注意力机制下双模态交互融合的目标跟踪网络

针对当前目标跟踪难以适应低光照、运动模糊、目标快速移动等挑战,提出了空间通道注意力下的红外与可见光双模态交互融合跟踪网络.首先,红外图像与可见光图像通过backbone三层卷积提取分层特征,并降维至统一分辨率,之后级联三层特征形成各模态特征.其次,多模态特征通过所设计的空间通道自注意力模块和跨模态交互注意力模块使得模态...     

基于基底系统的双模态逻辑系统研究

双模态逻辑是多模态逻辑的一种,该逻辑系统可以同时处理两个初始模态算子。本文从多模态基底系统出发,给出双模态逻辑系统的一般理论,即分析双模态相互作用公理及相应的框架条件,给出双模态系统的基本构成以及双模态系统的极小基础。双模态逻辑系统的一般理论具有应用意义,它是具体的双模态系统的一般化概括;同时,双模态逻辑的研究方法是研究多模态逻辑一般理论的一个新视角,对于多模态逻辑一般理论的研究具有理论意义。     

基于低秩双线性池化注意力网络的舰船目标识别

针对多模态舰船图像融合识别质量不高等问题，构建了一种端到端的低秩双线性池化注意力网络。首先对各模态原始特征向量基于跨模类别中心进行注意力加权重构，使不同模态特征更好地关注公共类别信息；然后采用双线性池化捕获不同模态图像的交互信息，并引入权重低秩分解降低网络参数规模；最后依靠特征级联实现模态信息的交互与互补，并设计联合损失提升网络跨模态融合识别效果。实验结果表明，相比现有融合方法，所提方法可有效提升多模态遥感舰船图像的融合识别效果，在公开的遥感舰船数据集上取得了较高的识别准确率。     

基于人眼视点图的特征融合小目标检测算法

针对目前深度学习小目标检测算法在实际应用中存在的漏检率高、精度低等问题,提出了一种基于人眼视点图的特征融合小目标检测算法。基于多类别单阶检测器(single shot multibox detection, SSD)算法通过不同扩张率的空洞卷积融合,在基础网络上获得具有类似人眼感受野的浅层特征层;对附加网络中的特征层进行信息融合,合并上下文信息,增加位置信息和全局语义信息,从而提升小目标检测精度。通过PASCAL VOC 2007数据集验证,结果表明,该算法较传统SSD算法检测精度提升了3.7%,较改进的小目标检测算法Bi-SSD精度提升了0.8%,验证了选择更有表征能力的特征层是有效提升小目标检测精度的方法。     

基于卷积神经网络的低空风切变类型识别

针对激光雷达低空风切变信号图像的类型识别问题,提出了一种基于深度卷积神经网络(deep convolutional neural network,DCNN)的多层特征提取及自适应融合算法。该方法可以有效解决网络逐层训练过程中信息丢失的问题。首先,采用DCNN提取低空风切变信号图像的各层网络特征,并将各特征进行L2范数标准化实现同趋化。其次,将其以多通道图像形式输入单层CNN进行自适应融合,将融合特征送入支持向量机进行分类识别。结果表明,采用所提算法进行低空风切变图像类型识别的平均识别率为98.1%,与其他4种算法相比均有提升。所提算法能更有效地实现低空风切变信号图像类型识别。     

改进粒子群算法在多模态函数优化中的应用

针对多模态函数寻优问题,本文融合了启发式智能算法改进粒子群算法和快速收敛能力的非线性Powell直接法、轴向搜索法,提出两种融合算法:一种是基于改进的PSO算法、Powell直接法相融合的算法;另一种是基于改进的PSO算法、轴向搜索法相融合的算法。通过函数测试结果,比对其他文献,该算法切实提高了多模态函数寻优的精度。     

基于通信域和雷达域融合特征的无人机集群类型识别算法

目前已有无人机类型识别算法仅通过通信域或雷达域的信号特征实现单个无人机类型的识别，存在识别准确率低等问题。提出了一种基于通信信号和雷达信号融合特征的无人机集群类型识别算法。首先，提取集群通信信号的高阶累积量和瞬时特征统计量，并融合雷达航迹特征构建无人机集群特征矩阵。其次，提出一种改进的特征选择算法—二次筛选的近邻成分分析，对融合特征矩阵进行降维。最后，利用稀疏自编码器网络进行集群类型的识别。仿真结果表明，该算法显著降低了集群特征矩阵的维度(仅为原始矩阵维度的27%),同时在信噪比为0 dB时，对5种集群类型识别的正确率可达88%。     

一种增强型基于失败者淘汰的多模态烟花算法

提出一种增强型基于失败者淘汰制的多模态烟花算法。该算法采用一种新型的考虑位置特征的映射规则,把超出爆炸空间上边界的爆炸火花映射到爆炸空间上边界附近的区域、把低于爆炸空间下边界的爆炸火花映射到爆炸空间下边界附近的区域。所提算法引入了自适应调整爆炸火花数量参数的策略,以更好地平衡算法的全局和局部搜索能力。选取CEC2013标准测试函数集中的28个函数进行测试,实验结果表明所提算法具有更优的搜索性能。     

基于HMM的融合多模态的事件检测

事件检测是视频语义分析中的一大难题。在视频中有多种语义丰富的模态信息,融合多模态信息可以帮助准确的检索出所需的事件。提出了一种基于HMM有效融合多模态对象的足球视频语义分析方法。首先从视频中抽取音频流,然后基于CHMM将音频分类。接着根据时间对应关系将音频对象与视频流融合,然后在相应的视频流镜头中基于DHMM融合多种模态对象实现精彩事件如射门、犯规及一般事件的检测,对射门事件进一步结合比分字幕的出现检测进球事件。另外,对DHMM模型的结构、参数初始值尤其是参数约束条件进行了详细地描述。实验证实提出的算法具有较好的效率。     

基于全局位置信息和残差特征融合的SAR船舶检测算法

针对合成孔径雷达(synthetic aperture radar, SAR)图像船舶目标尺度不一且易受海面、地面杂波和相干斑噪声的影响,难以提取目标多维特征且特征融合过程中易产生语义歧义,造成船舶目标检测率低,虚警率高的问题,提出一个基于全局位置信息和残差特征融合的SAR船舶目标检测算法。基于Faster区域卷积神经网络(region convolutional neural network, R-CNN)目标检测算法,在特征提取网络和特征融合网络中进行改进：在特征提取网络中使用高宽注意力机制提取目标在图像中的全局位置信息,增强目标的多维特征提取能力;在特征融合网络中使用带有残差连接的双向特征金字塔网络削弱特征融合过程中的语义歧义,降低复杂背景下的船舶目标虚警率,同时进行不同层级的多尺度特征双向融合,增强高低层特征的联系,提升多尺度船舶目标的检测能力。在SAR船舶数据集上达到98.2%的均值平均精度,超过部分算法2.4%以上。实验表明,所提算法有效提取了目标的多维特征,显著缓解了语义歧义问题,具有较好的检测能力和泛化能力。     

基于特征选取与树状Parzen估计的入侵检测

针对目前网络空间安全形势快速变化带来的新风险和新挑战, 提出一种基于相关性分析的特征选取和树状Parzen估计优化的入侵检测方法。首先, 通过基于相关性分析的数据特征选取方法对数据维度进行压缩。其次, 对原始数据集进行特征筛选, 生成新的特征子集。最终, 使用序列模型优化算法中的树状Parzen估计算法对随机森林算法进行模型优化。实验结果表明, 相比其他应用机器学习算法的入侵检测方法, 所提方法在提升综合性能的同时拥有更高的检测效率, 有效地提升了入侵检测技术的实用性。     

一种基于Petri net的分布式入侵容忍系统模型研究

入侵容忍是新兴的第三代网络安全技术。针对现有入侵容忍系统模型的不足,以Petri net为建模工具,提出了一种分布式入侵容忍系统的模型,给出了该模型的具体解释,并通过实例详细分析了模型的多个性能。分析结果表明,该模型能够扩展对现有入侵容忍系统的描述范围,同时也细化了对入侵容忍系统各个属性的描述。     

基于自适应大数表决机制的容忍入侵模型

针对容忍入侵系统中自适应能力较差的问题,提出了一种基于自适应大数表决机制的容忍入侵系统模型。该模型采用了适当的复制技术和自适应大数表决技术,使系统即使在遭受到恶意攻志的情况下仍能安全、可靠地运行,并能有效地识别出有故障的复制品,从而达到了容忍入侵的目的。通过使用基于前几轮表决的历史记录,使得表决器表决出的输出值更准确、更可靠并能及时地移除掉有故障的复制品。分析表明,方案具有安全性强,可靠性高,系统性能好以及易于实现等优点,特别适应用于对系统安全性、可靠性、可生存性,以及系统效率要求较高的分布式环境中。     

多分类器融合的人脸识别与身份认证

人脸识别是生物特征识别技术中一个活跃的研究领域,取得了很多实践成果,但是单一分类器一般不能取得满意的识别率与身份认证效果。本文采用贝叶斯决策理论分析了常见的积、和、中值以及投票多分类器融合方法,并根据实际的选举情形,对投票法进行了2种改进。然后对协同人脸识别、特征脸法以及复合方法等人脸识别分类器进行决策层的融合,对ORL库中人脸识别仿真实验表明文中的多分类器融合的人脸识别方法具有较好的分类性能,对污损、低分辨率人脸图像具有可靠的识别率、鲁棒性强,而且应用于人脸身份认证中取得了较好的认证效果。     

基于K近邻决策分布图的决策层融合目标识别

决策模板法是一种直观的决策层融合目标识别方法。该方法实质上是将目标的决策分布图作为特征矢量,将其和每类目标的决策模板进行匹配以实现融合识别。由于每类目标的决策模板是该类目标所有训练样本决策分布图的平均,因此它不能反映训练样本决策分布图的分布情况。为减少目标决策分布图散布对融合识别效果的影响,提出采用K近邻方法对目标的决策分布图进行分类,以实现融合识别。仿真实验结果表明所提方法的平均融合识别率优于决策模板法。     

一种战场态势图形指挥系统的多通道整合模型

人机交互技术是实现战场指挥控制系统的核心技术,多通道交互则是实现自然、高效的人机交互的关键技术。在建立多通道战场指挥系统模型的过程中,本文针对多通道整合问题,分析了多通道交互任务的特点,提出了一种基于元动作的多通道整合模型,将多通道任务根据一些关键动作和冗余属性信息分解为一组元动作,整合成功与否以相应元动作特征结构的完整提交为判据,解决了多属性用户动作的任务槽选择问题。使用了事件分类表和元动作槽表,将交互任务知识与多通道整合分开,并在整合过程中采用了多种融合方式相结合的方法,使整合过程能及早生成反馈,又不会产生不必要的回溯。最后给出了基于该模型的交互技术设计规则以及模型示例。     

人脸识别:一种基于特征融合及神经网络的方法

基于特征融合和神经网络构建了一个完整的人脸识别系统。首先使用广义K-L变换对人脸的自组织特征和形状特征进行融合；然后使用UDT(Uncorrelated Discriminant Transfom)对融合后的特征进行变换，以获得最优鉴别矢量；最后使用多层感知器作为分类器。仿真结果证明了该方法的有效性。     

基于感兴趣点特征的彩色图像目标分类与识别

提出一种基于赋色尺度不变特征变换的特征提取方法,分析证明了该特征对平移、旋转、缩放、颜色漂移等因素的不变性。进而研究了基于该特征的彩色图像目标分类与识别的策略和实现技术,提出了相应的算法。通过运用阿姆斯特丹目标图片库中随机选择的50类对象进行分类识别的实验检验,识别正确率可达到100%。理论分析和实验结果表明,赋色尺度不变特征在彩色图像的分类识别中展示出优越的性能。