2.793

                    2018影響因子

                    (CJCR)

                    • 中文核心
                    • EI
                    • 中國科技核心
                    • Scopus
                    • CSCD
                    • 英國科學文摘

                    留言板

                    尊敬的讀者、作者、審稿人, 關于本刊的投稿、審稿、編輯和出版的任何問題, 您可以本頁添加留言。我們將盡快給您答復。謝謝您的支持!

                    姓名
                    郵箱
                    手機號碼
                    標題
                    留言內容
                    驗證碼

                    當期目錄

                    2021年 第47卷  第2期

                    顯示方式:
                    目錄
                    2021, 47(2).
                    綜述
                    基于水下傳感器網絡的目標跟蹤技術研究現狀與展望
                    劉妹琴, 韓學艷, 張森林, 鄭榮濠, 蘭劍
                    2021, 47(2): 235-251. doi: 10.16383/j.aas.c190886
                    摘要:
                    水下目標跟蹤在海洋資源的開發利用以及國家安全的防御等方面都具有廣泛的應用價值和重要的戰略意義. 基于水下傳感器網絡(Underwater sensor networks, USNs)的目標跟蹤技術憑借其覆蓋范圍廣、觀測時間長和實時融合等優勢已經成為一個新的研究熱點. 本文針對基于USNs的目標跟蹤關鍵技術的基本思想、研究進展、應用及局限性進行了綜述, 主要從以下幾個角度對其展開論述: USNs的建設現狀、系統組成及其分類、目標跟蹤系統模型、單目標跟蹤技術、多目標跟蹤技術以及能效優化措施. 最后, 本文不僅指出了基于USNs的目標跟蹤研究目前存在的主要挑戰, 并對該領域的未來發展方向進行了展望.
                    基于特征的視線跟蹤方法研究綜述
                    劉佳惠, 遲健男, 尹怡欣
                    2021, 47(2): 252-277. doi: 10.16383/j.aas.c180844
                    摘要:
                    針對基于特征的視線跟蹤方法進行了綜述.首先對視線跟蹤技術的發展、相關研究工作和研究現狀進行了闡述; 然后將基于特征的視線跟蹤方法分成了兩大類:二維視線跟蹤方法和三維視線跟蹤方法, 從硬件系統配置、誤差主要來源、頭部運動影響、優缺點等多個方面重點分析了這兩類視線跟蹤方法, 對近五年現有的部分基于特征的視線跟蹤方法進行了對比分析, 并對二維視線跟蹤系統和三維視線跟蹤系統中的幾個關鍵問題進行了探討; 此外, 介紹了視線跟蹤技術在人機交互、醫學、軍事、智能交通等多個領域的應用; 最后對基于特征的視線跟蹤方法的發展趨勢和研究熱點進行了總結與展望.
                    基于功能磁共振成像的人腦效應連接網絡識別方法綜述
                    冀俊忠, 鄒愛笑, 劉金鐸
                    2021, 47(2): 278-296. doi: 10.16383/j.aas.c190491
                    摘要:
                    人腦效應連接網絡刻畫了腦區間神經活動的因果效應. 對不同人群的腦效應連接網絡進行研究不僅能為神經精神疾病病理機制的理解提供新視角, 而且能為疾病的早期診斷和治療評價提供新的腦網絡影像學標記, 具有十分重要的理論意義和應用價值. 利用計算方法從功能磁共振成像(Functional magnetic resonance imaging, fMRI)數據中識別腦效應連接網絡是目前人腦連接組學中一項重要的研究課題. 本文首先概括了從fMRI數據中進行腦效應連接網絡識別的主要流程, 說明了其中的主要步驟和方法; 然后, 給出了一種腦效應連接網絡識別方法的分類體系, 并對其中一些代表性的識別算法進行了闡述; 最后, 通過對該領域挑戰性問題的分析, 預測了腦效應連接網絡識別未來的研究方向, 以期對相關研究提供一定的參考.
                    基于小樣本學習的圖像分類技術綜述
                    劉穎, 雷研博, 范九倫, 王富平, 公衍超, 田奇
                    2021, 47(2): 297-315. doi: 10.16383/j.aas.c190720
                    摘要:
                    圖像分類的應用場景非常廣泛, 很多場景下難以收集到足夠多的數據來訓練模型, 利用小樣本學習進行圖像分類可解決訓練數據量小的問題. 本文對近年來的小樣本圖像分類算法進行了詳細綜述, 根據不同的建模方式, 將現有算法分為卷積神經網絡模型和圖神經網絡模型兩大類, 其中基于卷積神經網絡模型的算法包括四種學習范式: 遷移學習、元學習、對偶學習和貝葉斯學習; 基于圖神經網絡模型的算法原本適用于非歐幾里得結構數據, 但有部分學者將其應用于解決小樣本下歐幾里得數據的圖像分類任務, 有關的研究成果目前相對較少. 此外, 本文匯總了現有文獻中出現的數據集并通過實驗結果對現有算法的性能進行了比較. 最后, 討論了小樣本圖像分類技術的難點及未來研究趨勢.
                    論文與報告
                    基于神經網絡和支持矢量機的多機動車車牌在線檢測方法
                    劉進博, 朱新新, 伍越, 楊凱, 陳衛
                    2021, 47(2): 316-326. doi: 10.16383/j.aas.c180753
                    摘要:
                    針對道路交通多車牌識別問題, 提出了一種快速魯棒的多車牌檢測識別方法, 包括多車牌檢測和車牌字符識別兩部分:構造BP (Back-Propagation)神經網絡模型用于顏色識別, 結合圖像形態學運算方法, 篩選候選車牌目標, 基于支持矢量機從候選車牌目標中判別真正的車牌目標; 通過輪廓尺寸判斷, 并結合車牌尺寸特征, 依次分割提取城市代碼字符塊、省份代碼字符塊及5位機動車編碼字符塊, 最后基于BP神經網絡識別字符塊內容.基于上述原理, 開發了魯棒的多機動車車牌自動檢測識別系統, 并在真實場景中進行了實驗測試, 結果表明: 1)車輛在正常速度行駛條件下, 系統依然可以保證90%以上的車牌檢測識別正確率; 2)系統可實現同時多車牌檢測識別; 3)文中實驗硬件配置下, 系統單幅圖像檢測識別平均時間低于130 ms, 處理頻率約8 Hz.
                    基于水平集和形狀描述符的腹部CT序列肝臟自動分割
                    李陽, 趙于前, 廖苗, 廖勝輝, 楊振
                    2021, 47(2): 327-337. doi: 10.16383/j.aas.c180544
                    摘要:
                    肝臟分割是計算機輔助肝臟疾病診斷的重要前提和基礎.本文提出了一種新的基于水平集和形狀描述符的腹部CT序列圖像肝臟自動分割方法.首先, 對原始腹部CT序列圖像進行預處理, 去除與肝臟不相關的器官和組織.然后, 利用灰度偏移場, 結合周長項、距離正則項和相鄰切片肝臟分割結果構建水平集能量函數, 實現CT序列肝臟自動分割.為避免分割誤差累積, 提出一種基于形狀描述符和瓶頸率的肝臟邊緣優化方法, 在每張切片分割完畢后去除由于灰度重疊造成的過分割.通過對XHCSU14數據庫和Sliver07數據庫中腹部CT序列的肝臟分割實驗, 以及與其他肝臟分割算法的比較, 表明了本文方法的有效性, 且分割精度高, 魯棒性強.
                    基于改進結構保持數據降維方法的故障診斷研究
                    韓敏, 李宇, 韓冰
                    2021, 47(2): 338-348. doi: 10.16383/j.aas.c180138
                    摘要:
                    傳統基于核主成分分析(Kernel principal component analysis, KPCA)的數據降維方法在提取有效特征信息時只考慮全局結構保持而未考慮樣本間的局部近鄰結構保持問題, 本文提出一種改進全局結構保持算法的特征提取與降維方法.改進的特征提取與降維方法將流形學習中核局部保持投影(Kernel locality preserving projection, KLPP)的思想融入核主成分分析的目標函數中, 使樣本投影后的特征空間不僅保持原始樣本空間的整體結構, 還保持樣本空間相似的局部近鄰結構, 包含更豐富的特征信息.上述方法通過同時進行的正交化處理可避免局部子空間結構發生失真, 并能夠直觀顯示出低維結果, 將低維數據輸入最近鄰分類器, 以識別率和聚類分析結果作為衡量指標, 同時將所提方法應用于故障診斷中.使用AVL Boost軟件模擬的柴油機故障數據和田納西(Tennessee Eastman, TE)化工數據仿真, 驗證了所提方法的有效性.
                    結構辨識和參數優化協同學習的概率TSK模糊系統
                    顧曉清, 倪彤光, 張聰, 戴臣超, 王洪元
                    2021, 47(2): 349-362. doi: 10.16383/j.aas.c180298
                    摘要:
                    傳統Takagi-Sugeno-Kang (TSK)模糊系統的結構辨識和參數優化往往分階段進行, 同時模糊規則數需要預先設定, 因此TSK模糊系統的逼近性能和解釋性往往不理想.針對此問題, 提出了一種結構辨識和參數優化協同學習的概率TSK模糊系統(Probabilistic TSK fuzzy system, PTSK).首先, PTSK使用概率模型表示模糊回歸系統, 將結構辨識和參數優化作為一個整體來考慮.其次, PTSK不借助于專家經驗, 使用粒子濾波方法對規則數和前后件參數協同學習, 得到系統全部參數的最優解.實驗結果表明, PTSK具有良好的逼近性能, 同時能獲得較少的模糊規則數.
                    基于萊維飛行樽海鞘群優化算法的多閾值圖像分割
                    邢致愷, 賈鶴鳴, 宋文龍
                    2021, 47(2): 363-377. doi: 10.16383/j.aas.c180140
                    摘要:
                    針對Otsu算法用于多閾值圖像分割中存在運算時間長和精度低的不足, 利用群智能優化算法對圖像分割算法進行優化.本文首先應用萊維飛行算法對樽海鞘群優化算法進行改進, 將多閾值Otsu函數作為優化算法的適應度函數, 利用改進后的LSSA尋找適應度函數的最大值, 同時獲得相對應的多閾值.其次, 通過對幾幅基本圖像、伯克利大學圖像分割庫中的圖像和實際污油圖像進行多閾值Otsu分割研究, 在最佳適應度值、PSNR、SSIM指標以及算法耗時方面進行對比分析.實驗結果表明本文提出的算法可以獲得更為準確的分割閾值和更高的分割效率.
                    級聯稀疏卷積與決策樹集成的病理圖像細胞核分割方法
                    宋杰, 肖亮, 練智超
                    2021, 47(2): 378-390. doi: 10.16383/j.aas.c190672
                    摘要:
                    數字病理圖像分析對于乳腺癌、腎癌等良惡性分級診斷具有重要意義, 其中細胞核的形態測量是病理量化分析的關鍵. 然而, 由于病理圖像背景復雜, 細胞核高密度分布、細胞粘連等, 個體細胞核精準分割是一個挑戰性問題. 本文提出一個級聯稀疏卷積與決策樹集成學習的細胞核分割模型. 該模型由稀疏可分離卷積模塊和集成決策樹學習的正則化回歸模塊堆疊級聯組成, 其中: 前者采取秩-1張量分解學習機制, 可分層抽取細胞核的多尺度方向分布式抽象特征; 而后者采取隨機采樣、樹剪枝以及正則化回歸機制提升逐像素回歸分類能力. 相比于現有深度學習模型, 該模型無需非線性激活和后向傳播計算, 參數規模較小, 可實現端到端的學習. 通過乳腺、前列腺、腎臟、胃和膀胱等多組病理圖像的分割實驗表明: 該模型能夠實現復雜數字病理圖像中的高密度細胞核的快速個體目標檢測和分割, 在Jaccard相似性系數、F1分數和平均邊緣距離三個指標上均優于目前CNN2、CNN3和U-Net等深度學習方法, 具有較好應用前景.
                    一種具有發育機制的感知行動認知模型
                    張曉平, 阮曉鋼, 王力, 李志軍, 閆佳慶, 畢松
                    2021, 47(2): 391-403. doi: 10.16383/j.aas.c180750
                    摘要:
                    針對結構固定認知模型中存在的學習浪費與計算浪費問題, 在具有內發動機機制的感知行動認知模型基礎上, 根據操作條件反射學習特性, 借鑒潛在動作原理, 建立起一種具有發育機制的感知行動認知模型D-SSCM (Development-sensorimotor cognitive model), 具體為一個14元組, 包含離散學習時間集、內部可感知離散狀態集、可輸出動作集、有效輸出動作空間集、潛在動作關系集、可輸出動作空間探索率集及發育算法等.針對模型發育過程, 分別設計了模型結構擴展式發育方法和算法以及縮減式發育方法和算法, 定義了模型的發育式學習過程.使用兩輪機器人自平衡任務對設計的學習模型進行驗證, 實驗結果表明, 發育機制下的感知行動認知模型D-SSCM具有更快的學習速度及更穩定的學習效果.
                    自耦PID控制器
                    曾喆昭, 劉文玨
                    2021, 47(2): 404-422. doi: 10.16383/j.aas.c180290
                    摘要:
                    針對比例—積分—微分(Proportional-integral-differential, PID)控制器的整定問題, 提出了自耦PID (Self-coupling PID, SC-PID)控制方法.該方法將系統動態和內外不確定性定義為總和擾動, 從而將非線性不確定系統變換為線性不確定系統, 進而構建了總和擾動反相激勵下的誤差動態系統, 據此設計了SC-PID控制律模型和整定規則, 進而設計了自適應速度因子(Adaptive speed factor, ASF)模型.數值仿真結果表明, SC-PID具有快的響應速度、高的控制精度、良好的抗總和擾動魯棒性等諸多優點. SC-PID整定規則為現有PID整定結果的技術評估與技術升級提供了科學的理論依據, 在國防和工業控制領域具有廣泛的應用價值.
                    帶未知模型參數和衰減觀測率系統自校正分布式融合估計
                    段廣全, 孫書利
                    2021, 47(2): 423-431. doi: 10.16383/j.aas.c180270
                    摘要:
                    研究了帶未知模型參數和衰減觀測率多傳感器線性離散隨機系統的信息融合估計問題.在模型參數和衰減觀測率未知的情形下, 應用遞推增廣最小二乘(Recursive extend least squares, RELS)算法和加權融合估計算法提出了分布式融合未知模型參數辨識器; 應用相關函數對描述衰減觀測現象的隨機變量的數學期望和方差進行在線辨識.將辨識后的模型參數、數學期望和方差代入到最優分布式融合狀態濾波器中, 獲得了相應的自校正融合狀態濾波算法.應用動態誤差系統分析(Dynamic error system analysis, DESA)方法證明了算法的收斂性.仿真例子驗證了算法的有效性.
                    一種面向云端輔助工業控制系統的安全機制
                    屠袁飛, 楊庚, 張成真
                    2021, 47(2): 432-441. doi: 10.16383/j.aas.c180142
                    摘要:
                    隨著云計算、物聯網等信息通信技術與數據采集與監控系統的整合, 工業控制系統面臨新的安全問題, 其中數據的完整性、機密性保護和有效的身份認證問題受到了關注.為了在這樣一個多功能、分布式的環境中解決這些問題, 該文利用基于屬性的加密方法, 構建訪問控制策略, 為用戶提供身份認證和授權服務, 保護用戶與工業控制系統間的數據通信安全并實時檢查存儲數據的完整性.方案從正確性、安全性及系統性能等方面做出分析, 并與常用的認證方法進行了對比.
                    獼猴手指移動神經解碼線性時不變模型的時間相關性研究
                    馮景義, 吳海鋒, 曾玉
                    2021, 47(2): 442-452. doi: 10.16383/j.aas.c180098
                    摘要:
                    利用獼猴運動皮層神經元峰電位數信號估計其手指移動位置是一神經解碼問題, 通常采用時不變線性模型(Time-invariant linear model, TILM)來解決.本文分析了傳統TILM模型的時間相關性問題, 依據獼猴手指移動位置的連續性特點, 采用一種新的模型去解碼其手指移動位置, 稱之為卷積空間模型(Convolution space model, CSM).與傳統的模型相比, 卷積空間模型不但將當前時刻的狀態與前一個時刻建立了相關, 而且與前多個時刻的狀態也有相關.在實驗中, 利用公開數據來評判本文方法的解碼性能, 實驗結果表明, 傳統方法的解碼誤差要大于CSM模型的方法, 因此CSM模型具有更好的解碼準確性.
                    一種鋰電池SOH估計的KNN-馬爾科夫修正策略
                    趙光財, 林名強, 戴厚德, 武驥, 汪玉潔
                    2021, 47(2): 453-463. doi: 10.16383/j.aas.c180124
                    摘要:
                    鋰離子電池的健康狀態(State of health, SOH)是決定電池使用壽命的關鍵因素.由于鋰電池生產工藝、工作環境和使用習慣等的差異性導致其衰退特性具有較大差異, 因此鋰電池SOH難以精確估算.本文采用數據驅動的方式通過對采集的電壓數據進行特征提取, 使用貝葉斯正則化神經網絡對鋰電池SOH進行預測, 同時引入KNN-馬爾科夫修正策略對預測結果進行修正.實驗結果證明, 貝葉斯正則化算法對鋰電池SOH的預測準確度較高, KNN-馬爾科夫修正策略提高了預測的精確度和魯棒性, 組合預測模型對鋰電池SOH的平均預測誤差小于\begin{document}$1\,\%$\end{document}, 與采用數據分組處理方法(Group method of data handling, GMDH)、概率神經網絡(Probabilistic neural network, PNN)、循環神經網絡(Recurrent neural network, RNN)的預測精度進行對比, 該模型的預測精度分別提高了\begin{document}$33.3\,\%$\end{document}、\begin{document}$48.7\,\%$\end{document}\begin{document}$53.1\,\%$\end{document}.
                    自動化學科面臨的挑戰
                    孫長銀, 吳國政, 王志衡, 叢楊, 穆朝絮, 賀威
                    2021, 47(2): 464-474. doi: 10.16383/j.aas.c200904
                    摘要:
                    本文分析了控制理論與應用、模式識別與智能系統、導航制導與控制、系統科學與工程、人工智能與自動化交叉等領域的發展現狀. 結合科技發展、國內國際研究前沿和新興領域對自動化科學技術的需求, 提出重點發展智能控制理論和方法、高性能作業機器人、信息物理系統、導航與控制技術、重大裝備自動化技術、自主智能系統和人工智能驅動的自動化技術優先領域, 加強數據驅動控制理論、人工智能基礎理論研究, 進一步發展人機協同、跨域融合的智能自動化, 為實現國家社會的全面信息化智能化提供理論和技術保障.
                    360彩票