国际模式识别和机器智能的一代宗师——纪念傅京孙诞辰90周年

 2020年是国际模式识别之父、世界著名人工智能和机器视觉科学家傅京孙（KingSun Fu）诞辰90周年。为缅怀傅京孙传奇的生平事迹，论述了其许多鲜为人知的感人故事，展现了他的科学思想和科学精神，评价了他对国际模式识别和机器智能等学科的杰出贡献。     

“中南移动二号”多移动机器人通信系统

针对目前多移动机器人通信系统通用性较差的问题,提出一个多移动机器人通信系统设计原则。中南移动二号多移动机器人采用直接通信的方式,基于移动自组网的结构组建通信网络,并提出一个基于簇的多机器人通信协议进行机器人间的通信,在WindowsXP系统平台上予以实现。该通信系统可应用于装有Windows XP操作系统的移动机器人上,具有一定的通用性。在多移动机器人团队上对该通信系统进行实验。研究结果表明:簇结构的重构时间约1 s,团队监测机器人脱离团队的时间约1s,寻找传输路径的时间小于1 s;此外,可对该通信系统的参数进行调整,以适应不同的环境。     

一种移动机器人SLAM中的多假设数据关联方法

针对移动机器人同时定位与建图(SLAM)中的局部数据关联问题,提出一种基于粒子滤波的多假设数据关联方法.该方法将数据关联问题转换成离散优化问题,利用多个粒子来维持多种数据关联假设,通过计算关联代价来获得粒子权重,用基本剪枝技术在粒子重采样过程中滤除错误的数据关联假设.研究结果表明:该方法弥补了经典的数据关联方法中关联假设一旦确定就不能修改的不足;与ICNN和JCBB数据关联方法相比,该方法能获得更正确的数据关联结果和更高的定位精度.     

无线传感器网络多目标跟踪中协同任务分配

采用动态联盟机制进行多目标跟踪协同任务分配,并对自组织动态联盟进行研究,重点探讨盟员选择机制;分析能量消耗情况,给出改进的能耗模型;介绍三点定位法原理,分析其定位精度,提出基于面积和法以限制节点选择,建立精度模型。将能耗模型与精度模型结合,构造出综合性能指标函数,指导盟员的选择,并运用遗传算法实现此选择。仿真试验结果表明:综合性能指标函数使能耗和精度2个指标都更趋优化,证明了运用遗传算法进行盟员选择的有效性。     

信息审计中短消息中心实验环境的仿真

短消息安全已成为当前的社会问题,但移动运行商不可能提供实际的网络试验环境。论述了短消息中心的原理,并利用Nokia公司的NMSC仿真平台,建立一个短消息中心仿真实验环境MMSC(Multimedia Message Monitoring Center)。MMSC具有转发多媒体短消息的能力,能够在移动通信网络上传送包括文本、图片、声音和视频等多种类型的媒体信息。     

中国人工智能40 年

 介绍了中国人工智能从迷雾重重、艰难起步,到冲破禁锢、初露曙光,直至迎来春天、走上大道的发展历程。概括了中国人工智能取得的主要成绩和存在的问题,提出了发展中国人工智能的决策建议。     

网络传输TCP的马尔可夫过程建模

首先简要介绍了因特网上最重要的协议之一传输控制协议TCP的基本原理,分析了传输控制协议工作时6种可能发生的事件,以发送一个数据段作为一个随机变量表示发生的事件,然后建立了网络传输控制协议TCP的数据段传输过程的马尔可夫过程模型,并由此对传输控制协议TCP系统正确接收的概率P(c)、TCP系统错误接收(包括传输有误但没有检查出的段、重复的段、漏掉的段)的概率P(e)、相对误差R(e)和传输效率等性能指标进行了初步分析.     

基于直线特征提取的自主车辆可通行区域检测

为了使环境感知器在室外非结构化环境中为自主车辆的导航检测道路边界信息及可通行区域,利用车载激光雷达所采集的数据,在最小二乘法(LSM)和连续边缘跟踪法(SEF)的基础上,提出了一种改进的直线特征提取算法SEF-LSM-BM.该算法引入回退机制、逻辑推理和特征合并的方法,区分路边界和障碍物,并对自主车辆可通行区域进行检测...     

UKF与Mean shift算法相结合的实时目标跟踪

针对Mean shift(即MS)算法理论上的不足以及跟踪目标时的邻域跟踪局限性,提出将Mean shift算法与尺度无迹卡尔曼滤波器(Scaled unscented Kalman filter,SUKF)相结合的实时目标跟踪算法.该算法利用尺度无迹卡尔曼滤波器获取Mean shift算法的初始位置,然后,利用Mean shift算法获取跟踪位置.通过分析跟踪区域内横纵向直线的统计变化获取目标的尺度变化,依此自适应调节Mean shift跟踪算法中核函数带宽,并对高速公路上快速运动的车辆进行跟踪实验.研究结果表明:该算法与固定核窗宽Mean shift算法相比,对目标跟踪更准确;SUKF 滤波使MS的迭代次数减少,跟踪的实时性提高;核窗宽自适应调节可使跟踪误差降低到50%以下.     

基于agent的并行GA

采用遗传进化技术和多智能体技术相结合的方法，实现了基于粗粒度的并行GA，该方法有利于改进遗传算法的性能，提高遗传算法搜索的效率，文中讨论的并行模型，最大的特点是通讯开销小。