基于目标序列分析的智能监控多目标自动检测跟踪

针对道路交通监控场景，提出并实现了一个多目标自动检测与跟踪系统． 首先通过高斯混合模型的运动 信息提取方法得到目标运动信息，并分析了目标信息的连续多帧历史信息， 估计目标区域信息在连续多帧中的统 一性，进而通过信息融合的方式得到了目标检测结果． 然后提出了监控场景下多目标的跟踪与管理策略， 根据目标 检测结果，对场景中的多个目标同时进行跟踪．最后， 根据目标的不同状态将目标划分为新出现目标、被更新目标 和被跟踪目标等不同的类别，提高目标跟踪的准确性．     

基于EMD能量占比的海面漂浮小目标特征检测

针对传统的时频分析方法对海杂波分析有限的问题，提出一种基于经验模态分解(empirical mode decomposition, EMD)能量占比的海面漂浮小目标特征检测方法。首先，采用EMD将接收回波分为独立不同尺度的若干个固有模态(intrinsic mode function, IMF)分量，实现对接收回波的频率从高频到低频的分解。然后，分别建立IMF分量与接收回波数据的相关系数，并利用平均均值-标准差之比作为筛选IMF分量的准则，自动筛选出能量较大且波动平稳的低阶IMF分量。最后，提取IMF分量在原始信号中的平均能量占比作为特征，利用蒙特卡罗方法设置门限，进行海面目标异常检测。实测数据的结果显示，所提算法的性能优于对比算法。     

追踪物理学中的跨领域模因

以美国物理学会旗下期刊2000—2019年发表的论文和Web of Science论文摘要为基础，用模因短语刻画知识，构建模因关系网络并引入跨学科测度Rao-Stirling指数以计算模因的跨领域分数，从而追踪物理学中的跨领域模因。分别从网络拓扑结构指标、跨领域测度指标和专业术语对比3个方面进行验证，证明了所提的模因关系网络和模因的跨领域分数可以有效反映知识在不同领域间的扩散现象。     

改进的非参数 Ce ns us 变换立体匹配算法

针对多数立体匹配算法的相似性测度都建立在像素灰度特性基础上, 无法彻底消除匹配差异性, 易出现歧异性的问题, 提出一种改进的非参数Census变换匹配算法. 该算法通过在传统非参数Census匹配过程中增加局部纹理反差值测度, 引入图像纹理度量的方向性, 使中心像素灰度值不再是唯一决定因素, 改进了匹配模版, 从而有效解决了传统匹配算法的歧异性问题. 实验结果表明, 改进算法是一种有效、 合理的立体匹配方法, 提高了稠密匹配精度.     

时宽-波形基联合捷变的LPD通信波形

为了提升通信信号的低检测概率(low probability of detection, LPD)性能,从降低通信波形各域能量聚敛性的角度,提出时宽-波形基联合捷变(joint agility of time width and waveform bases, JATW)的波形构架。基于此构架,以切普扩频(chirp spread spectrum, CSS)和正弦扩频(sinusoidal frequency spread spectrum, SFSS)为波形基,采用变时宽(varied of time width, VTW)参数配置方法,提出基于VTW-CSS/SFSS混合波形的LPD通信波形。采用数学推导辅以数值仿真分析的方法,分析所提出波形的各域能量聚敛特征。理论分析和数值仿真结果表明,相较于CSS和SFSS,所提波形的各域能量聚敛性明显较弱, JATW的波形构架有助于提升通信波形的LPD性能。     

一种改进的边界扫描的路面裂缝检测算法

针对路面图像噪声较多、目标裂缝跟踪难等问题,分析对比了几种传统的经典边界扫描方法,如Sobel、Canny等算法,并根据路面裂缝图像的特点,提出了基于绝对梯度值的Sobel改进方法,使得边缘信息得到加强、减少了噪声以及伪边缘。经过后续图像的处理,能够较好地跟踪识别路面图像的裂缝信息。     

双时相影像联合不确定性对变化检测精度的影响机理探索

研究了双时相影像的联合不确定性对变化检测结果精度的影响机理，为通过抑制不确定性的方法提高变化检测精度的工作奠定理论基础.首先利用联合熵对双时相影像的联合不确定性进行量化评估；进而基于空间统计相关方法，研究影像的联合不确定性与双时相影像变化检测精度指标之间的关系；最后建立双时相影像联合不确定性对变化检测结果精度的作用模型.实验结果表明：双时相影像的联合不确定性与变化检测结果的精度之间呈现出强负相关性，且对变化检测结果精度的影响模式具有线性特征.     

实时检验泡沫：基于严格局部鞅判别的泡沫检验方法

实时检验泡沫并对市场参与者和监管者进行预警，有利于防范和化解金融风险。基于检验泡沫的严格局部鞅判别原理，在RKSH方法的基础上拓展了一种倒向滚动检验方法（BSLM），并通过蒙特卡洛仿真和实证分析验证了新方法的有效性。研究发现：相对于传统严格局部鞅判别方法，BSLM方法对距离当前时刻较近的泡沫具有更高的检验势，并且能更早地事前预警泡沫；在对中国股票市场主要指数2000~2015年的泡沫检验中，新方法能判断泡沫的生成时间和破灭时间，发现上证指数和深圳成指的泡沫具有较强的联动性。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明，在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

基于主题突变检测的颠覆性技术识别——以无人机技术领域为例

 颠覆性技术对实现中国科技创新跨越式发展具有重要战略意义。以无人机技术领域为例，获取Web of Science论文数据库和德温特（Derwent）专利数据库2005-2019年收录的2812篇论文与专利数据，基于LDA-LSTM文本分类算法得到技术主题，采用CiteSpace构建共现网络，从突变权重排序及突变时间段和突变共词聚类知识图谱2个角度进行主题突变检测，进而识别出无人机交互技术中的脑机接口技术及手势控制技术为该领域内的颠覆性技术，通过2020年无人机技术领域相关论文专利验证了识别框架的有效性。