基于改进粒子滤波的视觉目标跟踪

针对目标跟踪算法在精度和鲁棒性上的要求,提出一种基于改进粒子滤波的视觉目标跟踪算法.首先,建立多种特征来描述目标外观模型,并对各特征分量的加权系数进行自适应调节;然后,利用分类重采样方法解决原始重采样方法中的粒子退化和匮乏问题;最后,提出一种新的模板更新机制,自适应选取运动模板或原始模板.实验结果表明,改进后的算法在具有挑战的跟踪视频序列上实验,具有良好的跟踪精度和鲁棒性,能够应对视频图像分辨率不高、目标转动变化、部分遮挡等复杂条件.     

随机森林分类用于雷达信号预分选新算法研究

 现代战争中,雷达电子战环境越来越复杂,随着雷达种类的多样化和雷达脉间调制方式的复杂化,对信号分选的识别难度也愈加增大。本研究采用随机森林算法对脉冲描述字特征进行预分选,可自适应的对特征进行选择,并实现分类。随机森林由于可以自动进行特征选择,可对不平衡的数据进行误差平衡等优点,通过多决策树表决方式,可以迅速完成对大量数据快速训练。在脉冲丢失导致的部分特征损失的情况下,仍可以维持识别准确率。通过实验证明了本方法对雷达脉冲描述字特征进行预分选的有效性。     

基于栈式稀疏自编码多特征融合的快速手势识别方法

针对复杂背景下手势分割提取效果不佳、图像识别率不高、识别困难等问题,研究多特征融合的快速手势识别方法.利用YCbCr颜色空间模型,构建肤色分布模型,从复杂背景中去除大部分非肤色的干扰,从而实现手势分割;接着采用5层栈式稀疏自编码网络框架,分别提取手势感兴趣区域（region of interest,ROI）的纹理图像、形状图像和显著视觉图像作为自编码网络输入,将提取到的不同类型的特征进行线性融合;最后使用基于径向基核函数（radial basis function,RBF）的支持向量机（support vector machine,SVM）分类器进行融合特征数据分类,从而实现不同类型的手势识别.实验结果表明,相比其他手势识别方法,本文方法识别率较高,提取特征更具有代表性,平均识别率可达95.05%.      

基于几何特征的兵马俑断裂面匹配方法

针对兵马俑碎块的三维数据模型中噪声含量大、断裂面存在缺损等问题,提出一种基于断裂面上几何特征的碎块精确匹配方法.首先从兵马俑碎块的外表面中分割并识别出断裂面;然后提取断裂面上凸凹不平的特征区域,并根据其相似性实现碎块的粗匹配;最后计算断裂面的曲率、法线以及点云密度等几何特征,并采用基于该几何特征的改进迭代最近点（iterative closest point,ICP）算法实现碎块的细匹配.实验采用大量兵马俑碎块验证该匹配方法,结果表明该匹配方法可以实现兵马俑碎块的匹配,特别是提出的细匹配算法,与ICP算法和MICP算法相比,其匹配精度分别提高了约40%和10%,耗时分别降低了约50%和25%;该基于几何特征的断裂面匹配方法是一种有效的兵马俑碎块匹配方法.      

基于视频特征聚合的细胞形变动态建模

提出了一种基于图像处理架构对活细胞视频中细胞动态进行建模的方法.在这个架构下,视频中两帧间的细胞动态被表示为细胞轮廓形变和细胞内部运动的动态特征.其中,前者细胞轮廓形变利用形状上下文进行度量,而后者细胞内部运动则通过尺度不变特征变换（SIFT）流进行建模.为了更好的刻画细胞质流动,基于SIFT流的细胞运动场进一步构建细胞外观变化场.在获得上述帧级细胞动态特征之后,引入时间序列建模的方法来生成视频级的细胞动态特征.具体地,基于紧凑编码的时序特征聚合方法可以捕获整个视频中的细胞动态演变过程.活细胞视频数据库被建立以用于验证提出方法的有效性,实验结果表明提出方法对于细胞形变动态度量和分类的性能优于其它主流方法.     

深度学习源代码缺陷检测方法

针对由于传统的源代码缺陷分析技术依赖于分析人员的对安全问题的认识以及长期经验积累造成的缺陷检测误报率、漏报率较高的问题,提出了一种深度学习算法源代码缺陷检测方法.该方法根据深度学习算法,利用程序源代码的抽象语法树、数据流特征,通过训练源代码缺陷分类器完成源代码缺陷检测工作.其依据的关键理论是应用深度学习算法及自然语言处理中的词嵌套算法学习源代码抽象语法树和数据流中蕴含的深层次语义特征和语法特征,提出了应用于源代码缺陷检测的深度学习一般框架.使用公开数据集SARD对提出的方法进行验证,研究结果表明该方法在代码缺陷检测的准确率、召回率、误报率和漏报率方面均优于现有的检测方法.      

基于模糊集-证据理论-层次分析法的车辆运行风险评估

为研究车辆运行风险等级,通过模糊集理论和DS证据融合算法,研究不同因素在不同风险等级的概率隶属值,运用层次分析法计算不同因素对车辆运行风险系统的权重值,通过加权计算车辆运行综合因素发生不同等级风险的概率和综合风险值。通过对湖南省高速公路某一路段作为实例分析,研究表明：该路段整体车辆运行风险是中等等级风险。因此,模糊集-DS证据理论-AHP的方法对车辆运行风险评估是行之有效的。     

基于无监督学习的实时公交动态调度的研究

针对广州智能公交调度的优化问题,提出一种基于无监督学习的实时公交动态调度算法,结合乘客利益和公交公司利益总体最优为目标,通过无监督学习方法学习到公交客流出行特征表达的提取,利用吸引子传播(affinity propagation,AP)聚类算法的优化数据集与支持向量机(support vector machine,SVM)的训练样本集相结合建立预测模型训练,运用公交线网发车间隔和加权系数的目标函数优化调度数学模型,将多源信息融合及多策略的实时公交动态调度算法引入到求解模型中,利用深度学习的异常突发事件分类检测方法实现调度优化模型的实时调整。实验结果表明,AP聚类算法程序运行耗时16 s、高峰发车间隔5 min,比遗传算法运行效率更高、时间间隔更精确,实例证明模型和算法具有实用性和可靠性。     

一种改进的主成分分析特征抽取算法:YJ-MICPCA

针对主成分分析(PCA)假设数据服从高斯分布的条件以及只能处理特征之间线性关系的不足,提出一种基于Yeo-Johnson变换和最大信息系数(MIC)的PCA特征抽取算法,命名为YJ-MICPCA。通过YeoJohnson变换改善原始数据分布,使其近似服从高斯分布,并将PCA中计算协方差矩阵转化为计算MIC矩阵的平方,使其也能处理特征间存在的非线性关系。以UCI机器学习数据库中的11个数据集为实验对象,采用支持向量机、朴素贝叶斯模型、k近邻算法这3种分类器,比较了YJ-MICPCA与PCA及其他常用非线性降维方法LLE、Isomap、MSD、KPCA的降维效果和分类精度,结果表明YJ-MICPCA总体上优于其他几种算法。     

基于超极特征匹配机制的人工网络安全流量 过滤算法研究

为解决当前物联网部署过程中存在的流量过滤效率低、传输受限等难题,提出了一种基于超极特征匹配机制的人工网络安全流量过滤算法。首先,基于能量最优原则,并针对sink节点与准分区节点之间的应答响应关系,构建一种网络初始化方案,使用分组问答-响应方式建立节点拓扑初始化关系并进行能量排序,实现网络快速建立及拓扑收敛。随后,综合考虑能量冗余、距离等超级特征并进行区域匹配,通过设计更新周期方法实现对区域节点稳态化控制,稳定区域传输质量,提高算法在超宽带传输条件下的适应能力。最后,采取扫描方式进行分区节点二次筛选,选取转发代价最小的分区节点进行组网,降低分区节点因能量受限而出现瘫痪的概率,进一步稳定算法对流量的过滤及传输质量。仿真实验表明:与当前常用的超宽带一体化传输过滤稳定算法(Ultra Wideband Integrated Transmission Filter Stabilization Algorithms,UWITFS算法)及分区流量综合过滤算法(Partition Flow Comprehensive Filtering Algorithms,PFCF算法)相比,所提算法具有流量过滤强度高、超宽带传输能力强的特性,实际部署价值较高。