基于深度Alignment网络的足部测量

足部测量在很多领域有重要作用。三维足部测量受到设备和算法的限制,难以方便快捷地测量足部。结合图像测量和深度神经网络,提出一种方便快捷的足部测量方法。基于足部生理结构分析,提取足部关键点并基于关键点定义了测量参数;针对足部关键点检测,优化了DAN(Deep Alignment Network)模型的激活函数和损失函数,并定义了一种基于手持相机的数据采集方式;检测足部关键点,测量足部主要参数。结果显示,该方法基于手持相机采集数据能够便捷地测量足部参数,并具有较高的精度。     

基于博弈模型与NetLogo仿真的网络攻防态势研究

针对现有建模方法缺乏对攻防博弈行为与态势演化趋势的分析问题,从对抗角度出发分析网络攻防博弈特征;基于非合作不完全信息静态博弈理论建立网络攻防博弈模型,给出收益量化、博弈均衡计算和策略对抗结果判定方法;构建网络攻防博弈多Agent仿真模型;采用NetLogo开展局中人不同策略组合、不同初始数量等场景下的仿真实验,得出网络攻防态势随时间演化情况,通过对比分析仿真结果,给出扭转网络攻防态势的建议。     

面向e-引航的近海边缘计算网络优化与仿真

为提高船舶引航过程安全性,提出了一种基于智能航标(Intelligent Navigation Aid,INA)的近海边缘计算网络(INA-based Offshore Edge Computing Network,IOECN)架构,以提供助航信息保障。重点研究网络中网元节点的布局优化问题(Layout Optimization Problem, LOP)。通过数学建模,将LOP转化为整数线性规划(Integer Linear Programming,ILP)问题。在满足网络覆盖率及连通性条件下,以网络成本最低为求解目标,并使用Gurobi进行求解、运用Matlab进行仿真展示,最终得到不同规模下的网络优化方案,验证了模型的正确性及可扩展性。     

基于树型空间的三维树木模型匹配

为解决三维树木模型的检索具有正确率低、检索效率低、描述不匹配等问题,提出一种基于树型空间的三维树木模型匹配方法。该方法通过构建三维树木模型数据集的树型空间,辅以主轴匹配,轮廓匹配,枝干匹配等方式,经过树型空间中欧氏距离和测地线度量差异值,逐步匹配到相应的三维树木模型,该方法分别在通用模型数据集和自我设计的模型数据集进行了匹配性实现,结果表明可以较大幅度提升树木模型匹配的准确率,利于三维树木模型的大规模检索和重用。     

基于深度学习的视觉SLAM综述

随着计算机视觉和机器人技术的发展,视觉同时定位与地图创建已成为无人系统领域的研究焦点,深度学习在图像处理方面展现出的强大优势,为二者的广泛结合创造了机会。总结了深度学习与视觉里程计、闭环检测和语义同时定位与地图创建结合的突出研究成果,对传统算法与基于深度学习的方法做了对比,展望了基于深度学习的视觉同时定位与地图创建发展方向。     

基于特征回归的单目深度图无标记人体姿态估计

单目深度图无标记人体姿态估计问题,由于动作的多样性,人体自遮挡,运动无规律等因素的影响,导致系统准确率低,鲁棒性不强和运行效率低。为此提出一种基于单目深度图点云的特征提取方法和回归方法,利用特征回归和关节点分类,可以在不使用时间信息的情况下,从单目深度图出估计出人体的关节点坐标。实验结果表明,与其他基于单目深度数据的姿态估计方法,以及相同情况下的多目方法比较,该方法的都能保持很好的精度。     

基于深度学习的体系作战效能智能评估及优化

采用仿真模拟评估方法进行体系作战效能评估包括配置想定、多次运行仿真系统和调用效能评估模型计算多个复杂步骤。针对此流程复杂、耗时长的问题,提出一种基于深度学习回归思想的体系作战效能智能评估方法,引入基于进化策略的作战效能优化流程。以全连接深度回归网络为预测模型,通过多个数据集的试验结果给出网络隐层数和样本量选择的指导原则。进一步结合遗传算法调整网络输入得到优化输出,迭代性能较好。以某仿真系统为例初步验证了其有效性和使用价值。     

一种基于环境预报数据的阵风建模方法

针对现有飞行器仿真试验自然环境模型,研究环境预报数据转换和处理方法;基于随机波浪理论,建立二元阵风紊流数学模型,并研究该模型的仿真建模方法;基于Davenport谱建立基于环境预报数据的阵风紊流模型,并引入到飞行器六自由度数学仿真试验中,得到阵风紊流对于飞行器飞行状态的影响情况。试验结果表明,阵风紊流对于飞行器攻角影响较大,对于飞行高度影响较小,利用阵风紊流模型开展飞行器航迹仿真试验切实可行。     

航海模拟器中海洋环境时空动态变化的仿真

海洋结构物始终受到环境干扰,对海洋环境的仿真会显著影响航海模拟器的真实感。基于数值波浪模型生成海洋环境场,并利用SQLite开发实海域数据库。通过数据库中获取实际的风,海流和海浪信息来与真实海洋保持一致。对环境扰动进行建模,并且将时空变化特征和耦合效应都融入仿真。通过提出的仿真方法再现了真实的航行情况,并利用船载传感器的测量数据进行验证。仿真结果与实测数据吻合良好,说明本方法可以进一步提高海洋模拟器的物理真实感。     

面向网络仿真拓扑的多目标优化映射方法

网络仿真是新型网络技术验证的重要支撑,针对给定的网络仿真拓扑,实现有效映射是其关键。综合考虑多种资源需求,提出了多目标优化映射方法MOTM (Multi-Objective Topology Mapping Method),实现物理资源的有效利用。该方法分析网络中节点、链路资源需求,赋予相应权值;将映射问题转化为图划分问题,采用多级图划分方法进行划分,并通过远程吞吐量阈值优化调整;最后,基于映射策略实现了仿真拓扑的自动部署。实验表明,MOTM相对于Openstack映射方法、随机映射方法,负载不均衡指数平均降低66.5%,95.5%,远程通信开销指数平均降低69.1%,65.2%。     

融合纹理信息的深度图像修复

针对低质量深度图像中存在的空洞和噪声问题,提出了融合纹理信息的深度图像修复算法。首先利用形态学操作对空洞进行优化,基于区域的分割算法完成空洞区域分割;然后将提取出的空洞区域进行纹理信息填补,分析空洞区域与同场景彩色图像的局部结构相似性,完成空洞初修复;最后利用灰度级图像重建算法,对边缘空洞区域进行填充和平滑处理。基于标准数据集Middlebury,所提算法与快速行进算法、自适应中值滤波算法和形态学重建算法相比,对大面积空洞信息完成了良好的修复。在获得较好修复效果的同时,该算法保持了图像的结构完整性和整体平滑性。     

基于集成深度学习的有源干扰智能分类

针对现有基于机器学习的雷达有源干扰分类大多需要构建人工特征集且小样本情况下分类精度低的问题, 提出一种基于多通道特征融合的集成卷积神经网络(convolutional neural network, CNN)分类方法。首先, 建立多种有源干扰的数学模型, 仿真并利用短时傅里叶变换获得其时频分布图; 其次, 提取时频分布图的实部、虚部和模值三通道特征, 通过多种特征组合方式建立不同特征组合的样本集; 最终, 构建以CNN为基分类器的集成深度学习模型, 每个CNN分别提取不同样本集的特征, 对所有基分类器的预测结果做多数投票得到集成模型的整体预测结果。实验表明, 该方法能够有效实现小样本情况下多类有源干扰的高精度智能化识别。     

基于深度图像绘制的视图合成

基于深度图像绘制（DIBR）的视图合成是3DTV中的关键技术。为了消除或减小合成视图中的空洞,常需要对深度图像进行平滑,但这往往会造成图像质量的下降,并造成“视图失真”。提出了一种新的基于DIBR的视图合成方法。该方法执行两次三维图像变换,第一次变换采用平滑后的深度图像,得到含有较小空洞的目标图像：第二次变换采用原始的深度图像,得到含有较大空洞的目标图像,然后以第二次变换得到的目标图像为基准将两幅目标图像融合,最后对得到的目标图像进行空洞填充。实验结果表明该方法合成的图像的质量令人满意,适用于3DTV中的视图合成。     

一种连续无创血压预测的改进向量机学习方法

因不同人体生理特征的差异性,影响了基于光电容积脉搏波（PPG）和心电信号（ECG）的连续无创血压测量精度,提出一种基于优化的支持向量机模型预测血压的方法。该方法将PPG、ECG及人体特征进行处理并组成特征矩阵,通过水银血压计测得实时血压值,运用主成分分析法和遗传算法改进的支持向量机学习模型对特征矩阵和实时血压值进行回归训练,从而建立最优血压预测模型。实验证明,优化改进支持向量回归血压预测方法比传统支持向量机学习法准确度提升了10%~15%。     

基于LLE降维思想的自然计算方法

在自然计算方法中,高维问题的出现使现有一些优化算法虽然能够避免算法陷入局部最优,但是使得算法的性能变差、运行时间变长。在传统自然计算方法的基础上,提出基于LLE ( Local Linear Embedding)算法的自然计算方法,通过对算法中邻居粒子k和维数d的取值进行分析,降维后使算法得到较好的寻优效果。在此过程中,将降维后的数据增加一个小偏置s来增加种群的多样性。将该策略分别应用于粒子群算法和遗传算法中,采用经典测试函数以及主流针对维数进行优化的4个算法来验证其性能。实验结果表明,改进的算法在求解精度和收敛速度上均有明显的提升。     

基于多域特征与随机子空间集成的脑电分类

针对脑机接口(Brain-Computer Interface,BCI)中脑电信号预处理、特征提取、分类识别等过程,提出一种基于多域特征的随机子空间集成方法实现运动想象脑电分类。该方法的基本思想是通过事件相关同步/事件相关去同步特性分析,提取出最佳时频段的多域特征作为特征向量,结合交叉验证自适应地选择特征随机子空间的集成规模,集成线性判别分析分类器实现脑电信号分类。实验结果表明,多域特征和随机子空间集成分类正确率可达90.71%、Kappa系数可达0.63,均优于BCI竞赛第一名成绩,从而证明了该算法在脑电分类中的有效性和实用性。     

基于支持向量回归机学习的机械臂视觉反馈模糊控制

针对于机器人无标定视觉伺服问题,提出一种基于支持向量回归机(Support Vector Regression, SVR)学习的模糊控制(Fuzzy Logic Control, FLC)方法。FLC直接用于构建图像特征与机器人关节运动之间的非线性映射关系。FLC的模糊基函数用作SVR的核函数,建立FLC与SVR的数学等价关系。SVR从数据中学习的支持向量构建FLC的规则。所有规则来自于数据,因此无需人工设计规则。本文所提出方法充分利用了SVR针对小数据量学习具有较好的泛化性能优势,实验结果表明该视觉伺服控制器在精度上及收敛上均具取得较好性能。