基于多特征相关滤波的红外目标跟踪

为实现在复杂背景和多干扰条件下红外目标的稳 定跟踪,提出一种基于多特征相关滤波的红外目标 跟踪算法。首先综合考虑生物视觉关注特性及目标运动特性,提取目标区域的空间特征和 运动特征,进而融合一种改进的卷积特征,生成多特征权值函数;然后在传统 相关滤波的基础上,引入多特 征权值函数用以表征不同候选区域的重要程度,形成权值相关滤波的红外目标跟踪框架;最 终得到能够表 征目标位置的置信图,从而完成红外目标的鲁棒跟踪。在6组不同条件下红外视频序列上的 实验结果表明, 和经典目标跟踪算法相比,本文方法在复杂背景下的平均跟踪成功率提升15%左右,能够有 效应对相似虚 假目标、遮挡、背景辐射强度变化和探测器晃动等不良因素的影响,适用于复杂背景条件下 的红外目标跟踪。     

人工智能赋能军校实战化教学改革

针对军队院校实战化教学存在的认识不足、能力欠缺、普遍性低等问题,结合人工智能在教育领域的广泛应用,提出人工智能赋能实战化教学改革,探讨人工智能给实战化教学带来的机遇与挑战,并从军队实际出发阐述实战化教学实施策略,最后给出“智能+教育”视域下实战化教学建议。     

证据理论在模式分类中的应用综述

随着技术水平的发展和研究的不断深入,在模式分类问题中需要处理的信息往往存在有大量的不确定性。证据理论作为处理不确定性一大强有力的工具,将其应用于模式分类能够有效提高分类器分析、表达以及处理不确定性数据的能力。对此,文中开展了证据理论在模式分类中应用的研究综述,在对模式分类、证据理论的基本原理进行概述的基础上,重点围绕单分类器设计和多分类器集成两个角度,系统梳理了证据理论在模式分类中的研究现状,并从不同分类特性的角度出发比较了各阶段方法的优缺点,旨在为相关研究人员提供借鉴和参考。     

时态网络中知识图谱推荐:关键技术与研究进展

将知识图谱推荐系统应用于时态网络能够有效解决动态推荐问题,在军事、交通、社交等领域具有重要的应用价值.文中对时态网络中知识图谱推荐关键技术及进展进行综述,在总结了知识图谱基本概念、生命周期基础上,分析了知识图谱推荐系统的分类、构建流程及推荐算法特征,讨论了时态网络中知识图谱推荐关键技术,即知识推理和动态推荐的主要技术模...     

基于低秩三分解的红外图像杂波抑制

针对红外图像中对比度较低、目标信号较弱且受背景噪声杂波干扰较大的特点,结合信号的稀疏表示理论提出了一种基于低秩三分解模型的红外图像背景杂波抑制算法。首先,分别对红外图像中目标、背景和噪声3种成份进行建模描述,得到低秩三分解模型。然后,采用二维高斯模型构造红外小目标超完备字典,利用所提出的低秩三分解模型将分块重置的图像数据矩阵分解为背景、噪声和目标3种成份。最后,对于目标分量进行阈值处理从而得到突出红外小目标的重构图像,实现杂波抑制。在3种不同情况下的实验结果表明:本文算法能够使红外图像局部信噪比提高2倍以上;与其他经典算法相比,抑制因子至少提高15%。得到的结果表明,所提算法能够有效抑制杂波,在提高红外图像信噪比的同时,对不同噪声干扰也具有较强的鲁棒性。     

一种新颖的第二类Stirling数公式证明

现有的Stirling数公式证明过程繁杂且难以掌握,文中根据满射函数定义和排列组合基础理论,结合逐步淘汰原理给出了第二类Stirling数公式的一个既简单又易接受的证明过程。该证明过程不仅给出了第二类Stirling数公式的来源,而且从满射函数特性方面回答了其正确性。     

面向知识图谱链接预测任务的解释子图生成模型

近年来图神经网络（GNN）发展迅速,相关模型在知识图谱链接预测任务上的性能显著提升。为解释性能提升的原因,研究人员需要提取GNN学习到的子图模式。然而现有GNN解释器在知识图谱这类典型多关系（multi-relation）图数据场景下的解释准确性尚未被验证,且相关工具尚未实现,导致解释子图提取困难。针对该问题,提出一种将多关系的知识图谱转换为单关系（uni-relational）图的知识图谱链接预测模型,该模型通过将知识图谱中的实体组合为新的节点,并将关系作为新节点的特征,生成只有单一关系的新图,并在新图上训练去噪自编码器使其获得链接预测能力,最后使用GNN解释器生成子图解释。在三个基准数据集上的实验表明,与不进行转换的GraIL相比,所提基于单关系转换的链接预测模型的相对AUC指标提升显著。最后,该模型选取FB15K-237数据集进行解释子图提取实验,验证了模型在直接提取链接预测解释方面的有效性。     

面向单记录的混合负载下物化视图异步增量维护任务生成

针对已有的混合负载（HTAP）下物化视图异步增量维护任务生成算法主要面向多记录,无法面向单记录生成HTAP物化视图异步增量维护任务,导致磁盘IO开销的增加,进而降低HTAP物化视图异步增量维护性能的问题,提出面向单记录的HTAP物化视图异步增量维护任务的生成方法。首先,建立面向单记录的HTAP物化视图异步增量维护任务生成的效益模型;然后,基于Q-learning设计面向单记录的HTAP物化视图异步增量维护任务的生成算法。实验结果表明,所提算法在实现面向单记录生成HTAP物化视图异步增量维护任务的基础上,将平均每秒读写操作次数（IOPS）、平均CPU利用率（2核）和平均CPU利用率（4核）至少分别降低了8.49次、1.85个百分点和0.97个百分点。