型效果测度的基本工具,在此基础上,提出一系列灰靶效果测度方法;以正交试验设计为基础,针对多质量特性产品参数选择的具体问题,考虑噪声因素的概率分布,构建了基于改进型田口质量损失函数的多质量特性产品参数设计随机灰靶模型,并给出最优对策的判断标准。案例研究表明该模型可以确定相对最优参数水平组合,解决多质量特性产品参数选择问题,该方法新颖清晰、易于操作,可辅助工程设计者进行决策。     

基于Allan方差的MEMS陀螺仪随机误差分析方法

MEMS陀螺随机漂移误差是制约惯性导航精度的主要原因,本文通过Allan方差分析方法,得出MEMS陀螺随机漂移误差主要来源以及各种误差的性能参数.该方法为分析陀螺性能指标、提高惯性导航精度奠定了基础.本文介绍了Allan方差定义,陀螺各项随机误差与Allan方差的关系,搭建了MEMS陀螺组件,通过高精度转台实验静止采集陀螺仪数据.利用Allan方差分析得出MEMS陀螺各项随机误差性能指标,验证了该方法的可行性.     

介孔材料CO2吸附性能的研究进展

介孔材料以其适中的孔径、大的比表面积、较高的热稳定性和水热稳定性,在吸附、催化、分离等方面有着广阔的应用前景。综述了近年来介孔材料在CO2吸附领域的研究进展,重点介绍了介孔材料及改性介孔材料吸收CO2的方法;并指出以新材料特别是介孔材料为主体进行碳捕集是今后的主要研究方向。