基于Z-buffer算法优化的大型变电站场景模型快速线消隐方法

针对现有三维模型消隐方法面向大规模三维场景模型应用中存在的计算复杂、耗时长等缺陷, 本文提出了基于改进 Z-buffer 算法对大型变电站场景消隐的快速可视化方法。首先,为了简化计算,将场景模 型数据整合并重构;其次,通过透视投影变换将变电场景模型像素化;进一步,基于 Z-buffer 算法高效的像素 化计算特性提出了快速模型筛选方法,从而得到变电场景的子模型遮挡关系。最后,实验中将所得遮挡关系列 表融合现有消隐算法,结果表明本文提出的方法能够大幅度提升消隐的运算性能。     

面向安全的轮流中继选择方案

针对多中继轮流中继系统被窃听的问题,提出面向安全的轮流中继选择方案。首先提出了遍历的最优中继选择方案,并推导得到了保密速率的理论值;之后为降低复杂度,分别从降低计算复杂度和信道估计开销的角度设计了两种两阶段的次优中继选择方案,先缩小中继选择范围再进行搜索。仿真结果表明K-最大主信道中继选择方案能够以较低的复杂度实现最优保密速率。     

基于Filter Wrapper模式的特征选择算法*

特征选择是数据挖掘、机器学习和模式识别中始终面临的一个重要问题。针对类和特征分布不均时,传统信息增益在特征选择中存在的选择偏好问题,本文提出了一种基于信息增益率与随机森林的特征选择算法。该算法结合Filter和Wrapper模式的优点,首先从信息相关性和分类能力两个方面对特征进行综合度量,然后采用序列前向选择（Sequential Forward Selection, SFS）策略对特征进行选择,并以分类精度作为评价指标对特征子集进行度量,从而获取最优特征子集。实验结果表明,本文算法不仅能够达到特征空间降维的效果,而且能够有效提高分类算法的分类性能和查全率。     

基于遗传蜂群算法的运动想象BCI系统导联选择*

在运动想象脑-机接口系统中,常采用高密度导联获取脑电信号,导致实验准备时间长,系统运行速度慢,性能变差等问题。针对上述不足,本文提出了一种基于遗传算子的蜂群算法用于导联优选,引入交叉和变异算子以提高蜂群算法的邻域搜索能力。通过对第四届国际BCI 竞赛 Dataset 1中四名被试者(a,b,f和g)的59导联运动想象数据进行导联优选,用多类CSP算法和支持向量机对优选导联数据进行特征提取和分类识别。结果表明所提出的算法在大大降低了导联维数的同时,也得到了比采用全部导联更高的分类识别率,验证了本文所提算法的实用性和有效性。     

基于MLP和SPSO的机器人行为选择与运动控制方法

针对传统行为选择机制(ASM)不能很好地做出控制决策的问题,提出一种基于多层感知(MLP)前馈神经网络的ASM,并将其应用到移动机器人目标跟踪中。首先,根据具体应用场景预定义多个机器人行为。然后,根据机器人配备的图像和红外传感器获得的目标位置和障碍物信息,通过MLP神经网络从预定义行为中选择出所需执行的行为。另外,为了构造最优的MLP模型,采用一种简化粒子群算法(SPSO)来优化网络权值参数。机器人目标跟踪仿真的结果表明,提出的ASM能够准确选择出合适的行为,实现了控制机器人跟踪目标移动且能够避开各种障碍物。     

Longitudinal test of ePortfolio continuous use: an empirical study on the change of students’ beliefs

The electronic portfolio (ePortfolio) is learner-centred, and its effectiveness depends on the learners’ long-term use. Thus, it is proper to conduct the study from the learners’ perspectives. Currently, most research on the use of the ePortfolio is in the form of cross-sectional studies, and it is difficult to find the reasons for the changes in students’ beliefs with regard to the long-term use of the ePortfolio. Based on the longitudinal test, this study explained the students’ continuous use of ePortfolio and the changes in their beliefs. With 122 samplers in the adoption–continuous stage (t ₁–t ₂) and 117 samplers in the continuous stage (t ₂–t ₃), this study demonstrates that in continuous use stage (t ₂–t ₃), perceived ease of use still influences the users’ perceived usefulness (PU) and attitude towards the ePortfolio. Attribution significantly moderates the users’ beliefs from the adoption stage (t ₁) to the continuous use stage (t ₂). However, the moderating effect of attribution in the continuous use stage (t ₂–t ₃) is insignificant; satisfaction and attribution are the key factors driving the users’ continuous intention towards the ePortfolio rather than PU and attitude. Meanwhile, satisfaction and attribution will change because of the users’ expectation disconfirmation, and it will influence the users to continue using ePortfolio.     

Video summarization via minimum sparse reconstruction

The rapid growth of video data demands both effective and efficient video summarization methods so that users are empowered to quickly browse and comprehend a large amount of video content. In this paper, we formulate the video summarization task with a novel minimum sparse reconstruction (MSR) problem. That is, the original video sequence can be best reconstructed with as few selected keyframes as possible. Different from the recently proposed convex relaxation based sparse dictionary selection method, our proposed method utilizes the true sparse constraint L₀ norm, instead of the relaxed constraint _L2,1$L_{2,1}$ norm, such that keyframes are directly selected as a sparse dictionary that can well reconstruct all the video frames. An on-line version is further developed owing to the real-time efficiency of the proposed MSR principle. In addition, a percentage of reconstruction (POR) criterion is proposed to intuitively guide users in obtaining a summary with an appropriate length. Experimental results on two benchmark datasets with various types of videos demonstrate that the proposed methods outperform the state of the art.     

正则化稀疏模型

正则化稀疏模型在机器学习和图像处理等领域发挥着越来越重要的作用,它具有变量选择功能,可以解决建模中的过拟合等问题．Tibshirani 提出的 Lasso 使得正则化稀疏模型真正开始流行．文中总结了各种正则化稀疏模型,指出了各个稀疏模型被提出的原因、所具有的优点、适宜解决的问题及其模型的具体形式．最后,文中还指出了正则化稀疏模型未来的研究方向．     

面向海洋通信网络的分布式系统容错机制

针对在船队航行过程中,由于网络通信不稳定引起的P2 P分布式系统节点频发的退出问题,通过优化P2 P分布式架构的容错策略,提高系统的抗灾能力。探讨并设计在海洋环境下分布式系统的容错机制,提出更加适用于全新容错机制的节点选举方法,提高节点选举的可靠性和稳定性。在优化的P2 P架构下,设计并实现基于船队出海环境的分布式数据平台原型系统。通过仿真实验证明该系统具有较好的可伸缩性、独立性和稳定性。     

基于PSO-SVM的小电流接地故障选线方法

针对小电流接地系统,现有故障选线方法的精度不高,为此提出基于粒子群优化向量机（PSO‐SVM ）的选线方案。在搭建小电流接地系统仿真模型的基础上,采用M atlab进行PSO优化算法仿真实验,根据不同的接地情况获得故障时各线路零序电流,利用小波包变换（WPT ）与傅里叶变换（FFT ）从零序电流中提取暂态分量、谐波分量、五次谐波分量作为PSO‐SVM输入特征进行训练,用训练好的SVM 对测试样本行检测,得到选线结果。仿真结果表明,该方法使学习训练速度加快、自适应能力增强、选线精度提高进,且其不受接地电阻、故障距离等因素影响。