基于多尺度网格细胞的路径整合模型

针对类脑机制下空间位置自主推算问题, 提出一种基于新型叠加算法的路径整合模型, 通过引入多尺度网格细胞提高路径整合结果的准确性。在路径整合模型中, 基于吸引子网络构建网格细胞与头朝向细胞模型, 通过头朝向变化量来判断运行体的运行状态, 完成不同运动的整合过程; 采用动态权重值分别计算直线运动与曲线运动过程中多尺度网格细胞的位移变化量, 提高路径整合的精度。仿真结果表明, 单一尺度与多尺度网格细胞路径整合模型都能够完成路径整合, 且在3 000 m的距离内, 多尺度网格细胞模型误差不超过15 m, 证明了多尺度网格细胞模型能够提高路径整合的精度, 验证了该路径整合模型的有效性。     

基于NSCT域I2CM的图像融合方法

针对多传感器图像融合问题, 提出一种基于非下采样轮廓波变换域改进型交叉视觉皮层模型的图像融合方法. 首先, 采用非下采样轮廓波变换对源图像进行多尺度、多方向稀疏分解; 然后对经典交叉视觉皮层模型进行改进, 改进后的模型不仅待定参数更少, 而且可以自适应地确定迭代次数; 最后利用其实现对各子图像的融合并进行非下采样轮廓波逆变换获得最终融合图像. 实验结果验证了该方法的有效性.     

改进YOLO的遮挡行人检测仿真

针对已有的YOLO(you only look once)模型在行人目标检测中对遮挡及多尺度行人易造成漏检和精度较低的问题,提出改进YOLO行人检测算法YOLO-SSC-s(YOLO-spatial pyramid poolingshuffle attention-convolutional block attention module-simplified)。修改YOLO模型骨干网络,增强跨尺度特征提取能力;在3个YOLO层前的不同位置引入空间金字塔池化模块以及空间与通道、组特征2种注意力机制,加强对不同尺度行人的特征融合;为了缓解网络模型过于复杂而降低检测性能,提高模型训练效率,根据实际情况对网络结构进行简化。实验结果表明：与YOLOv3等检测模型相比,YOLO-SSC-s可有效提高遮挡情形下中、小行人目标的检测精度、速度,降低漏检率。     

微信群与线下交流耦合网络知识传播模型研究

本文构建了微信群与线下交流耦合网络上的知识传播模型,该模型考虑了微信群中知识交流次数的变化对线下子网络中知识传播率的影响.推导出区分知识在耦合网络中传播与否的阈值条件,并验证了传播阈值始终是一有限数,最后结合实际数据对耦合网络上的知识传播过程进行了数值模拟.结果表明,耦合网络中线下子网络层的传播阈值大于等于单一的线下网络的传播阈值,而小于等于耦合网络的传播阈值.与各层子网络传播率均为正常数的耦合网络模型相比,在线下传播率随微信群中知识交流次数变化的模型中知识的传播阈值和最终传播规模更大,研究还表明,网络结构对知识传播有重要影响,相比于均匀网络,如果线下子网络是无标度的,即使初始时刻知识拥有者数量较少,耦合网络中知识的传播阈值与最终规模也会更大,传播速度更快.     

基于私有云和改进粒子群算法的约束优化求解

为提高约束优化模型的求解准确度和运算速度,针对粒子群算法及其计算方法进行了改进。引入多样化机制避免算法陷入局部最优的危险:创建多个子群将决策空间划分为多个搜索子空间,多子群独立搜索以保证群间解的多样化;用量子粒子代替普通粒子,为其添加服从球状分布的伴随粒子来提高群内解的多样化。多样化的引入增加了计算量和计算复杂度,利用并行计算提高算法运行速度:分析了改进粒子群算法并行计算的方法,在私有云计算平台上编写了基于MapReduce的并行求解流程。实验结果表明,本文方法具有较高准确度,算法的稳定性也较好,运算速度可成倍提高。     

基于双向汇聚引导蚁群算法的机器人路径规划

路径规划是自主移动机器人技术的核心理论问题之一,论文采用网格法建立路径规划问题的环境模型,提出了基于先验知识的优势方位角,建立了主优势网格和次优网格的改进网格模型,并采用基于子路径认知方法的信息素释放策略,提出了起始点与目标点互换的交替双向引导策略,实现了一种汇聚融合的信息素结构,实现了基于改进网格模型的双向汇聚斑迹信息素蚁群算法。实验表明,该方法在求解具有复杂障碍物分布的大规模地图规划问题时,具有空间复杂度小和效率高的优点,大大提升了构建初始解及收敛的速度,具有很好的求解性能。     

一种多波段SAR图像伪彩色融合算法

针对多波段SAR图像互补信息的利用问题,提出了一种基于Contourlet变换与IHS变换结合的伪彩色融合算法.利用最佳指数模型选择出信息量最大、相关性最小的三个波段图像,实现RGB到IHS彩色空间的变换;然后用Contourlet变换对Ⅰ分量和另一波段SAR图像进行多尺度分解,分别得到低通近似子带和方向高频子带.对方向高频子带定义一个边缘信息量测因子融合策略进行融合,近似子带用平均方法融合,并进行Contourlet重构得到融合后的Ⅰ分量.结合H、S分量进行IHS到RGB空间的反变换.综合了不同波段图像特征,把人眼难以分辨的灰度转化为可分辨的色彩,保持SAR图像空间分辨率的同时,增强谱分辨率,仿真实验结果证明了该方法是有效的.     

基于样本噪声响应法的轮廓波消噪算法

分析了轮廓波消噪的有关性质,提出了适用于轮廓波消噪确定子带阈值收敛因子的样本噪声响应法。该方法根据样本噪声(标准高斯白噪声或者特定冲激信号)作用在每个子带上的统计特性,得到每个子带的收敛因子,使用该收敛因子对3σ(或4σ)准则进行修正来确定不同尺度不同方向子带的硬阈值门限。图像消噪实验结果表明:无论在峰值信噪比方面还是在视觉效果方面,本方法均可以取得比较满意的消噪效果;对于尺度较大的图像,可以极大地加快消噪速度并减小内存需求;硬阈值消噪之后使用自适应维纳滤波,峰值信噪比会有一定程度的提高。     

复杂网络特性与多智能体的一致性

对复杂网络特性与多智能体系统的一致性的关系进行研究,以BBV和BA网络模型为例,分别研究了度正相关性和度负相关性的网络模型中多智能体系统一致性的收敛速度.应用计算机仿真实例,分析了无尺度网络模型的平均距离和平均集群系数与多智能体系统一致性的影响,得到了复杂网络结构与多智能体系统一致收敛速度的关系.该研究对于构建一个多智...     

类脑导航中基于差分Hebbian学习的网格细胞构建模型

网格细胞是动物大脑中与空间认知和导航有关的重要神经元,具有拓展至整个空间的六边形放电野。位置细胞是网格细胞重要的信息源,可以通过Hebbian学习生成网格细胞,但是现有模型对Hebbian学习的脉冲自适应函数或学习窗函数做了预先的墨西哥帽模型假设。针对该问题提出一种基于差分Hebbian学习的位置细胞至网格细胞模型,利用细胞放电率的变化自发产生墨西哥帽模型的输入关联,然后通过对位置细胞至网格细胞的突触权重进行竞争性非线性限制,生成具有六边形放电野分布的网格细胞。仿真结果表明,该模型可以为无人运行体类脑导航系统的构建提供借鉴。     

地下煤矿瓦斯渗出、运移与积聚过程仿真方法

提出了基于元胞自动机模型的地下煤矿生产过程中瓦斯渗出后在巷道网络系统中运移和积聚的可视化仿真方法。在该方法中,用元胞自动机模型描述地下矿巷道网络系统,用瓦斯元胞来描述从工作面煤壁、采落的煤堆、围岩和采空区渗出的瓦斯能量单元;用格子元胞描述巷道格子及其状态,这些格子元胞均用瓦斯运移速度和瓦斯含量等状态参数来描述。在仿真过程中,可以获得大量关于瓦斯渗出、运移、稀释、积聚和排放等动态信息以及瓦斯积聚区域形成及其严重程度的量化指标及其可行的调控方法。该方法将时间、空间和系统行为有机地结合起来,在形象、直观、真实的条件下完成积聚在巷道系统中渗出、运移和积聚的仿真。     

基于Gestalt优化的红外视频时空显著性检测

针对红外视频时空显著性检测问题,提出一种基于Gestalt 优化的方法。设计基于多尺度局部稀疏表示和局部对比度测量的方法计算红外视频的空间显著性;为提取视频中显著性目标的运动信息, 设计基于多帧对称差分的算法计算时间显著性;为得到初始时空显著图, 设计基于交互一致性的融合策略将空间显著图和时间显著图进行自适应融合; 提出基于Gestalt 优化的最终时空显著图计算方法。实验结果表明,提出算法能有效检测红外视频的时空显著性。     

基于图结构的暴雨事件组织方法研究

在高时空分辨率的降雨数据支持下,分析和追踪暴雨事件的精细结构和动态行为成为可能,但存在数据量大、数据组织结构复杂的特点,对暴雨事件的时空组织与存储提出了巨大挑战.本文基于暴雨事件的演化过程,设计了一种"顶点-边界"的图结构表达模型,并构建基于Neo4j的图数据库,实现暴雨事件的组织与存储.图数据结构中的顶点描述暴雨事件对象,记录暴雨事件空间位置、降雨数据等状态信息;图有向边对暴雨顶点进行关联,记录暴雨状态之间的关系、变化速度、方向等动态信息.最后,综合时间序列模型和空间拓扑关系,设计基于图的暴雨事件组织模型,基于Neo4j图存储方式R-Tree空间索引存储暴雨矢量数据集,并构建暴雨事件库.基于Neo4j和Oracle Spatial的暴雨事件库的对比分析结果表明,Neo4j事件库在数据入库和时空查询性能方面具有优势.     

非全测状态下的机动目标跟踪

针对空空导弹制导过程中可能出现测量信息不全的情况,以机动目标的“当前”统计模型为基础,在螺旋机动目标模型下对机动目标进行了跟踪滤波。在深入研究了扩展卡尔曼滤波算法、衰减记忆扩展卡尔曼滤波算法的基础上,利用改进的强跟踪滤波算法进行了非全测状态下的机动目标运动信息估计。仿真实验表明:改进的强跟踪滤波算法不仅能很好地完成速度和距离跟踪;如果加上多普勒速度测量,改进的强跟踪滤波算法还可跟踪上加速度。仿真结果表明了改进的强跟踪滤波算法的有效性。     

基于改进Deeplabv3+的烟雾区域分割识别算法

烟雾遮挡使基于图像的寻的制导系统目标识别困难,如何提高该类区域分割识别准确性、降低虚警率是一个亟待解决的课题.现有Deeplabv3+算法对烟雾分割时存在漏分割、错分割等问题,细节损失严重,整体分割精度低.本文提出基于改进Deeplabv3+模型的烟雾区域分割算法,创新异感受野融合的基于空洞卷积的金字塔构型(atrou...     

采用信号子空间稀疏表示的DOA估计方法

利用目标辐射源空间分布的稀疏性,提出了一种基于稀疏表示的多快拍联合波达方向(direction of arrival, DOA)估计方法。该方法首先利用采样数据矩阵大奇异值对应的左奇异向量估计信号子空间,然后采用加权迭代最小方差方法对信号空间进行稀疏表示。与传统的角度高分辨估计方法不同,该方法没有利用样本的统计信息,因而对具有任意相关性的信号源能进行有效的波达方向估计,不需要进行去相关处理,且具有很高的分辨力及估计精度。实验表明在该方法能准确的对目标源方位进行估计,且极大地降低了稀疏表示的计算量。     

Ensemble of multiple kNN classifiers for societal risk classification

Societal risk classification is a fundamental and complex issue for societal risk perception. To conduct societal risk classification, Tianya Forum posts are selected as the data source, and four kinds of representations: string representation, term-frequency representation, TF-IDF representation and the distributed representation of BBS posts are applied. Using edit distance or cosine similarity as distance metric, four k-Nearest Neighbor (kNN) classifiers based on different representations are developed and compared. Owing to the priority of word order and semantic extraction of the neural network model Paragraph Vector, kNN based on the distributed representation generated by Paragraph Vector (kNN-PV) shows effectiveness for societal risk classification. Furthermore, to improve the performance of societal risk classification, through different weights, kNN-PV is combined with other three kNN classifiers as an ensemble model. Through brute force grid search method, the optimal weights are assigned to different kNN classifiers. Compared with kNN-PV, the experimental results reveal that Macro-F of the ensemble method is significantly improved for societal risk classification.