基于最大输出信噪比准则的自适应脉冲压缩

传统的匹配滤波只能将距离旁瓣压缩到一定的程度,因此可能出现强目标的旁瓣掩盖弱目标的情况。针对上述问题,该文提出了基于迭代思想和最大输出信噪比准则的自适应脉冲压缩方法,该方法利用先验目标距离像信息来实现自适应地抑制距离旁瓣和噪声。该文首先推导了算法原理,然后给出了算法的实现步骤,最后讨论了算法的收敛性及优化。仿真结果表明,该算法可以自适应地实现旁瓣抑制,并在多目标和运动目标的情况下能够实现有效的脉冲压缩。     

融合双分支动态偏好的会话推荐

针对基于会话的推荐算法仅对用户单一偏好进行静态建模而无法捕捉用户受环境影响偏好产生的波动, 从而降低推荐准确性的问题. 提出融合双分支动态偏好的会话推荐方法: 首先, 通过异构超图来建模不同类型信息, 设计双分支聚合机制获取以及整合异构超图中信息并且学习多类型节点之间的关系, 再用价格嵌入增强器来加强类别和价格之间关系; 其次, 设计双层偏好编码器, 其中采用多尺度时序Transformer提取用户动态价格偏好, 利用软注意机制和反向位置编码学习用户动态兴趣偏好; 最后, 用门控机制融合用户多类型动态偏好, 向用户进行推荐. 通过在Cosmetics和Diginetica-buy两个数据集上进行实验, 结果证明与其他对比算法相比在Precision和MRR评价指标中有显著的提升.     

环Fq+uFq+…+uk-1Fq上一类重根常循环码

记R=Fq+uFq++uk-1Fq,G=R[x]/,且是R中可逆元。定义了从Gn到Rtn的新的Gray映射,证明了J是G上长为n的线性的x-常循环码当且仅当(J)是R上长为tn的线性的-常循环码。使用有限环理论,获得了环R上长为pe的所有的(u-1)-常循环码的结构及其码字个数。特别地,获得了环F2m+uF上长为2e的(u-1)-常循环码的对偶码的结构及其码字个数。推广了环Z2a根负循环码的若干结果。     

多尺度超图卷积骨架动作识别网络

动作识别是计算机视觉基础任务之一,骨架序列包含了大部分的动作信息,因此基于骨架的动作识别算法受到很多学者关注。人体骨架在数学上是一个天然的图,所以图卷积被广泛应用于动作识别。但普通的图卷积只聚合两两节点间的低阶信息,不能建模多节点间的高阶复杂关系。针对此问题,本文提出一种多尺度超图卷积网络,在空间和时间两个维度聚合更丰富的信息,提高动作识别准确度。多尺度超图卷积网络采用编解码结构,编码器使用超图卷积模块聚合超边中多个节点间的相关信息,解码器使用超图融合模块恢复原始骨架结构,另外基于空洞卷积设计了多尺度时间图卷积模块以更好地聚合时间维度运动信息。NTURGB+D和Kinetics数据集上的实验结果验证了算法的有效性。     

基于超图正则化的域适应偏最小二乘多工况软测量模型

针对流程工业中,因多工况导致数据分布变化引起传统软测量模型预测性能恶化问题,本文提出一种基于超图正则化的域适应多工况软测量回归模型框架.首先,采用非线性迭代偏最小二乘回归算法为基模型,在潜变量空间利用历史工况数据重构当前工况数据,以增强工况间的相关性,有效减小数据分布差异;同时,对重构系数施加低秩稀疏约束,保留了数据的局部和全局子空间结构;其次,通过超图拉普拉斯正则项对域适应潜变量求解过程进行约束,避免在寻找潜变量过程中破坏数据结构.最后,利用交替方向乘子法优化求解模型参数.在多个数据集上的实验表明,本文方法在多工况环境下可有效提高软测量模型的预测精度和泛化性能.     

一种基于RIAS公平的带宽分配方案*

主要提出了一种基于RPR 环网中的带宽公平分配方案。该方案以RIAS 公平为原则,首先为环网中的每个数据流确定一条瓶颈链路,然后根据瓶颈链路的约束条件得出各数据流速率的取值范围,并最终为环网上所有的数据流确定一个可行的速率分配。给出了该方案具体的运作机制,并通过实例进一步验证了该方案能达到RIAS公平的要求,实现环网上链路带宽的公平分配与充分利用。     

基于索引数组与集合枚举树的最大频繁项集挖掘算法

由于其内在的计算复杂性,挖掘密集型数据集的全部频繁项集非常困难,解决方案之一是挖掘最大频繁项集。集合枚举树是最大频繁项集挖掘算法中常用的数据结构,最大频繁项集的挖掘过程也可以看作是集合枚举树的搜索过程。为缩小集合枚举树的搜索空间,采用宽度优先和深度优先相结合的混合搜索策略,提出了一种新的最大频繁项集的挖掘算法Index-MaxMiner。该算法首先设计了索引数组这种新的数据结构,并给出了一个基于二进制位图技术的索引数组的计算方法。通过为每个频繁项增加包含索引,Index-MaxMiner利用一次宽度优先搜索得到了候选最大频繁项集,使集合枚举树的第一层结点个数大幅度减少。然后在候选最大频繁项集中通过深度优先搜索,得到全部最大频繁项集,从而实现了集合枚举树的跳跃式搜索,大大缩小了搜索空间。实验结果表明,该算法可有效提高最大频繁项集的挖掘效率。     

参数化设计中的对象约束模型及反向约束的研究

应用图论方法,建立了基于有向超图的对象约束模型,提出了压缩十字链表形式的网状存储结构,能够完整,准确地记录设计者的设计意图,实现尺寸及参数驱动图形的功能清晰地表示约束间的双向约束关系,有效地实现了约束的传播与救解,其完备的表不方式可方便地实现反向约束求解。同时利用面向对象技术,高效地实现了实体及约束建模,采用相应的类层次结构,充分发挥对象的封装性和扩展性,提出了一种方便灵活的参数化设计方法。     

Maximal and minimal representations of gapped and non-gapped motifs of a string

The problems of finding maximal and minimal equivalent representations for gapped and non-gapped motifs as well as finding motifs that characterize a fixed set of occurrence locations for a given string are studied. We apply two equivalence relations on representations. The first one is the well-known occurrence-equivalence of motifs. The second equivalence is introduced for patterns of occurrence locations, to characterize such patterns by motifs. For both equivalences, quadratic-time algorithms are given for finding a maximal representative of an equivalence class. Finding a minimal representative is shown to be NP-complete in both cases. For non-gapped motifs suffix-tree-based linear-time algorithms are given for finding maximal and minimal representatives. Maximal (minimal) gapped motifs are composed of blocks that are maximal (minimal) non-gapped motifs, maximal and minimal non-gapped motifs thus making up a small basis for all motifs. The implied bound on the number of gapped motifs that have a fixed number of non-gapped blocks is also given.