投影子空间下基于骨骼边信息的人体动作识别

近年来,基于骨骼数据的人体动作识别在计算机视觉、人机交互等领域受到了广泛的关注。现有的方法大多关注于在原始的3D坐标空间下对骨骼点进行建模。然而,骨骼点忽略了人体自身的物理链状结构,很难刻画人体运动的局部相关性;此外,由于相机视角的多样性,在原始的基于点的3D空间下难以探索动作在不同视角下的综合表征。鉴于此,提出了一种投影子空间下基于骨骼边信息的动作识别方法。定义了结合人体自身连接的骨骼边信息,用于捕获动作的空间特性;在骨骼边信息的基础上引入了骨骼边运动的方向与大小信息,用于获取动作的时间特性;采用2D投影子空间的方式在不同的子空间视角下进行动作表征;探索了合适的特征融合策略,通过改进的CNN框架对上述特征进行综合提取。在2个具有挑战性的大型数据集NTU-RGB+D 60(评价指标为cross-subject与cross-view)和NTU-RGB+D 120(评价指标为cross-subject与cross-set)上的实验结果表明,相比基准方法,所提方法在4个指标下精度分别提升了3.2%、2.4%、3.1%和5.8%。     

不确定性建模在2D和3D目标检测中的应用

目标检测算法在自动驾驶领域有着不可或缺的地位，其检测精度和速度往往可以作为评判一个自动驾驶系统好坏的标准。如何提升目标检测精度和速度已成为当前目标检测算法的主要研究方向。对此，提出了一种基于不确定性建模的目标检测改进算法，在原有二维单次多柜检测器上通过对物体的边界框进行高斯建模并引入新的位置损失函数，实现对原有检测结果的微调。同时，在原有单阶单目三维检测器的基础上引入深度以及航向角的不确定性来调整目标在热力图中的高斯半径，并用马氏距离替代原有的L1距离以提升对较远目标和斜向目标的识别率。对比实验证明，改进后的2D和3D检测算法在KITTI自动驾驶数据集上对比原始2D和3D算法，检测精度分别提升了近5%和2%。     

改进的联合子空间投影的InSAR干涉相位估计方法

提出一种基于联合子空间投影技术的新方法来进行干涉合成孔径雷达相位滤波。所提方法采用的联合观测矢量的优点是,在任意配准误差μ（不超过1个像素）的情况下,观测矢量所对应的协方差矩阵的噪声子空间维数都和精确配准时的噪声子空间维数相同。所提方法在采用联合噪声空间投影方法的同时,充分利用观测矢量中相邻分辨单元的相干信息,因此在降低相位噪声的同时,还具有自动配准合成孔径雷达图像的功能,进而实现相应像素间干涉相位的准确估计。实测数据及仿真数据的处理结果验证了所提方法的有效性。     

基于ICSA-MWF的多级投影干扰抑制方法

为降低子空间投影方法的计算量，提出基于迭代相关相减结构多级维纳滤波器(iterative correlation subtraction algorithm-multistage Wiener filter，ICSA-MWF)的无源雷达多级投影干扰抑制方法。该方法根据回波通道内多径干扰的特点，首先提出一种新的初始化方法将ICSA-MWF应用于距离-多普勒频移域内，依据其前向投影特性即可利用多级小维数投影取代子空间投影方法,接着又提出一种简便的滤波器级数选取方法,然后利用迭代算法实现后向误差综合，最终输出误差即为多径干扰抑制后的信号。该方法干扰抑制性能好、数值稳健且计算量低于子空间投影方法。仿真结果表明该方法的有效性。     

基于MapReduce的大规模数据集流形学习降维研究

信息技术的快速发展导致了数据规模的爆炸式增长，传统的机器学习、数据挖掘算法面临新的 挑战. 流形学习克服了传统线性降维算法的不足，成为十年来降维研究的热点领域. 然而流形学习 算法复杂度高，对于大规模的数据集并不适用. 针对大规模数据集下的流形学习降维问题，提出了 基于MapReduce 的分布式流形学习算法. 该算法采用局部敏感哈希函数将相似点映射到同一个桶中，利用流形具有局部欧氏同胚的性质，在每个桶内采用欧氏距离度量点之间的测地距离，桶之间采用 中心点及边缘点来计算修正的测地距离. 在大规模的人工合成数据集和真实数据集上的实验表明，该算法能有效地估计数据点间的测地距离，适用于处理大规模数据集的降维问题.     

基于快速鲁棒性特征的景象匹配

针对光电成像制导景象匹配中图像产生较大几何形变的问题,提出了一种基于快速鲁棒性特征(speeded up robust feature, SURF)的景象匹配算法。SURF提取的图像特征具有尺度和旋转不变性,对灰度不敏感,并能快速运算。算法首先利用仿射变换对基准图像进行3D视角补偿,模拟基准图像在不同视角下的成像,以减小基准图像和实时图像间的视角差异,分别提取两图像的SURF特征,然后根据最小欧氏距离准则提取两图像间匹配的SURF特征点对,根据该特征点对估计基础矩阵,得到两图像的投影关系。仿真结果表明,该算法能够适应光电成像制导中图像的几何形变,实现稳定的景象匹配。     

基于联合像素模型的InSAR干涉相位稳健性估计

针对InSAR处理中存在图像配准误差时,由特征值估计噪声子空间维数失效的问题,提出了一种基于干涉相位和特征向量构造的投影矢量来确定噪声子空间维数,进而估计InSAR干涉相位的方法.该方法在图像存在配准误差时,不仅能够准确地估计出噪声子空间的维数,同时增强了联合像素方法估计干涉相位的实用性和稳健性.通过仿真数据和实测数据的处理结果验证了方法的有效性.     

最优聚类中心雷达目标一维距离像识别

提出了一种基于最优聚类中心的雷达目标一维距离像识别方法。该方法利用训练数据集建立最小平方距离准则下的最优变换矩阵 ,使用该变换矩阵可增大同类目标的特征聚合性 ,从而减少同类之间差异 ,同时 ,通过在子像空间选定一组最优聚类中心来增大异类目标特征的可分离性 ,加大异类之间差异 ,提高雷达目标识别率。仿真实验结果表明了该方法的有效性。     

低信噪比条件下调频率估计的子空间投影方法

当SAR回波数据的信噪比较低时,准确估计多普勒调频率变得十分困难.提出了一种基于子空间投影技术的多普勒调频率估计方法.该方法利用不同距离单元的观测矢量构造协方差矩阵,然后通过对协方差矩阵特征分解得到噪声子空间,最后将相位误差矢量向噪声子空间投影来估计多普勒调频率.在信噪比较低的条件下此方法可以稳健地估计多普勒调频率.     

MIMO雷达嵌套平行阵下基于子空间的目标二维波达角估计

研究了多输入多输出(multiple input multiple output, MIMO)雷达中的二维波达角(direction of arrival, DOA)估计问题,并提出了一种嵌套平行阵下基于子空间的二维DOA估计算法。利用存在嵌套关系的双平行阵(two parallel uniform linear array, TPULA)作为收发阵列,大大增加了自由度(degree of freedom, DOF)。在DOA估计方面,算法利用数据重构增加虚拟脉冲数,并利用酉变换降低运算复杂度,然后分别基于信号子空间和噪声子空间获得了自动配对的二维DOA估计的闭式解。算法复杂度低,而且相比MIMO雷达中传统TPULA下的算法,该算法拥有更好的角度估计性能,并可辨别空间相干目标。仿真结果验证了算法的有效性。     

基于正则变换的雷达目标成像识别

本文提出一种基于正则变换的雷达目标成像识别方法。该方法首先将各个训练目标在不同方位角时的距离剖面像构成综合矩阵，并对之作正则变换建立正则子空间；然后将每类目标各方位的像向该子空间投影形成子像，并以其平均结果作为库目标的特征矢量。对未知目标，以其子像对库目标特征矢量的欧氏距离最小为分类准则，进行了识别模拟实验。     

基于正则变换的雷达目标成像识别*

本文提出一种基于正则变换的雷达目标成像识别方法。该方法首先将各个训练目标在不同方位角时的距离剖面像构成综合矩阵，并对之作正则变换建立正则子空间；然后将每类目标各方位的像向该子空间投影形成子像，并以其平均结果作为库目标的特征矢量。对未知目标，以其子像对库目标特征矢量的欧氏距离最小为分类准则，进行了识别模拟实验。     

基于PCA和SVM的控制图失控模式智能识别方法

控制图是在线质量控制的重要工具,而利用控制图进行异常过程模式识别却是个困难问题。该文在分析现有控制图识别技术在实际应用中存在缺陷的基础上,提出了一种基于主元分析(PCA)和支持向量机(SVM)的控制图失控模式识别方法。首先,将控制图作为信息图用于趋势模式数据集提取;然后,通过对数据集的高维特征进行线性组合并向低维空间投影的方法,降低了分类器的输入维数,提高了各维特征的敏感性;最后,为了克服神经网络方法速度慢和泛化能力弱的缺陷,利用SVM小样本学习能力,有针对性地设计SVM多分类器进行模式识别。用一个含有6种趋势的20维特征仿真数据集对该方法进行检验,通过主元分析后,数据集的特征被降到了3维并保留了88%的分类信息。进一步的识别结果表明,该方法相对现有的BP、SLFM识别方法达到更高的识别率和识别速度,适合质量控制图在线实时识别。     

基于RAGA的PPC模型对扎龙湿地的可持续发展评价研究

在区域可持续发展评价研究框架的基础上,运用基于RAGA的PPC模型（基于加速遗传算法的投影寻踪聚类模型）,借助扎龙湿地多年统计数据,将多维数据指标（样本评价指标）转换到低维子空间,获得指标体系最佳投影方向和投影值,做出判断,从而初步实现对扎龙湿地可持续发展的评价。表2,参8。     

基于特征子空间与流形正则化的高效增量半监督特征选择方法

基于Fisher Score的前向序列选择法是目前性能良好并广泛使用的一种有监督特征选择方法.然而，该方法只能对有标签样本进行分析，无法利用大量"廉价"的无标签样本信息；并且随着已选特征的个数的增加，对候选特征进行评分的计算复杂度呈三次方形式增加.针对这两个问题，提出基于特征子空间与流形正则化的高效增量半监督特征选择方法.一方面，该方法通过提取有标签与无标签数据的局部线性表示来进行半监督特征选择，使得所选特征能够保持数据的局部流形结构信息；另一方面，该方法基于特征子空间理论进行特征评分，时间复杂度取决于特征空间的维数而非已选特征的个数，如果特征空间的维数是固定的，该方法将花费几乎恒定的时间来评价每一个候选特征.相比于基于Fisher Score的前向序列选择法选择特征的三次方复杂度，所提方法在时间效率方面得到很大提升.在五个标准数据集上进行了实验，所得结果验证了该方法的有效性.     

基于微粒群和子空间的离群数据挖掘算法研究

传统的离群数据挖掘方法大多数是利用全局的观点看待离群数据,很难发现低维子空间中的偏移数据.利用微粒群算法(PSO)具有简单,容易实现并且没有许多参数需要调整等优势,提出了一种基于PSO和子空间的离群数据挖掘算法(OM-PSO).该算法首先将子空间看作微粒,根据偏离数据所在子空间的稀疏系数,采用带有变异算子的PSO算法来搜索子空间,并将子空间中的数据看作为局部偏离数据,即离群数据;最后采用离散化的天体光谱数据作为数据集,实验结果验证了该算法的有效性.     

基于加速遗传算法的投影寻踪聚类评价模型研究与应用

针对农业生产力综合评价这类高维指标体系决策问题,采用降维技术:投影寻踪分类模型,利用基于实数编码的加速遗传算法优化其投影方向,将多维数据指标(样本评价指标)转换到低维子空间,根据投影函数值的大小评价出样本的优劣,从而做出决策。该模型最大限度地避免了传统评判中权重取值的人为干扰,评价结果更为准确客观,为农业生产力综合评价决策及其它评判决策问题提供一条新的方法与思路。     

基于特征子空间投影的信源数估计方法

为了适应实际测向系统的环境,针对常规信源数估计方法在色噪声背景下估计性能变差的问题,提出了基于特征子空间投影的信源数估计方法。首先对特征向量分组,获得只含有噪声部分和既含有噪声又含有信号部分的特征子空间。阵列的导向矢量阵与噪声子空间正交,而与信号子空间张成的是同一个空间。根据这个原理,将协方差矩阵在不同特征子空间上进行投影,得到存在差异的投影数据。最后对投影数据进行求方差处理,得到投影方差,将其作为信源数估计的依据,进而实现信源数估计。仿真实验和实测数据测试表明了该算法的正确性和有效性。     

基于子像空间的雷达目标一维距离像识别

提出了一种基于子像空间的雷达目标一维距离像识别方法。该方法一方面通过建立目标子像空间，改善了对输入目标为库属目标的识别率；另一方面基于假设检验理论，在分类判决中引入判决门限，能够有效地对库属目标和非库属目标进行判别。模拟实验结果表明该方法的有效性。     

基于子空间投影的并行交替采样系统误差估计

并行交替采样技术可以有效解决单片模数转换器(analog to digital converter ,ADC)转换速率与量化精度间的矛盾,但是多通道间的失配误差将严重降低系统性能。提出了一种基于子空间投影技术的系统误差估计方法,利用多通道时延对应的频域线性相位矢量与噪声子空间的正交特性实现增益误差以及时基误差的精确估计。该方法迭代次数少,估计精度较高,对噪声以及偏置误差稳健,并且可以同时完成信号重构。仿真数据的处理结果验证了该方法的有效性。