基于特征点的空间目标三维位姿单目视觉确定算法

针对基于特征点的空间目标包括相对位置和相对姿态等的三维位姿单目视觉确定问题,提出了一种基于逆投影思想的迭代方法.给出了一种包含景深估计和绝对方位解算两阶段的迭代算法,在景深估计阶段首先计算由转移矩阵表示的最优平移矢量,然后重构各特征点,并利用其在逆投影线上投影更新各特征点的景深;在绝对方位解算阶段采用Umeyama绝对方位解析算法计算相对姿态矩阵,上述两阶段迭代进行直至结果收敛.利用全局性收敛性定理证明了文中算法的全局收敛性.最后,以航天器交会对接最终逼近段的视觉测量为背景对该算法进行了数学和物理仿真,进一步验证了算法的有效性和收敛性.     

图像视频信号的压缩采样与稀疏重建

要视觉传感器通常不知道它们“看到”的现象之下的物理过程,以远远超出图像视频信号有效维度的Shannon／Nyquist采样率获取图像视频数据,从而导致了对图像视频信号的存储、传输等数字处理的巨大压力．压缩感知（compressivesensing,CS）理论表明：在某个线性变换域下稀疏的信号,可以利用少量的观测数据精确地重建,或在噪声情况下鲁棒地重建．压缩感知是实现图像视频信号有效维度采样的理论基础,为图像视频信号的采样、处理和识别等领域带来了前所未有的突破．本文对图像视频信号领域压缩感知面临的基本问题：压缩采样、稀疏重建模型及其优化求解算法的研究进展进行了综述．在采样方面,分析了图像视频信号随机观测矩阵和有结构观测矩阵的性能;在稀疏重建模型方面,从图像视频信号的稀疏先验性出发、介绍了分析型的重建模型和合成型重建模型的构建方法;在优化求解方面,针对重建模型,介绍了约束优化问题和无约束优化问题两类求解算法．以此为基础,分析了在图像视频领域压缩感知的理论与应用的进一步发展所面临的问题和挑战,展望了未来的发展方向．     

结合最近邻和拓展稀疏表示的SAR图像目标识别方法

为了精准地识别合成孔径雷达(Synthetic aperture radar, SAR)图像中的不同目标,该文提出了一种结合最近邻和拓展稀疏表示的分类(Nearest neighbor and extended sparse representation classification, NNSRC)方法。首先对图像进行预处理,抑制斑点噪声,归一化图像以保持有用的信息;接着采用二维主成分分析法来提取图像的特征向量,根据识别能力选取特征向量;最后判断SAR图像目标的类别。NNSRC方法拓展了稀疏表示模型,有效解决已有SAR图像识别方法处理噪声、遮挡问题效果差,以及求解稀疏系数速度慢的问题。标准SAR数据集上的实验结果显示,该文提出的NNSRC方法识别率达92.9%,与其他方法综合对比表明,NNSRC方法具有更加良好的性能。     

完全(α,β)-绝对纯幺半群

完全右内射幺半群是一类具有重要研究价值的半群,完全α-绝对纯幺半群和完全右FC-内射(FSF-内射)幺半群是其两种不同的推广.通过引入(α,β)-绝对纯S-系的概念,将完全α-绝对纯幺半群和完全右FC-内射(FSF-内射)幺半群进一步推广为完全(α,β)-绝对纯幺半群,即所有S-系是(α,β)-绝对纯的幺半群.讨论了(α,β)-绝对纯S-系的性质,给出了完全(α,β)-绝对纯幺半群的理想-同余刻画, 从而完全α-绝对纯幺半群和完全右FC-内射(FSF-内射)幺半群等的对应结论都可由此结果推出.     

基于成分数据的市场集中度指标预测建模方法及应用

由于HHI和CRn在反映市场集中度方面各有优势,因此在实际应用中经常同时使用这两个指标.本文从这两个常用指标的定义出发,提出一种新的基于成分数据的市场集中度指标预测建模方法.利用该方法,不仅能预测未来时刻的HHI,同时还能预测未来的CRn,并解决了传统预测方法由于企业的市场排名变化而造成CRn中样本可能发生变化的问题.为验证该方法的有效性,文章将此方法应用于中国寿险行业的市场集中度预测,得到了满意的效果.     

基于导航网格的三维空间表示

为了给智能体提供导航信息,必须使用简单的数据结构来表示虚拟环境.针对当前主流的方法存在的缺陷,提出了导航网格的表示方法.其基本思想是把三维场景简化为二雏平面,使用可通行平面表示三维空间.首先介绍了导航网格的构建方法和组织管理,然后从智能体学习和全局预处理两种途径说明了如何在离散的导航网格上根据可达关系自动建立连通图,最后介绍了使用碰撞检测处理技术来获取无碰撞的可通行面的方法.可以看出导航网格不失为一种满足三维空间规模化和智能化的要求的简单高效新方法.     

基于Minkowski测度的风险度量

将基于Minkowski测度的半范数作为风险度量,发现其涵盖了损失期望值、绝对离差、绝对半离差,下偏矩、(a,t)模型、ES等常见的风险度量方法,并且该风险度量方法满足正齐次性、次可加性和协调性公理.因此,它是一种好的风险度量方法.     

贝叶斯网和MAS在生态工业园中的应用初探

Agent在MAS中的行为在很多方面类似于生物在自然环境中的生态行为,因此,从生态系统角度,基于生态特征研究MAS的工业进化模型是很有意义的,对解决生态工业系统的优化控制有着引人注目的现实意义和发展前景.应用贝叶斯技术和贝叶斯网络为智能Agents和多Agent系统所提供的数学框架和处理工具,可有效地解决Agent研究领域所遇到的知识表示、学习和行为决策问题.生态工业系统中的每个企业可以建模为智能Agent.提出一种基于贝叶斯网的方法来对各企业Agent之间的协作关系进行建模.该方法能有效表达各企业Agent的行为策略之间的因果关系,进而可以对生态工业系统中各企业在不同情况下采取的行为策略进行预测和决策,使得整个生态工业系统的经济效益、社会效益和环境效益达到最优化.     

基于多级表示网络的无参考立体图像质量评价

近年来,深度学习在无参考图像质量评价领域的应用获得了广泛的关注.然而,复杂的双目视觉机制和立体图像的多维特性使得立体图像的质量评估更具有挑战性.基于人类视觉皮层的交互作用,提出一个多级表示网络用于无参考立体图像质量评价.为了克服缺乏具有主观质量分数的大规模训练数据问题,将图像的主观平均意见分数分配给图像中的所有小图像块...     

知识矩阵表示

知识表示是一切人工智能算法得以运行的基础,它能够把人类知识表示成机器可以处理的数据结构。本文介绍知识矩阵表示,它可以从知识表示的根本上简化算法的运行过程并提高算法的运行效率。具体地,本文首先将时态推理中的13种区间关系表示转化成5×5矩阵,在此基础上,时态关系演算与传播可以通过矩阵计算获得。然后,将产生式规则的相互关系转化成矩阵,并编码成一个计算公式,它是一个不确定性推理的数学模型。最后,将样本关系表示成矩阵,一次计算就可以获得K值和K个最近邻点,它可以将KNN分类的懒惰学习部分模型化,即转化成数学模型。除此之外,本文展望知识矩阵表示未来的工作,提出知识矩阵表示需要针对不同的应用定义不同的演算方法。