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

                    優先發表

                    優先發表欄目展示本刊經同行評議確定正式錄用的文章,這些文章目前處在編校過程,尚未確定卷期及頁碼,但可以根據DOI進行引用。
                    顯示方式:
                    基于門限和環簽名的抗自適應攻擊拜占庭容錯共識算法
                    孫海鋒, 張文芳, 王小敏, 馬征, 黃路非, 李暄
                    , doi: 10.16383/j.aas.c200694
                    摘要:
                    共識算法作為區塊鏈底層關鍵技術, 可解決決策權分散的分布式系統中的一致性難題. 良好的共識算法可提升系統健壯性, 但大多數方案在網絡故障或主動攻擊下存在魯棒性不可控、活性表現差、可擴展性不足等問題. 針對上述問題, 本文提出一種抗自適應攻擊的健壯拜占庭容錯共識算法. 該算法利用環簽名的無條件強匿名性構造排序選主算法, 隱匿選舉每一輪共識中的提案者, 進而達到模糊敵手攻擊對象、有效抵抗自適應攻擊的目的. 同時, 通過在多輪投票中合成代表法定人數投票意愿的門限簽名, 將網絡劃分為眾多最小連通性網絡, 以保證在最小連通性網絡環境中實現低延遲、高魯棒性的拜占庭容錯共識算法. 分析表明, 系統在提升可擴展性、減少視圖更換、降低簽名驗證開銷的同時, 能夠有效保證系統活性.
                    基于連續時間的二階多智能體分布式資源分配算法
                    時俠圣, 楊濤, 林志赟, 王雪松
                    , doi: 10.16383/j.aas.c200968
                    摘要:
                    針對二階多智能體系統中的分布式資源分配問題, 本文設計兩種連續時間算法. 基于KKT(Karush-Kuhn-Tucker, 卡羅需-庫恩-塔克)優化條件, 第一種控制算法利用節點局部不等式及其梯度信息來約束節點狀態. 與上述梯度方法不同, 第二種控制算法包括一致性梯度下降法和固定時間收斂映射算子, 其中固定時間收斂映射算子確保算法的節點狀態在固定時間收斂到局部約束集, 一致性梯度下降法目的是確保節點迭代到資源分配問題最優解. 兩種控制算法都對狀態無初始值約束, 且控制參數都是常數. 利用凸優化理論和固定時間李雅普諾夫方法, 分別分析了上述控制策略在有向平衡網絡條件下的漸近和指數收斂性. 最后通過數值仿真驗證了所設計算法在一維和高維資源分配問題的有效性.
                    基于低秩張量圖學習的不完整多視角聚類
                    文杰, 顏珂, 張正, 徐勇
                    , doi: 10.16383/j.aas.c200519
                    摘要:
                    傳統多視角聚類都基于視角完備假設, 要求所有樣本的視角信息完整, 不能處理存在部分視角缺失情形下的不完整多視角聚類任務. 為解決該問題, 本文提出一種基于低秩張量圖學習的不完整多視角聚類方法. 為了恢復相似圖中缺失視角所對應的樣本關聯信息, 該方法將低秩張量圖約束和視角內在圖保持約束融入到多視角譜聚類模型. 通過在一個統一模型中同時挖掘視角間的互補信息和視角內未缺失樣例的關聯信息, 所提出的方法能夠得到表征樣例鄰接關系的完整相似圖和視角間一致的最優聚類指示矩陣. 與12種不完整多視角聚類方法進行實驗對比, 實驗結果表明所提出的方法在多種視角缺失率下的五個數據集上獲得了最好的聚類性能.
                    面向性能增強的雙慣量伺服系統狀態反饋控制
                    王樹波, 那靖, 任雪梅
                    , doi: 10.16383/j.aas.c200726
                    摘要:
                    為避免使用函數逼近器(神經網絡或模糊系統), 并提高雙慣量伺服系統的瞬態響應和穩態性能, 本文針對含外部擾動的雙慣量伺服系統, 提出一種基于預設性能函數的類比例狀態反饋控制策略. 首先, 提出一種改進的帶有最大超調、收斂速率以及穩態誤差的預設性能函數, 并將該函數融入控制器設計使二慣量伺服的跟蹤誤差保持在預定的邊界之內. 其次, 基于預設性能函數設計了類比例狀態反饋控制器實現跟蹤控制. 與傳統基于函數逼近控制方法相比較, 該方法可降低控制系統計算復雜度同時消除反演控制中存在的復雜度爆炸問題. 最后, 利用雙慣量伺服系統實驗平臺開展了對比實驗, 驗證了所提出的方法有效性和性能改進.
                    面向入侵檢測的元圖神經網絡構建與分析
                    王振東, 徐振宇, 李大海, 王俊嶺
                    , doi: 10.16383/j.aas.c200819
                    摘要:
                    網絡入侵樣本數據特征間存在未知的非歐式空間圖結構關系, 深入挖掘并利用該關系可有效提升網絡入侵檢測方法的檢測效能. 對此, 本文設計了一種元圖神經網絡(Meta graph neural network, MGNN), MGNN能夠對樣本數據特征內部隱藏的圖結構關系進行挖掘與利用, 在應對入侵檢測問題時優勢明顯. 首先, 設計了元圖網絡層MGNL, 挖掘出樣本數據特征內部隱藏的圖結構關系, 并利用該關系對樣本數據的原始特征進行更新; 然后, 針對MGNN存在的圖信息傳播過程中父代信息湮滅現象提出反信息湮滅策略, 并設計了注意力損失函數, 簡化MGNN中實現注意力機制的運算過程. KDD-NSL、UNSW-NB15、CICDoS2019數據集上的實驗表明, 與經典深度學習算法DNN、CNN、RNN、LSTM和傳統機器學習算法SVM、DT、RF、KNN、LR相比MGNN在準確率、F1值、精確率、召回率評價指標上均具有良好效果.
                    時滯取值概率未知下的線性時滯系統辨識方法
                    劉鑫
                    , doi: 10.16383/j.aas.c201016
                    摘要:
                    在大多數系統辨識方法中, 通常假設時變時滯在其可能的取值范圍內服從均勻分布. 但是這種假設是非常受限的并且在實際過程中常常無法得到滿足. 因此本文在時滯取值概率條件未知的情況下, 針對一類線性時變時滯系統提出有效的辨識方法. 利用期望最大化算法將擬研究的辨識問題公式化, 期望最大化算法通過不斷地迭代執行期望步驟和最大化步驟來得到優化的參數估計. 在期望步驟中, 將未知的時變時滯當作隱含變量來處理并且假設它可能的取值范圍已知. 在每一個采樣時刻, 時滯的變換由一個概率向量控制, 并且該向量中的每一個元素是未知的, 將其當作待估計的未知參數處理. 在算法的每次迭代過程中, 計算時滯的后驗概率密度函數并在此基礎上構造代價函數(Q-函數). 在最大化步驟中, 通過不斷優化(Q-函數)來估計想要的參數, 包括: 模型參數、噪聲參數、控制概率向量中的每一個元素和未知的時滯. 最后通過一個數值例子來驗證本文提出的算法的有效性.
                    基于文本引導的注意力圖像轉發預測排序網絡
                    潘文雯, 趙洲, 俞俊, 吳飛
                    , doi: 10.16383/j.aas.c200629
                    摘要:
                    轉發預測在社交媒體網站(Social media sites, SMS)中是一個很有挑戰性的問題. 本文研究了SMS中的圖像轉發預測問題, 預測用戶再次轉發圖像推特的圖像共享行為. 與現有的研究不同, 本文首先提出異構圖像轉發建模網絡(IRM), 所利用的是用戶之前轉發圖像推特中的相關內容、之后在SMS中的聯系和被轉發者的偏好三方面的內容. 在此基礎上, 提出文本引導的多模態神經網絡, 構建新型多方面注意力排序網絡學習框架, 從而學習預測任務中的聯合圖像推特表征和用戶偏好表征. 在Twitter的大規模數據集上進行的大量實驗表明, 我們的方法較之現有的解決方案而言取得了更好的效果.
                    基于強化學習的濃密機底流濃度在線控制算法
                    袁兆麟, 何潤姿, 姚超, 李佳, 班曉娟, 李瀟睿
                    , doi: 10.16383/j.aas.c190348
                    摘要:
                    復雜過程工業控制一直是控制應用領域研究的前沿問題. 濃密機作為一種復雜大型工業設備廣泛用于冶金、采礦等領域. 由于其在運行過程中具有多變量、非線性、高時滯等特點, 濃密機的底流濃度控制技術一直是學界、工業界的研究難點與熱點. 本文提出了一種基于強化學習技術的濃密機在線控制算法. 該算法在傳統啟發式動態規劃 (Heuristic dynamic programming, HDP)算法的基礎上, 設計融合了評價網絡與模型網絡的雙網結構, 并提出了基于短期經驗回放的方法用于增強評價網絡的訓練準確性, 實現了對濃密機底流濃度的穩定控制, 并保持控制輸入穩定在設定范圍之內. 最后, 通過濃密機仿真實驗的方式驗證了算法的有效性, 實驗結果表明本文提出的方法在時間消耗、控制精度上優于其他算法.
                    光學遙感圖像目標檢測算法綜述
                    聶光濤, 黃華
                    , doi: 10.16383/j.aas.c200596
                    摘要:
                    目標檢測技術是光學遙感圖像理解的基礎問題, 具有重要的應用價值. 本文對遙感圖像目標檢測算法發展進行了梳理和分析. 首先闡述了遙感圖像目標檢測的特點和挑戰; 之后系統總結了典型的檢測方法, 包括早期的基于手工設計特征的算法和現階段基于深度學習的方法, 對于深度學習方法首先介紹了典型的目標檢測模型, 進而針對遙感圖像本身的難點詳細梳理了優化改進方案; 接著介紹了常用的檢測數據集, 并對現有方法的性能進行比較; 最后對現階段問題進行總結并對未來發展趨勢進行展望.
                    電熔鎂砂熔煉過程電極電流飽和約束一步最優控制
                    富月, 李寶
                    , doi: 10.16383/j.aas.c200896
                    摘要:
                    電熔鎂砂熔煉過程通過電極電流熔化物料, 采用埋弧方式, 邊熔化邊加料, 其被控對象是以轉動方向與頻率為輸入, 以電極電流為輸出的三相電機. 本文通過引入中間變量并轉化控制目標, 將電熔鎂砂熔煉過程三相電極電流的復雜非線性控制問題簡化為線性控制問題, 提出了一種簡化的電極電流飽和約束一步最優控制方法, 并通過引入拉格朗日乘子向量和松弛向量驗證了該方法的最優性. 理論分析和仿真對比實驗結果表明本文所提簡化控制方法的有效性和優越性. 此外, 當考慮電熔鎂砂熔煉過程中存在的不可測外部干擾時, 在上述簡化的電極電流飽和約束算法的基礎上設計了高階干擾觀測器, 理論分析和仿真結果驗證了具有高階干擾觀測器的簡化算法的優越性.
                    作者識別研究綜述
                    張洋, 江銘虎
                    , doi: 10.16383/j.aas.c200654
                    摘要:
                    作者識別是根據已知文本推斷未知文本作者的學科, 這是一個歷史悠久的、涉及多學科的領域. 其傳統研究主要基于文學或語言學的經驗知識, 而現代研究則主要依靠數學方法量化作者的寫作風格. 本文主要站在計算語言學的角度綜述作者識別領域現代研究中的方法和思路. 首先, 簡要介紹了作者識別的發展歷程. 然后, 詳細介紹了文體風格特征、作者識別方法以及該領域中多層面的研究. 接著介紹了與作者識別相關的一些評測、數據集及評價指標. 最后, 指出該領域存在的一些問題, 結合這些問題分析并展望了作者識別的發展趨勢.
                    復雜網絡能控性魯棒性研究進展
                    樓洋, 李均利, 李升, 鄧浩
                    , doi: 10.16383/j.aas.c200916
                    摘要:
                    研究復雜網絡能控性魯棒性對包括社會網絡、生物和技術網絡等在內的復雜系統的控制和應用具有重要價值. 復雜網絡的能控性是指: 可通過若干控制節點和適當的輸入, 在有限時間內將系統狀態驅動至任意目標狀態. 能控性魯棒性則是指在受到攻擊的情況下, 復雜網絡依然維持能控性的能力. 設計具有優異能控性魯棒性的復雜網絡模型和優化實際網絡的能控性魯棒性一直是復雜網絡領域的重要研究內容. 本文首先比較了常用的能控性魯棒性定義及度量, 接著從攻擊策略的角度分析了三類攻擊的特點及效果, 包括隨機攻擊、基于特征的蓄意攻擊和啟發式攻擊. 然后比較了常見模型網絡的能控性魯棒性. 介紹了常用優化策略, 包括模型設計和重新連邊等. 目前的研究在攻擊策略和拓撲結構優化方面都取得了進展, 也為進一步理論分析提供條件. 最后總結全文并提出潛在研究方向.
                    基于多尺度特征融合反投影網絡的圖像超分辨率重建
                    孫超文, 陳曉
                    , doi: 10.16383/j.aas.c200714
                    摘要:
                    針對現有圖像超分辨率重建方法恢復圖像高頻細節能力較弱、特征利用率不足的問題, 提出了一種多尺度特征融合反投影網絡用于圖像超分辨率重建. 該網絡首先在淺層特征提取層使用多尺度的卷積核提取不同維度的特征信息, 增強跨通道信息融合能力; 然后構建多尺度反投影模塊通過遞歸學習執行特征映射, 提升網絡的早期重建能力; 最后將局部殘差反饋結合全局殘差學習促進特征的傳播和利用, 從而融合不同深度的特征信息進行圖像重建. 對圖像2到8倍超分辨率重建的實驗結果表明, 本方法重建圖像的質量在主觀感受和客觀評價指標上均優于現有圖像超分辨率重建方法, 放大倍數大時重建性能相比更優秀.
                    子空間結構保持的多層極限學習機自編碼器
                    陳曉云, 陳媛
                    , doi: 10.16383/j.aas.c200684
                    摘要:
                    處理高維復雜數據的聚類問題, 通常需先降維后聚類, 但常用的降維方法未考慮數據的同類聚集性和樣本間相關關系, 難以保證降維方法與聚類算法相匹配, 從而導致聚類信息損失. 非線性無監督降維方法極限學習機自編碼器(ELM-AE)因其學習速度快、泛化性能好, 近年來被廣泛應用于降維及去噪. 為使高維數據投影至低維空間后仍能保持原有子空間結構, 本文提出基于子空間結構保持的多層極限學習機自編碼器降維方法(ML-SELM-AE). 該方法在保持聚類樣本多子空間結構的同時, 利用多層極限學習機自編碼器捕獲樣本集的深層特征. 實驗結果表明, 該方法在UCI數據、腦電數據和基因表達譜數據上可以有效提高聚類準確率且取得較高的學習效率.
                    一種基于目標空間轉換權重求和的超多目標進化算法
                    梁正平, 駱婷婷, 王志強, 朱澤軒, 胡凱峰
                    , doi: 10.16383/j.aas.c200483
                    摘要:
                    權重求和是基于分解的超多目標進化算法中常用的方法, 相比其它方法具有計算簡單、搜索效率高等優點, 但難以有效處理帕累托前沿面(Pareto optimal front, PF)為非凸型的問題. 為充分發揮權重求和方法的優勢, 同時又能處理好PF為非凸型的問題, 本文提出了一種基于目標空間轉換權重求和的超多目標進化算法, 簡稱NSGAIII-OSTWS. 該算法的核心是將各種問題的PF轉換為凸型曲面, 再利用權重求和方法進行優化. 具體地, 首先利用預估PF的形狀計算個體到預估PF的距離; 然后, 根據該距離值將個體映射到目標空間中預估凸型曲面與理想點之間的對應位置; 最后, 采用權重求和函數計算出映射后個體的適應值, 據此實現對問題的進化優化. 為驗證NSGAIII-OSTWS的有效性, 將NSGAIII-OSTWS與7個NSGAIII的變體, 以及9個具有代表性的先進超多目標進化算法在WFG、DTLZ和LSMOP基準問題上進行對比, 實驗結果表明NSGAIII-OSTWS具備明顯的競爭性能.
                    通信受限的多智能體系統二分實用一致性
                    陳世明, 姜根蘭, 張正
                    , doi: 10.16383/j.aas.c200600
                    摘要:
                    針對存在量化數據、通信時滯等通信約束以及帶有競爭關系的多智能體系統, 研究其二分實用一致性問題, 提出了一種基于量化器的分布式控制協議. 該協議基于結構平衡拓撲假設, 通過規范變換將具有競爭關系系統轉變為具有非負連接權重系統, 使二分實用一致性問題轉變為一般實用一致性問題. 利用微分包含理論、菲利波夫解的框架、代數圖論以及Lyapunov穩定性理論, 證明了在本文所提控制策略下, 具有競爭關系的多智能體系統能實現二分實用一致, 即智能體狀態收斂至模相同但符號不同的可控區間, 并給出了誤差收斂上界值. 仿真試驗進一步驗證了理論結果的有效性.
                    支持重規劃的戰時保障動態調度研究
                    曾斌, 樊旭, 李厚樸
                    , doi: 10.16383/j.aas.c200416
                    摘要:
                    復雜多變的戰場環境要求后裝保障能夠根據戰場環境變化, 預見性地做出決策, 為此提出了基于強化學習的動態調度方法. 為了準確描述保障調度問題, 提出了支持搶占調度、重分配及重部署決策的馬爾可夫決策過程模型, 模型中綜合考量了任務排隊、保障優先級以及油料約束等諸多問題的影響; 隨后設計了改進策略迭代算法, 訓練基于神經網絡的保障調度模型; 訓練后的神經網絡模型能夠近似計算狀態價值函數, 從而求解出產生最大期望價值的優化調度策略. 最后設計了一個分布式戰場保障仿真實驗, 通過與常規調度策略的對比, 驗證了動態調度算法具有良好的自適應性和自主學習能力, 能夠根據歷史數據和當前態勢預判后續變化, 并重新規劃和配置保障資源的調度方案.
                    基于區塊鏈的數字貨幣發展現狀與展望
                    李娟娟, 袁勇, 王飛躍
                    , doi: 10.16383/j.aas.c21xxxx
                    摘要:
                    數字貨幣作為區塊鏈技術迄今為止最典型也最成功的應用, 得益于區塊鏈分布式共識與去中心化信任的技術優勢, 也促使了區塊鏈技術與經濟活動的深度融合, 并由此改變了數字社會的組織方式. 近年來, 無論是在基礎理論研究方面, 還是在實踐應用發展方面, 數字貨幣均呈現出了蓬勃向上的態勢. 本文從技術創新、機制設計以及風險監管三個角度梳理了數字貨幣主要研究問題, 詳細闡述了基礎支撐技術、隱私保護技術、共識機制、激勵機制、幣值機制、發行機制、風險分析、監管考量等方面的研究進展、存在問題及應用現狀, 并展望了未來重點研究方向, 致力于為數字貨幣領域的研究提供有益借鑒.
                    基于深度學習的表面缺陷檢測方法綜述
                    陶顯, 侯偉, 徐德
                    , doi: 10.16383/j.aas.c190811
                    摘要:
                    近年來, 基于深度學習的表面缺陷檢測技術廣泛應用在各種工業場景中. 本文對近年來基于深度學習的表面缺陷檢測方法進行了梳理, 根據數據標簽的不同將其分為全監督學習模型方法、無監督學習模型方法和其他方法三大類, 并對各種典型方法進一步細分歸類和對比分析, 總結了每種方法的優缺點和應用場景. 本文探討了表面缺陷檢測中三個關鍵問題, 介紹了工業表面缺陷常用數據集. 最后, 對表面缺陷檢測的未來發展趨勢進行了展望.
                    數據驅動的保證收斂速率最優輸出調節
                    姜藝, 范家璐, 柴天佑
                    , doi: 10.16383/j.aas.c200932
                    摘要:
                    本文針對具有外部系統擾動的線性離散時間系統的輸出調節問題, 提出了可保證收斂速率的數據驅動最優輸出調節方法, 包括狀態可在線測量系統的基于狀態反饋的算法, 與狀態不可在線測量系統的基于輸出反饋的算法. 首先, 該問題被分解為輸出調節方程求解問題與反饋控制律設計問題, 基于輸出調節方程的解, 本文通過引入收斂速率參數, 建立了可保證收斂速率的最優控制問題, 通過求解該問題得到具有保證收斂速率的輸出調節器. 之后, 利用強化學習的方法, 設計基于值迭代的數據驅動狀態反饋控制器, 學習得到基于狀態反饋的最優輸出調節器. 對于狀態無法在線測量的被控對象, 本文利用歷史輸入輸出數據對狀態進行重構, 并以此為基礎設計基于值迭代的數據驅動輸出反饋控制器. 仿真實驗驗證了本文所提方法的有效性.
                    節點分類及失效對網絡能控性的影響
                    孔芝, 袁航, 王立夫, 郭戈
                    , doi: 10.16383/j.aas.c200900
                    摘要:
                    復雜系統間的相互作用能夠用復雜網絡描述. 復雜網絡中某些節點遭受攻擊或破壞會造成網絡故障, 導致整個網絡能控性變化. 不同節點失效會對網絡能控性有不同的影響. 本文提出一種網絡節點的分類方式, 將網絡中的節點根據邊的方向和匹配關系分成九種類型, 并給出了辨識節點類型的算法. 另外, 本文給出了基于此分類方式下復雜網絡中某類節點失效時, 網絡中驅動節點數量(用來衡量網絡能控性大小的指標)的變化規律. 并通過模型網絡進行仿真實驗, 驗證了當節點失效時本文給出的驅動節點數量變化情況, 同時還分析社交網絡中不同類型節點的占比與實際中人際交往的對應關系.
                    基于事件觸發的分布式優化算法
                    楊濤, 徐磊, 易新蕾, 張圣軍, 陳蕊娟, 李渝哲
                    , doi: 10.16383/j.aas.c200838
                    摘要:
                    本文研究了一類分布式優化問題, 其目標是通過局部信息交換使由局部成本函數之和構成的全局成本函數最小. 針對無向連通圖, 我們提出了兩種基于比例積分策略的分布式優化算法. 在局部成本函數可微且凸的條件下, 證明了所提算法漸近收斂到全局最小值點. 更進一步, 在局部成本函數具有局部Lipschitz梯度和全局成本函數關于全局最小值點是有限強凸的條件下, 證明了所提算法的指數收斂性. 此外, 為了避免智能體之間的連續通信和減少通信負擔, 將所提的兩種分布式優化算法與事件觸發通信相結合, 提出了兩種基于事件觸發的分布式優化算法. 證明了提出的事件觸發優化算法不存在Zeno行為, 并且在相應條件下保持了與連續通信下分布式優化算法一樣的收斂性. 最后, 通過數值仿真驗證了上述理論結果.
                    基于DDPG的三維重建模糊概率點推理
                    李雷, 徐浩, 吳素萍
                    , doi: 10.16383/j.aas.c200543
                    摘要:
                    單視圖物體三維重建是一個長期存在的具有挑戰性的問題. 為了解決具有復雜拓撲結構的物體以及一些高保真度的表面細節信息仍然難以準確進行恢復的問題, 本文提出了一種基于深度強化學習的算法深度確定性策略梯度(Deep deterministic policy gradient, DDPG)對三維重建中模糊概率點進行再推理, 實現了具有高保真和豐富細節的單視圖三維重建. 本文的方法是端到端的, 包括以下四個部分: 擬合物體三維形狀的動態分支代償網絡的學習過程, 聚合模糊概率點周圍點的鄰域路由機制, 注意力機制引導的信息聚合和基于深度強化學習算法的模糊概率調整. 本文在公開的大規模三維形狀數據集上進行了大量的實驗證明了本文方法的正確性和有效性. 本文提出的方法結合了強化學習和深度學習, 聚合了模糊概率點周圍的局部信息和圖像全局信息, 從而有效的提升了模型對復雜拓撲結構和高保真度的細節信息的重建能力.
                    基于一致性的分布式變結構多模型方法
                    王昱淇, 盧宙, 蔡云澤
                    , doi: 10.16383/j.aas.c190091
                    摘要:
                    本文針對由雷達與紅外組成的分布式傳感器網絡, 研究基于一致性的分布式變結構多模型方法(Distributed variable structure multiple model, DVSMM). 首先使用無跡信息濾波(Unscented information filter, UIF)解決系統非線性的問題, 然后將變結構交互式多模型(Variable structure interacting multiple model, VSMM)方法進行改進, 提出一類可應用于分布式狀態估計的分布式變結構多模型DVSMM方法. 仿真試驗結果驗證了該方法的有效性.
                    基于跨模態深度度量學習的甲骨文字識別
                    張頤康, 張恒, 劉永革, 劉成林
                    , doi: 10.16383/j.aas.c200443
                    摘要:
                    甲骨文字圖像可以分為拓片甲骨文字與臨摹甲骨文字兩類. 拓片甲骨文字圖像是從龜甲、獸骨等載體上獲取的原始拓片圖像, 臨摹甲骨文字圖像是經過專家手工書寫得到的高清圖像. 拓片甲骨文字樣本難以獲得, 而臨摹文字樣本相對容易獲得. 為了提高拓片甲骨文字識別的性能, 本文提出一種基于跨模態深度度量學習的甲骨文字識別方法, 通過對臨摹甲骨文字和拓片甲骨文字進行共享特征空間建模和最近鄰分類, 實現了拓片甲骨文字的跨模態識別. 實驗結果表明, 在拓片甲骨文字識別任務上, 本文提出的跨模態學習方法比單模態方法有明顯的提升, 同時對新類別拓片甲骨文字也能增量識別.
                    多級注意力傳播驅動的生成式圖像修復方法
                    曹承瑞, 劉微容, 史長宏, 張浩琛
                    , doi: 10.16383/j.aas.c200485
                    摘要:
                    現有圖像修復方案普遍存在著結構錯亂和細節紋理模糊的問題, 這主要是因為在圖像破損區域的重建過程中, 修復網絡難以充分利用非破損區域內的信息來準確地推斷破損區域內容. 為此, 本文提出了一種由多級注意力傳播驅動的圖像修復網絡. 該網絡通過將全分辨率圖像中提取的高級特征壓縮為多尺度緊湊特征, 進而依據尺度大小順序驅動緊湊特征進行多級注意力特征傳播, 以期達到包括結構和細節在內的高級特征在網絡中充分傳播的目標. 為進一步實現細粒度圖像修復重建, 本文還同時提出了一種復合粒度判別器, 以期實現對圖像修復過程進行全局語義約束與非特定局部密集約束. 大量實驗表明, 本文提出的方法可以產生更高質量的修復結果.
                    基于多層BP神經網絡的無參考視頻質量客觀評價
                    姚軍財, 申靜, 黃陳蓉
                    , doi: 10.16383/j.aas.c190539
                    摘要:
                    機器學習在視頻質量評價(Video quality assessment, VQA)模型回歸方面具有較大的優勢, 能夠較大地提高構建模型的精度. 基于此, 設計了合理的多層BP神經網絡, 并以提取的失真視頻的內容特征、編解碼失真特征、傳輸失真特征及其視覺感知效應特征參數為輸入, 通過構建的數據庫中的樣本對其進行訓練學習, 構建了一個無參考VQA模型. 在模型構建中, 首先采用圖像的亮度和色度及其視覺感知、圖像的灰度梯度期望值、圖像的模糊程度、局部對比度、運動矢量及其視覺感知、場景切換特征、比特率、初始時延、單次中斷時延、中斷頻率和中斷平均時長共11個特征, 來描述影響視頻質量的4個主要方面, 并對建立的兩個視頻數據庫中的大量視頻樣本, 提取其特征參數; 再以該特征參數作為輸入, 對設計的多層BP神經網絡進行訓練, 從而構建VQA模型; 最后, 對所提模型進行測試, 同時與14種現有的VQA模型進行對比分析, 研究其精度、復雜性和泛化性能. 實驗結果表明: 所提模型的精度明顯高于其14種現有模型的精度, 其最低高出幅度為4.34%; 且優于該14種模型的泛化性能, 同時復雜性處于該15種模型中的中間水平. 綜合分析所提模型的精度、泛化性能和復雜性表明, 所提模型是一種較好的基于機器學習的VQA模型.
                    基于事件觸發的離散 MIMO 系統自適應評判容錯控制
                    王敏, 黃龍旺, 楊辰光
                    , doi: 10.16383/j.aas.c200721
                    摘要:
                    本文針對具有執行器故障的一類離散非線性多輸入多輸出(Multi-input multi-output, MIMO)系統, 提出了一種基于事件觸發的自適應評判容錯控制方案. 該控制方案包括評價和執行網絡. 在評價網絡里, 為了緩解現有的非光滑二值效用函數可能引起的執行網絡跳變問題, 利用高斯函數構建了一個光滑的效用函數, 并采用評價網絡近似最優性能指標函數. 在執行網絡里, 通過變量替換將系統狀態的將來信息轉化成關于系統當前狀態的函數, 并結合事件觸發機制設計了最優跟蹤控制器. 該控制器引入了動態補償項, 不僅能夠抑制執行器故障對系統性能的影響, 而且能夠改善系統的控制性能. 穩定性分析表明所有信號最終一致有界且跟蹤誤差收斂于原點的有界小領域內. 數值系統和實際系統的仿真結果驗證了該方案的有效性.
                    基于分布式有限感知網絡的多伯努利目標跟蹤
                    吳孫勇, 王力, 李天成, 孫希延, 蔡如華, 伍雯雯
                    , doi: 10.16383/j.aas.c200481
                    摘要:
                    針對感知范圍受限的分布式傳感網多目標跟蹤問題, 在多伯努利濾波跟蹤理論基礎上提出分布式視場互補多伯努利關聯算術平均融合跟蹤方法. 首先, 通過視場互補擴大傳感器感知范圍, 其中, 局部公共區域只互補一次以降低計算成本. 其次, 每個傳感器分別運行局部多伯努利濾波器, 并將濾波后驗結果與相鄰傳感器進行泛洪通信使得每個傳感器獲取多個相鄰傳感器的后驗信息. 隨后, 通過距離劃分進行多伯努利關聯, 將對應于同一目標的伯努利分量關聯到同一個子集中, 并對每個關聯子集進行算術平均融合完成融合狀態估計. 仿真實驗表明, 所提方法在有限感知范圍的分布式傳感器網絡中能有效地進行多目標跟蹤.
                    復雜裝備系統彈性度量方法研究
                    楊博帆, 張琳, 汪文峰, 唐東麗, 丁爾啟, 項陽
                    , doi: 10.16383/j.aas.c200642
                    摘要:
                    由于復雜裝備系統缺少可工程應用的彈性度量方法, 且傳統可靠性工程難以描述裝備從故障到修復全過程的性質, 因此考慮裝備系統在工作過程中性能變化的連續性以及擾動、故障和修復的不確定性, 利用可靠性工程相關參數, 針對無子系統的簡單裝備提出了一種混合型彈性度量方法. 在此基礎上, 考慮子系統對復雜系統的影響, 以及復雜系統故障和修復概率, 提出了一種針對復雜裝備系統的彈性度量方法. 最后, 通過基于彈性理論的組件重要度計算案例, 評估復雜裝備系統各個子系統性能變化對整個裝備的影響重要程度, 驗證了方法的可行性和有效性.
                    結合領域知識的因子分析: 在金融風險模型上的應用
                    馮栩, 喻文健, 李凌
                    , doi: 10.16383/j.aas.c200342
                    摘要:
                    因子分析是一種在工業領域廣泛使用的統計學方法. 在金融資產管理中, 因子分析通過對歷史價格波動的極大似然估計推導自適應的統計學因子來生成風險模型. 與通過使用預先設定具有經濟學含義的因子來生成風險模型的基本面因子模型相比, 通過因子分析生成的模型不僅更靈活, 還能發現在基本面模型中缺失的因子. 然而, 由于因子分析所生成模型中的統計學因子缺少可解釋性, 因此當金融數據中存在顯著噪音時容易過擬合. 針對中國股市數據的風險模型生成問題, 本文提出快速因子分析算法以及將基本面因子結合到因子分析中的挑選基本面因子的混合因子分析方法, 使風險模型同時在因子探索及模型可解釋性上達到最優. 實驗結果顯示快速因子分析方法能夠達到31倍以上的加速比, 且新混合因子分析方法能夠增大人造數據集以及真實數據集上預測的對數似然估計值. 在真實數據集上, 新方法能最好夠達到平均對數似然估計值12.00, 比因子分析構建模型的7.56大4.44, 并且兩個算法均值差值的標準差為1.58, 表現出新方法能構建更準確的風險模型.
                    基于深度學習的單幅圖像超分辨率重建算法綜述
                    李佳星, 趙勇先, 王京華
                    , doi: 10.16383/j.aas.c190859
                    摘要:
                    單幅圖像超分辨率重建是計算機視覺領域上的一個重要問題, 在安防視頻監控、飛機航拍以及衛星遙感等方面具有重要的研究意義和應用價值. 近年來, 深度學習在圖像分類、檢測、識別等諸多領域中取得了突破性進展, 也推動著圖像超分辨率重建技術的發展. 本文首先介紹單幅圖像超分辨率重建的常用公共圖像數據集; 然后重點闡述基于深度學習的單幅圖像超分辨率重建方向的創新與進展; 最后討論了單幅圖像超分辨率重建方向上存在的困難和挑戰, 并對未來的發展趨勢進行了思考與展望.
                    基于多粒度對抗訓練的魯棒跨語言對話系統
                    向露, 朱軍楠, 周玉, 宗成慶
                    , doi: 10.16383/j.aas.c200764
                    摘要:
                    跨語言對話系統是當前國際研究的熱點和難點. 在實際的應用系統搭建中通常需要翻譯引擎作為不同語言之間對話的橋梁. 然而, 翻譯引擎往往是基于不同訓練樣本構建的, 無論是所在領域, 還是擅長處理語言的特性, 均與對話系統的實際應用需求存在較大的差異, 從而導致整個對話系統的魯棒性差, 響應性能低. 因此, 如何增強跨語言對話系統的魯棒性對于提升其實用性具有重要的意義. 本文提出了一種基于多粒度對抗訓練的魯棒性跨語言對話系統構建方法. 該方法首先面向機器翻譯構建多粒度噪聲數據, 分別在詞匯、短語和句子層次生成相應的對抗樣本, 之后利用多粒度噪聲數據和干凈數據進行對抗訓練, 從而更新對話系統的參數, 進而指導對話系統學習噪聲無關的隱層表示, 最終達到提升跨語言對話系統性能的目的. 在公開對話數據集上對兩種語言的實驗表明, 本文所提出的方法能夠顯著提升跨語言對話系統的性能, 尤其提升跨語言對話系統的魯棒性.
                    生成式不完整多視圖數據聚類
                    趙博宇, 張長青, 陳蕾, 劉新旺, 李澤超, 胡清華
                    , doi: 10.16383/j.aas.c200121
                    摘要:
                    基于自表示子空間聚類的多視圖聚類引起越來越多的關注. 大多數現有算法假設每個樣本的所有視圖都可獲得, 然而在實際應用中, 由于各種因素, 可能會導致某些視圖缺失. 為了對視圖不完整數據進行聚類, 本文提出了一種在統一框架下同時執行缺失視圖補全和多視圖子空間聚類的方法. 具體地, 缺失視圖是由已觀測視圖數據約束的隱表示生成的. 此外, 多秩張量應用于挖掘不同視圖之間的高階相關性. 這樣通過隱表示和高階張量同時挖掘了不同視圖以及所有樣本(即使是不完整視圖樣本)之間的相關性. 本文使用增廣拉格朗日交替方向最小化(AL-ADM)方法求解優化問題. 在真實數據集上的實驗結果表明, 我們的方法優于最新的多視圖聚類算法, 具有更好的聚類準確度和魯棒性.
                    基于背景值和結構相容性改進的多維灰色預測模型
                    繆燕子, 王志銘, 李守軍, 代偉
                    , doi: 10.16383/j.aas.c200780
                    摘要:
                    現有的多變量灰色預測模型的背景值估計誤差及模型結構單一是導致該模型預測性能不穩定的重要因素, 致使該模型在實際預測領域中應用并不廣泛. 本文通過分析背景值函數的幾何意義, 結合積分幾何面積公式, 提出一種改進的背景值優化方法, 使預測模型在背景值系數的選取上更加靈活.在此基礎上, 模型中加入灰色作用量, 提出一種新的多維灰色預測模型IBSGM(1,N). 通過對模型參數的改變分析, 新模型理論上可達到與傳統單變量和多變量灰色預測模型的兼容性. 為檢驗新模型的性能, 本文進行了三個案例對比分析, 實驗結果表明, 與現有的GM(1,1)和GM(1,N)預測模型相比較, 所提出的IBSGM(1,N)模型在背景值參數估計上誤差明顯減小, 結構相容性更強, 泛化性能更好, 具有更高的預測精度.
                    繩長時變情況下輪胎式集裝箱起重機非線性防擺控制算法
                    曹海昕, 郝運嵩, 林靜正, 盧彪, 方勇純
                    , doi: 10.16383/j.aas.200859
                    摘要:
                    四繩輪胎式集裝箱起重機由于自身的動力學特性較為復雜, 目前仍缺乏穩定高效的控制手段.?為解決港口起重機作業過程中臺車定位精準度低、負載易受干擾擺幅大的問題, 文章設計了一種面向工業場景的非線性反饋控制器. 首先在未進行近似處理的前提下對起重機吊具擺動情況進行了建模分析. 在此基礎上, 通過在控制器中引入擺幅反饋信息, 實現了繩長時變情況下臺車的精確定位與負載擺幅的有效抑制, 為集裝箱的運送路徑增加了更多選擇. 隨后基于Lyapunov方法對控制器進行了穩定性分析. 所設計的控制方案在港口實際設備上進行了驗證, 在定位精度與消擺性能上相較于人工操作取得了很大提升.
                    基于生理信號的情感計算研究綜述
                    權學良, 曾志剛, 蔣建華, 張亞倩, 呂寶糧, 伍冬睿
                    , doi: 10.16383/j.aas.c200783
                    摘要:
                    情感計算是現代人機交互中的一個重要研究方向, 旨在研究與開發能夠識別、解釋、處理和模擬人類情感的理論、方法與系統. 腦電、心電、皮膚電等生理信號是情感計算中重要的輸入信號. 本文總結了近年來基于腦電等生理信號的情感計算研究所取得的進展. 首先介紹情感計算的相關基礎理論, 不同生理信號與情感變化之間的聯系, 以及基于生理信號的情感計算工作流程和相關公開數據集. 接下來介紹生理信號的特征工程和情感計算中的機器學習算法, 重點介紹適合處理個體差異的遷移學習、降低數據標注量的主動學習和融合特征工程與學習器的深度學習算法. 最后, 指出基于生理信號的情感計算研究中面臨的一些挑戰.
                    基于堆疊降噪自編碼器的神經-符號模型及在晶圓表面缺陷識別
                    劉國梁, 余建波
                    , doi: 10.16383/j.aas.c190857
                    摘要:
                    深度神經網絡是具有復雜結構和多個非線性處理單元的模型, 通過模塊化的方式分層從數據提取代表性特征, 已經在晶圓缺陷識別領域(Wafer map pattern recognition, WMPR)得到了較為廣泛的應用. 但是, 深度神經網絡在應用過程中本身存在 “黑箱”和過度依賴數據的問題, 顯著地影響深度神經網絡在晶圓缺陷識別的工業可應用性. 本文提出了一種基于堆疊降噪自編碼器(Stacked denoising auto-encoders, SDAE)的神經-符號模型. 首先, 根據SDAE的網絡特點設計了一套全新的符號規則系統, 規則形式和組成結構使其可與深度神經網絡有效融合. 其次, 根據網絡和符號規則之間的關聯性提出完整的知識抽取與插入算法, 實現了深度網絡和規則之間的知識轉換. 在實際工業晶圓表面圖像數據集WM-811K上的試驗結果表明, 基于SDAE的神經-符號模型不僅取得了較好的缺陷探測與識別性能, 而且可有效提取規則并通過規則有效描述深度神經網絡內部計算邏輯, 綜合性能優于目前經典的深度神經網絡.
                    基于深度強化學習的組合優化研究進展
                    李凱文, 張濤, 王銳, 覃偉健, 賀惠暉, 黃鴻
                    , doi: 10.16383/j.aas.c200551
                    摘要:
                    組合優化問題廣泛存在于國防、交通、工業、生活等各個領域, 幾十年來, 傳統運籌優化方法是解決組合優化問題的主要手段, 但隨著實際應用中問題規模的不斷擴大、求解實時性的要求越來越高, 傳統運籌優化算法面臨著很大的計算壓力, 很難實現組合優化問題的在線求解. 近年來隨著深度學習技術的迅猛發展, 深度強化學習在圍棋、機器人等領域的矚目成果顯示了其強大的學習能力與序貫決策能力. 鑒于此, 近年來涌現出了多個利用深度強化學習方法解決組合優化問題的新方法, 具有求解速度快、模型泛化能力強的優勢, 為組合優化問題的求解提供了一種全新的思路. 因此本文總結回顧近些年利用深度強化學習方法解決組合優化問題的相關理論方法與應用研究, 對其基本原理、相關方法、應用研究進行總結和綜述, 并指出未來該方向亟待解決的若干問題.
                    具有未建模動態的互聯大系統事件觸發自適應模糊控制
                    趙光同, 曹亮, 周琪, 李鴻一
                    , doi: 10.16383/j.aas.c200846
                    摘要:
                    針對一類具有未建模動態及執行器故障的非嚴格反饋非線性互聯大系統, 提出一類基于事件觸發機制的模糊分散自適應輸出反饋控制算法. 首先, 通過設計模糊狀態觀測器估計系統中不可測的狀態, 并引入李雅普諾夫函數約束未建模動態. 然后, 提出一種基于事件觸發機制的自適應容錯控制器補償多個執行器故障產生的影響. 最后, 利用障礙李雅普諾夫函數實現對系統輸出的約束, 并證明閉環系統中所有信號均是半全局一致最終有界的, 且設計的事件觸發機制可以避免Zeno行為. 數值仿真結果驗證所提出設計方案的可行性及有效性.
                    從視頻到語言: 視頻標題生成與描述研究綜述
                    湯鵬杰, 王瀚漓
                    , doi: 10.16383/j.aas.c200662
                    摘要:
                    視頻標題生成與描述是使用自然語言對視頻進行總結與重新表達. 由于視頻與語言之間存在異構特性, 其數據處理過程較為復雜. 本文主要對基于“編碼-解碼”架構的模型做了詳細闡述, 以視頻特征編碼與使用方式為依據, 將其分為基于視覺特征均值/最大值的方法、基于視頻序列記憶建模的方法、基于三維卷積特征的方法及混合方法, 并對各類模型進行了歸納與總結. 最后, 對當前存在的問題及可能趨勢進行了總結與展望, 指出需要生成融合情感、邏輯等信息的結構化語段, 并在模型優化、數據集構建、評價指標等方面進行更為深入的研究.
                    基于強化學習的部分線性離散時間系統的最優輸出調節
                    龐文硯, 范家璐, 姜藝, LewisFrank L.
                    , doi: 10.16383/j.aas.c190853
                    摘要:
                    本文針對同時具有線性外部干擾與非線性不確定性下的離散時間部分線性系統的最優輸出調節問題, 提出了僅利用在線數據的基于強化學習的數據驅動控制方法. 首先, 該問題可拆分為一個受約束的靜態優化問題和一個動態規劃問題, 第一個問題可以解出調節器方程的解. 第二個問題可以確定出控制器的最優反饋增益. 然后, 運用小增益定理證明了存在非線性不確定性離散時間部分線性系統的最優輸出調節問題的穩定性. 針對傳統的控制方法需要準確的系統模型參數用來解決這兩個優化問題, 本文提出了一種數據驅動離線策略更新算法, 該算法僅使用在線數據找到動態規劃問題的解. 然后, 基于動態規劃問題的解, 利用在線數據為靜態優化問題提供了最優解. 最后, 仿真結果驗證了所提方法的有效性.
                    基于拓撲一致性對抗互學習的知識蒸餾
                    賴軒, 曲延云, 謝源, 裴玉龍
                    , doi: 10.16383/j.aas.200665
                    摘要:
                    針對基于互學習的知識蒸餾方法中存在的不足——模型只關注教師網絡和學生網絡的分布差異而沒有考慮其他的約束條件; 只關注了結果導向的監督, 而缺少過程導向的監督——本文提出了一種拓撲一致性指導的對抗互學習知識蒸餾方法(Topology-guided aadversarial deep mutual learning, TADML)該方法將教師網絡和學生網絡同時訓練, 網絡之間相互指導學習, 不僅采用網絡輸出的類分布之間的差異, 還設計了網絡中間特征的拓撲性差異度量. 訓練過程采用對抗訓練, 進一步提高教師網絡和學生網絡的判別性. 在分類數據集CIFAR10、CIFAR100和Tiny-ImageNet及行人重識別數據集Market1501上的實驗結果表明本文所提方法TADML的有效性, TADML取得了同類模型壓縮方法中最好的效果.
                    基于表面肌電的意圖識別方法在非理想條件下的研究進展
                    李自由, 趙新剛, 張弼, 丁其川, 張道輝, 韓建達
                    , doi: 10.16383/j.aas.c200263
                    摘要:
                    在基于表面肌電信號(surface electromyogram, sEMG)的意圖識別研究領域, 目前大多數的研究主要集中在提高肌電識別的準確性方面. 然而, 在實際應用中, 基于sEMG識別的交互系統往往受到諸多非理想因素干擾, 肌電識別的準確性被大大降低. 本文主要關注在非理想條件下肌電識別的魯棒性研究, 首先詳細歸納了肌電識別方法受到的非理想干擾因素(如電極偏移、個體性差異、肌肉疲勞、肢體姿態或其他綜合性干擾), 總結了當前研究的抗干擾方法; 隨后討論了非理想干擾因素研究現狀中的主要問題; 最后在構建肌電數據集、探索深度學習和遷移學習, 以及肌電分解研究等方面, 對未來的關鍵技術進行了展望.
                    基于圖像和特征聯合約束的跨模態行人重識別
                    張玉康, 譚磊, 陳靚影
                    , doi: 10.16383/j.aas.c200184
                    摘要:
                    近年來, 基于可見光與近紅外的行人重識別研究受到業界人士的廣泛關注. 現有方法主要是利用二者之間的相互轉換以減小模態間的差異. 但由于可見光圖像和近紅外圖像之間的數據具有獨立且分布不同的特點, 導致其相互轉換的圖像與真實圖像之間存在數據差異. 因此, 本文提出了一個基于圖像層和特征層聯合約束的可見光與近紅外相互轉換的中間模態, 不僅實現了行人身份的一致性, 而且減少了模態間轉換的差異性. 此外, 考慮到跨模態行人重識別數據集的稀缺性, 本文還構建了一個跨模態的行人重識別數據集, 并通過大量的實驗證明了文章所提方法的有效性, 本文所提出的方法在經典公共數據集SYSU-MM01上比D2RL算法在 Rank-1和mAP上分別高出4.2%和3.7%, 該方法在本文構建的Parking-01數據集的近紅外檢索可見光模式下比ResNet-50算法在Rank-1和mAP上分別高出10.4%和10.4%.
                    城市污水處理過程動態多目標智能優化控制研究
                    韓紅桂, 張璐, 盧薇, 喬俊飛
                    , doi: 10.16383/j.aas.c190154
                    摘要:
                    城市污水處理過程(Municipal waster water treatment process, MWWTP)是一個典型的復雜流程工業過程, 其優化運行涉及到多個動態性能指標. 為了實現城市污水處理運行過程的優化控制, 本文提出了一種城市污水處理過程動態多目標智能優化控制方法(Dynamic multiobjective intelligent optimal control, DMIOC). 首先, 建立了一種基于自適應核函數的動態性能指標模型, 實現了城市污水處理關鍵性能指標的準確描述; 其次, 設計了一種基于自適應飛行參數調整機制的動態多目標粒子群優化算法(Dynamic multiobjective particle swarm optimization, DMOPSO), 可有效平衡粒子的多樣性和收斂性, 完成了溶解氧和硝態氮優化設定值的實時獲取; 最后, 利用多回路PID控制方法對溶解氧和硝態氮優化設定值進行控制, 實現了城市污水處理過程安全穩定運行. 將提出的DMIOC應用于城市污水處理基準仿真平臺, 實驗結果顯示: DMIOC 能夠提高溶解氧和硝態氮的控制效果, 實現城市污水處理過程出水水質達標, 并降低運行成本.
                    基于ISDAE模型的復雜工業過程運行狀態評價方法及應用
                    褚菲, 傅逸靈, 趙旭, 王佩, 尚超, 王福利
                    , doi: 10.16383/j.aas.c200475
                    摘要:
                    工業過程運行狀態評價通過識別生產過程的運行狀態優劣情況, 并通過對非最優因素實時在線追溯, 指導操作人員及時進行生產調整, 保證產品質量, 保障企業的綜合經濟效益. 針對工業過程中存在強非線性、信息冗余以及不確定性影響而難以建立穩健可靠的運行狀態評價模型問題, 提出了一種基于綜合經濟指標驅動的稀疏降噪自編碼器模型(Comprehensive economic index driven sparse denoising autoencoder, ISDAE)的復雜工業過程運行狀態評價方法. 首先, 在SDAE(Sparse denoising autoencoder)模型中引入綜合經濟指標預測誤差項, 迫使SDAE學習與綜合經濟指標相關的數據特征, 建立ISDAE特征提取模型; 其次, 將ISDAE模型所學特征作為輸入訓練運行狀態識別模型, 級聯特征提取模型和運行狀態識別模型級并通過微調網絡結構參數獲得運行狀態評價模型. 針對非優狀態, 提出了一種基于自編碼器貢獻圖算法的非優因素識別方法, 通過計算相應變量的貢獻率識別非優因素. 最后, 將所提方法應用于重介質選煤過程的運行狀態評價, 實驗結果驗證了所提方法的有效性和實用性.
                    基于中心點搜索的無錨框全卷積孿生跟蹤器
                    譚建豪, 鄭英帥, 王耀南, 馬小萍
                    , doi: 10.16383/j.aas.c200469
                    摘要:
                    為了解決孿生網絡跟蹤器魯棒性差的問題, 本文重新設計了孿生網絡跟蹤器的分類與回歸分支, 提出了一種基于像素上直接預測方式的高魯棒性跟蹤算法(AFST). 目前高性能的跟蹤算法, 如SiamRPN、SiamRPN++、CRPN都是基于預定義的錨框進行分類和目標框回歸. 與之相反, 我們提出的AFST則是直接在每個像素上進行分類和預測目標框. 通過去掉錨框, 本文大大簡化了分類任務和回歸任務的復雜程度, 并消除了錨框和目標誤匹配問題. 在訓練中, 我們還進一步添加了同類不同實例的圖像對, 從而引入了相似語義干擾物, 使得網絡的訓練更加充分. 在VOT2016、GOT-10k、OTB2015三個公開的基準上的實驗表明, 與現有的跟蹤算法對比, AFST達到了先進的性能.
                    基于多層次特征融合的圖像超分辨率重建
                    李金新, 黃志勇, 李文斌, 周登文
                    , doi: 10.16383/j.aas.c200585
                    摘要:
                    深度卷積神經網絡顯著改進了單圖像超分辨率的性能. 更深的網絡往往能獲得更好的性能. 但是, 加深網絡會導致參數量急劇增加, 限制了它在資源受限設備上的應用, 比如智能手機. 本文提出了一個融合多層次特征的輕量級單圖像超分辨率網絡. 網絡構件主要是雙層嵌套殘差塊. 為了更好地提取特征, 減少參數量, 每個殘差塊采用對稱結構: 先兩次擴張, 然后兩次壓縮通道數. 在殘差塊中, 通過添加自相關權重單元, 加權融合不同通道的特征信息. 實驗證明: 我們的方法顯著優于當前同類方法.
                    串聯彈性驅動器設計、建模及在機器人上的應用
                    孫寧, 程龍
                    , doi: 10.16383/j.aas.c200202
                    摘要:
                    相比于傳統的剛性驅動器, 串聯彈性驅動器具有被動柔順性、阻抗低、抗沖擊、力感知等諸多優點, 因而已經廣泛地應用到各種機器人系統當中. 本文首先根據彈性和阻尼特性將串聯彈性驅動器分為: 彈性型、阻尼型和彈性-阻尼型串聯彈性驅動器, 介紹不同類型串聯彈性驅動器的優缺點, 并詳細概述彈性和阻尼特性的機械實現方式; 然后對各類串聯彈性驅動器作為力傳感器的建模方法進行介紹; 接下來敘述串聯彈性驅動器在機器人中的主要應用: 力傳感器、安全保護、降低能耗; 最后展望串聯彈性驅動器未來的發展方向.
                    基于圖像與電流特征的電熔鎂爐欠燒工況半監督分類方法
                    盧紹文, 溫乙鑫
                    , doi: 10.16383/j.aas.c200754
                    摘要:
                    本文針對電熔鎂爐異常工況識別任務, 在半監督學習框架下提出了一種將電流與圖像兩類特征融合的解決方案. 本文的貢獻主要為: 使用多元圖像分析技術代替人眼, 更為準確客觀地對鎂爐火焰進行特征提取; 利用基于熵正則化的半監督學習框架, 同時使用具有強互補性的生產圖像與電流數據進行工況分類, 從而彌補了基于單一特征分類的某些缺點; 采用交叉熵方法優化分類器目標函數, 較傳統優化方法顯著地提升了訓練速度. 通過仿真數據與公開數據集測試并討論了本文算法的優勢; 并通過工業數據驗證了本文所提出的方法有效性、應用價值與良好的魯棒性.
                    基于變分信息瓶頸的半監督神經機器翻譯
                    于志強, 余正濤, 黃于欣, 郭軍軍, 高盛祥
                    , doi: 10.16383/j.aas.c190477
                    摘要:
                    變分方法是機器翻譯領域的有效方法, 其性能較依賴于數據量規模. 然而在低資源環境下, 平行語料資源匱乏, 不能滿足變分方法對數據量的需求, 因此導致基于變分的模型翻譯效果并不理想. 針對該問題, 我們提出基于變分信息瓶頸的半監督神經機器翻譯方法, 所提方法的具體思路為: 首先在小規模平行語料的基礎上, 通過引入跨層注意力機制充分利用神經網絡各層特征信息, 訓練得到基礎翻譯模型; 隨后, 利用基礎翻譯模型, 使用回譯方法從單語語料生成含噪聲的大規模偽平行語料, 對兩種平行語料進行合并形成組合語料, 使其在規模上能夠滿足變分方法對數據量的需求; 最后, 為了減少組合語料中的噪聲, 利用變分信息瓶頸方法在源與目標之間添加中間表征, 通過訓練使該表征具有放行重要信息、阻止非重要信息流過的能力, 從而達到去除噪聲的效果. 多個數據集上的實驗結果表明, 本文所提方法能夠顯著地提高譯文質量, 是一種適用于低資源場景的半監督神經機器翻譯方法.
                    時滯憶阻神經網絡動力學分析與控制綜述
                    章聯生, 金耀初, 宋永端
                    , doi: 10.16383/j.aas.c200691
                    摘要:
                    憶阻器(memristor)是一種無源的二端電子元件, 同時也是一種納米級元件, 具有低能耗、高存儲、小體積和非易失性等特點. 作為一種新型的存儲器件, 憶阻器的研制, 有望使計算機實現人腦特有的信息存儲與信息處理一體化的功能, 打破目前馮·諾伊曼(Von Neumann)計算機架構, 為下一代計算機的研制提供了一種全新的架構. 鑒于憶阻器與生物神經元突觸具有十分相似的功能, 使憶阻器得以充當人工神經元的突觸, 建立起一種基于憶阻器的人工神經網絡即憶阻神經網絡. 憶阻器的問世, 為人工神經網絡從電路上模擬人腦提供了可能, 必將極大推動人工智能的發展. 此外, 憶阻神經網絡的硬件實現及信號傳遞過程中, 不可避免會出現時滯與分岔等現象, 因此考慮含各種時滯, 如離散、分布、泄漏時滯以及它們混合的時滯憶阻神經網絡系統更具有現實意義. 本文首先介紹了憶阻器的多種數學模型及其分類, 建立了憶阻神經網絡的數學模型并闡述了其優點, 然后提出了處理時滯憶阻神經網絡動力學行為與控制問題兩種思路, 詳細綜述了時滯憶阻神經網絡系統的穩定性(鎮定)、耗散性與無源性、同步控制方面的內容, 簡述了其他方面的動力學行為與控制, 并介紹了時滯憶阻神經網絡動力學行為與控制研究新方向. 最后, 對本文所述問題進行了總結與展望.
                    基于徑向空間劃分的昂貴多目標進化算法
                    顧清華, 周煜豐, 李學現, 阮順領
                    , doi: 10.16383/j.aas.c200791
                    摘要:
                    為了解決難以建立精確數學模型或者真實評估實驗成本高昂的多目標優化問題, 本文提出了一種基于徑向空間劃分的昂貴多目標進化算法. 首先算法使用高斯回歸作為代理模型逼近目標函數; 然后將目標空間的個體投影到徑向空間, 結合目標空間和徑向空間信息保留對種群貢獻更高的個體; 之后由徑向空間中個體的位置分布決定下一步應該選擇哪些個體進行真實評估; 最后, 采用一種雙檔案管理策略維護代理模型的質量. 數值實驗和現實問題上的結果表明, 與五種先進的算法相比, 本文提出的算法在解決昂貴多目標優化問題時能夠提供更高質量的解.
                    一種規?;祀s生產線緩沖區容量優化分配技術
                    劉軍, 任建華, 馮碩
                    , doi: 10.16383/j.aas.c200578
                    摘要:
                    針對傳統技術難以解決規?;祀s生產線緩沖區容量優化分配問題, 提出了一種規?;a線遞階分解并行尋優技術, 該技術結合混雜生產線系統綜合方法與分解方法的技術思想, 兼顧生產線平衡性與系統規模, 將原系統遞階分解為包含虛擬生產線在內的n+1個子生產線系統, 通過求解子系統的最優解構造原系統的漸進最優解, 并在系統遞階建模階段建議了一種設備模糊聚類的輔助方式; 同時, 基于混雜生產線系統綜合方法也建議了一種系統漸次綜合的初解改進確定方法; 并提出了一種通過構造動態步長來設計領域結構的改進型禁忌搜索算法對子系統進行并行尋優; 最后對技術算法的收斂性進行了證明.本文提出的生產線遞階分解建模并行尋優技術具有一般性, 對受設備隨機故障等隨機事件影響的生產線尤其是規?;a線系統其它優化、控制問題也具有借鑒、參考價值.
                    基于非凸復合函數的稀疏信號恢復算法
                    周潔容, 李海洋, 凌軍, 陳浩, 彭濟根
                    , doi: 10.16383/j.aas.c200666
                    摘要:
                    本文基于泛函深度作用的思想, 通過將兩種非凸稀疏泛函進行復合, 構造了一種新的稀疏信號重構模型, 實現了對0范數的深度逼近. 綜合運用MM技術、外點罰函數法和共軛梯度法, 提出了一種求解該模型的算法, 稱為NCCS算法. 為降低重構信號陷入局部極值的可能性, 提出了在算法的每步迭代中以BP模型的解作為初始迭代值. 為驗證所建模型和所提算法的有效性, 本文進行了多項數值實驗. 實驗結果表明: 相較于SL0算法、IRLS算法、SCSA算法以及BP算法等經典算法, 本文提出的算法在重構誤差、信噪比、歸一化均方差、支撐集恢復成功率等方面都有更優的表現.
                    基于分步子空間映射的無標記膈肌運動預測算法
                    余航, 李晨陽, 余紹德, 馮冬竹, 許錄平
                    , doi: 10.16383/j.aas.c200471
                    摘要:
                    呼吸會引起體內器官和腫瘤的運動, 這會顯著影響放射治療的過程和效果. 人體內部膈肌和胸腹部外表面是當前兩種與呼吸系統高度相關的結構, 本文對其進行系統研究, 提出了一種新的分步子空間映射(TSSM)算法, 通過對體外胸腹部表面的測量, 來預測體內膈肌的運動. 本文首先采用三維圖像分割技術對4D CT圖像進行分割, 在不使用標記物的情況下, 準確測量體內膈肌和體外胸腹部表面的位移. 為了解決跨空間的預測問題, TSSM首先構造特征子空間, 并將膈肌數據和胸腹外表面數據分別映射到各自的子空間中, 以減少數據的相關性和冗余信息; 然后通過線性嶺回歸優化過程, 對兩個子空間進行二次映射, 從而有效地捕獲跨空間數據之間的相關性. 根據訓練得到的相關模型, 通過體外胸腹部外表面的運動情況, 對體內膈肌的運動情況進行準確的預測. 為了研究數據之間的非線性關系, 本文進一步將TSSM推廣到了基于核的TSSM(kTSSM)算法. 實驗表明, 該方法可以根據腹腔外表面的運動情況, 準確的對體內膈肌位移進行預測, 優于經典的線性模型和ANN模型. 本文給出了優化算法的解析解, 其運算速度快, 將有助于提高放射治療中門控技術和跟蹤技術的效率和精度.
                    電動汽車電子差速控制技術研究綜述
                    姚芳, 林祥輝, 吳正斌, 李貴強
                    , doi: 10.16383/j.aas.c190293
                    摘要:
                    首先, 闡述電動汽車(Electric vehicle, EV)驅動系統的布置結構以及差速控制的原理和優缺點, 并介紹用于電子差速控制(Electronic differential control, EDC)的Acekermann轉向模型和3自由度整車動力學模型, 進而剖析非線性擾動和整車模型的設計理念; 其次, 重點綜述電動汽車分布式驅動結構的電子差速控制策略、多機抗擾控制及優化算法的相關研究成果, 并從成果走向、局限性及可能的發展空間分析其發展態勢; 最后, 從整車模型、控制策略、抗擾算法和效果驗證等四個方面, 總結電動汽車電子差速控制技術的現狀, 并展望未來發展可能.
                    全景分割研究綜述
                    徐鵬斌, 瞿安國, 王坤峰, 李大字
                    , doi: 10.16383/j.aas.c200657
                    摘要:
                    在計算機視覺領域, 全景分割是一個新穎且重要的研究問題, 它是機器感知、自動駕駛等新興前沿技術的基石, 有著十分重要的研究意義. 本文綜述了基于深度學習的全景分割研究的最新進展, 總結了全景分割任務的基本處理流程, 并對已發表的全景分割工作基于其網絡結構特點進行分類, 并作了全面的介紹與分析, 最后對全景分割任務目前面臨的問題以及未來的發展趨勢做出了分析, 并針對所面臨的問題提出了一些切實可行的解決思路.
                    深度學習方法在糖尿病視網膜病變診斷中的應用
                    范家偉, 張如如, 陸萌, 何佳雯, 康霄陽, 柴文俊, 石珅達, 宋美娜, 鄂海紅, 歐中洪
                    , doi: 10.16383/j.aas.c190069
                    摘要:
                    深度學習可以有效提取圖像隱含特征,在醫學影像識別方面的應用快速發展. 由于糖尿病視網膜病變(Diabetic retinopathy, DR)診斷標準明確、分類體系成熟,應用深度學習診斷糖尿病視網膜病變近年來成為研究熱點. 本文從深度學習方法在DR診斷中的最新研究進展、DR診斷的一般流程、公共數據集、醫學影像標注方法、主要實現模型、面臨的主要挑戰幾方面, 對深度學習方法在糖尿病視網膜病變診斷中的應用進行了詳細綜述, 便于更多機器視覺、尤其是深度學習醫學影像的研究者們參照對比,加快該領域研究的成熟度和臨床落地應用.
                    基于事件觸發的全信息粒子群優化器及其應用
                    王闖, 韓非, 申雨軒, 李學貴, 董宏麗
                    , doi: 10.16383/j.aas.c200621
                    摘要:
                    針對標準粒子群優化算法存在早熟收斂和容易陷入局部最優的問題, 本文提出了一種基于事件觸發的全信息粒子群優化算法(Event-Triggering-Based Full-Information Particle Swarm Optimization, EFPSO). 首先, 引入一類基于粒子空間特性的事件觸發策略實現粒子群優化算法(Particle Swarm Optimization, PSO) 的模態切換, 更好地維持了算法搜索和收斂能力之間的動態平衡. 然后, 鑒于引入歷史信息能夠降低算法陷入局部最優的可能性, 提出一種全信息策略來克服PSO算法搜索能力不足的缺陷. 數值仿真實驗表明, EFPSO算法在種群多樣性、收斂率、成功率方面是優于其它改進的PSO算法. 最后, 應用EFPSO算法對變分模態分解(Variational Mode Decomposition, VMD)去噪算法進行改進, 并在現場管道信號去噪取得了很好的效果.
                    一致性約束下末制導系統最大可容許模式決策延遲
                    項盛文, 范紅旗, 達凱, 付強
                    , doi: 10.16383/j.aas.c200717
                    摘要:
                    對于大機動目標攔截問題, 模式決策器是基于邏輯的集成估計導引系統(Integrated estimation and guidance, IEG)中的一個重要組件. 為了保證系統的估計精度和制導性能, 模式決策器的模式延遲應盡可能小. 本文針對末制導場景, 首先推導了離散時間系統零控脫靶量的估計誤差模型, 然后在一致性約束條件下給出了系統最大可容許模式決策延遲的數值計算方法. 本文的研究結果可為IEG系統中模式決策器的設計提供指標參考.
                    軟體機械臂水下自適應魯棒視覺伺服
                    徐璠, 王賀升
                    , doi: 10.16383/j.aas.c200457
                    摘要:
                    水下仿生軟體機器人在水底環境勘測, 水下生物觀測等方面具有極高的應用價值. 本文為進一步提升仿章魚臂軟體機器人在特殊水下環境中控制效果, 提出一種自適應魯棒視覺伺服控制方法, 實現其在干擾無標定環境中的高精度鎮定控制. 本文基于水底動力學模型, 設計保證動力學穩定的控制器; 針對柔性材料離線標定過程繁瑣成本高, 提出料參數自適應估計算法; 針對水下特殊工作條件, 設計自適應魯棒視覺伺服控制器, 實現折射效應的在線補償, 并通過自適應未知環境干擾上界, 避免先驗環境信息的求解. 所提算法在軟體機器人樣機中驗證其鎮定控制性能, 為仿生軟體機器人的實際應用提供理論基礎.
                    魚集群游動的節能機理研究綜述
                    張天棟, 王睿, 程龍, 王宇, 王碩
                    , doi: 10.16383/j.aas.c200293
                    摘要:
                    集群是魚類生物中一種常見的現象, 特定編隊的集群運動可以顯著提高魚群的游動效率. 魚集群游動節能機理的研究為機器人集群編隊設計和控制提供啟發與幫助, 得到了研究人員的廣泛關注. 本文介紹了魚集群游動節能機理研究的主要方法及最新的研究成果, 將研究方法分為魚群觀察分析法、計算流體力學仿真法和實驗裝置研究法, 并基于此對近些年的研究成果進行了綜述和分析, 最后列舉了魚集群游動節能機理研究的主要問題與未來發展方向.
                    基于信息幾何的高超聲速飛行器搜索方法
                    羅藝, 譚賢四, 王紅, 曲智國
                    , doi: 10.16383/j.aas.c200738
                    摘要:
                    由于地面雷達受視距限制無法對高超聲速飛行器進行連續觀測, 針對高超聲速飛行器飛出雷達視距盲區后難以搜索的問題, 提出了一種基于信息幾何的雷達搜索方法. 本文利用非參數概率密度估計法對高超聲速飛行器的出現位置的概率密度進行估計, 并把估計的位置概率密度作為雷達搜索的引導信息; 根據引導信息確定搜索區域, 以區域覆蓋率最大化作為優化目標在搜索區域內進行波位編排; 基于信息幾何理論, 將搜索策略建模為統計流形, 利用KL(Kullback-Leibler)散度來度量搜索策略與引導信息之間的差異, 通過最小化KL散度獲得最優搜索策略. 通過仿真實驗驗證了本文所提方法的有效性和可行性, 并驗證了相比其他搜索方法具有較明顯的優勢.
                    基于集成信用度評估智能合約的安全數據共享模型
                    張樂君, 劉智棟, 謝國, 薛霄
                    , doi: 10.16383/j.aas.c200797
                    摘要:
                    區塊鏈技術是一種新興技術, 它具備防篡改、去中心化、分布式存儲等特點, 可以有效的解決現有數據共享模型中隱私安全、用戶控制權不足以及單點故障問題. 本文以電子病歷(Electronic health record, EHR)共享為例提出一種基于集成信用度評估智能合約的數據共享訪問控制模型, 為患者提供可信EHR共享環境和動態訪問控制策略接口. 實驗表明所提模型有效解決了患者隱私安全和對EHR控制權不足的問題. 同時就模型的特點、安全性以及性能進行了分析.
                    多維注意力特征聚合立體匹配算法
                    張亞茹, 孔雅婷, 劉彬
                    , doi: 10.16383/j.aas.c200778
                    摘要:
                    現有基于深度學習的立體匹配算法在學習推理過程中缺乏有效信息交互, 而特征提取和代價聚合兩個子模塊的特征維度存在差異, 導致注意力方法在立體匹配網絡中應用較少、方式單一. 針對這些問題, 本文提出了一種多維注意力特征聚合立體匹配算法. 設計二維(Two-dimensional, 2D)注意力殘差模塊, 通過在原始殘差網絡中引入無降維自適應2D注意力殘差單元, 局部跨通道交互并提取顯著信息, 為匹配代價計算提供豐富有效的特征. 構建三維(Three-dimensional, 3D)注意力沙漏聚合模塊, 以堆疊沙漏結構為骨干設計3D注意力沙漏單元, 捕獲多尺度幾何上下文信息, 進一步擴展多維注意力機制, 自適應聚合和重新校準來自不同網絡深度的代價體. 在三大標準數據集上進行評估, 并與相關算法對比, 實驗結果表明所提算法具有更高的預測視差精度, 且在無遮擋的顯著對象上效果更佳.
                    基于靈活平衡約束的圖聚類方法
                    羅輝, 韓紀慶
                    , doi: 10.16383/j.aas.c200144
                    摘要:
                    現有的圖聚類方法主要存在兩方面的問題, 一是對各個類規模一致的假設, 在許多實際應用中并不成立. 二是在處理多類聚類問題時, 其所常借助的遞歸技術或啟發式算法會影響聚類的性能. 為此, 本文提出一種基于靈活平衡約束的多類圖聚類方法. 其能夠覆蓋從絕對平衡約束到無平衡約束的范圍, 可同時處理類別規模一致和不一致的問題. 為有效求解新方法中的參數, 進一步提出一個緊松弛方法來使所提出的圖聚類方法不僅易于求解, 且在處理多類聚類問題時不必依賴遞歸技術, 而能直接得到聚類結果. 文中也給出一種實現松弛圖聚類的有效求解算法. 在合成數據和真實數據上的實驗結果表明, 所提出的方法具有良好的性能.
                    基于中心對稱多胞體的故障可分離性評價
                    王楨榕, 王振華, 沈毅
                    , doi: 10.16383/j.aas.cxxxxxx
                    摘要:
                    針對包含幅值有界而分布形式未知的故障及輸入干擾項的線性離散系統, 提出了一種新的系統故障可分離性的量化評價方法. 故障可分離性是故障可診斷性中的重要部分, 針對現有方法中基于方向相似度的故障可分離性評價方法存在的不足加以補充, 提出了利用中心對稱多胞體對故障可分離性進行分析, 將中心對稱多胞體集合轉化為多面體的表示形式, 以達到對故障可分離性量化評價的目的, 同時給出了具體評價原理和評價指標. 最后, 通過數值仿真算例, 驗證了該方法的有效性和優越性.
                    基于定制內點法的多無人機協同軌跡規劃
                    王祝, 徐廣通, 龍騰
                    , doi: 10.16383/j.aas.c200361
                    摘要:
                    為了提高多無人機協同軌跡規劃效率, 在解耦序列凸優化方法基礎上, 提出一種高效求解凸優化子問題的定制內點法. 首先引入松弛變量, 構建子問題的等價描述形式, 并推導該形式下的子問題最優性條件. 然后在預測-校正原對偶內點法的框架下, 構建一套高效求解最優性條件方程組的計算流程以降低子問題計算復雜度, 并利用約束矩陣特征提出一種快速計算原對偶搜索方向的方法以提高規劃效率. 仿真結果表明, 在解耦序列凸優化框架下, 定制內點法可將協同軌跡規劃耗時降低一個數量級, 達到秒級.
                    動態水印攻擊檢測方法的魯棒性研究
                    杜大軍, 張競帆, 張長達, 費敏銳, YANGTai-Cheng
                    , doi: 10.16383/j.aas.c200614
                    摘要:
                    本文針對傳統動態水印檢測方法無法適用模型不確定系統的攻擊檢測問題, 首先分析模型不確定項導致的傳統動態水印檢測失效原因, 然后考慮模型不確定項和過程噪聲的統計規律, 將其影響轉化為對方差變化特性進行分析, 提出兩個具有魯棒性的攻擊檢測式以及檢測式中關鍵時變方差閾值的確定方法; 其次采用系統失真信號功率定量刻畫攻擊信號造成系統性能損失程度, 理論證明了系統失真信號功率上界; 在此基礎上考慮最壞情況下攻擊能夠躲過檢測, 基于水印信號與其它混合信號相互獨立性新增第三檢測式, 同時理論證明了系統失真信號功率上界進一步受限范圍, 進而提升不確定系統的安全性; 最后仿真算例驗證了所提方法的有效性和可行性.
                    文本無關說話人識別中句級特征提取方法研究綜述
                    陳晨, 韓紀慶, 陳德運, 何勇軍
                    , doi: 10.16383/j.aas.c200521
                    摘要:
                    句級 (Utterance-level) 特征提取是文本無關說話人識別領域中的重要研究方向之一. 與只能刻畫短時語音特性的幀級 (Frame-level) 特征相比, 句級特征中包含了更豐富的說話人個性信息; 且不同時長語音的句級特征均具有固定維度, 更便于與大多數常用的模式識別方法相結合. 近年來, 句級特征提取的研究取得了很大的進展, 鑒于其在說話人識別中的重要地位, 本文將對近期具有代表性的句級特征提取方法與技術進行整理與綜述, 并分別從前端處理、基于任務分段式與驅動式策略的特征提取方法, 以及后端處理4方面進行論述, 最后還將對未來的研究趨勢展開探討與分析.
                    基于深度學習初始位姿估計的機器人攝影測量視點規劃
                    姜濤, 崔海華, 程筱勝, 田威
                    , doi: 10.16383/j.aas.c200255
                    摘要:
                    針對機器人攝影測量中離線規劃受初始位姿標定影響的問題, 提出融合初始位姿估計的機器人攝影測量系統視點規劃方法. 首先構建基于YOLO的深度學習網絡估計被測對象3D包圍盒, 利用PNP算法快速求解對象姿態; 然后隨機生成機器人無奇異無碰撞的視點, 基于相機成像的2D-3D正逆性映射, 根據深度原則計算每個視角下目標可見性矩陣; 最后, 引入熵權法, 以最小化重建信息熵為目標建立優化模型, 并基于TSP模型規劃機器人路徑. 結果表明: 利用深度學習估計的平移誤差低于5 mm, 角度誤差低于2°. 考慮熵權的視點規劃方法提高了攝影測量質量, 融合深度學習初始姿態的攝影測量系統提高了重建效率. 利用本算法對典型零件進行攝影測量質量和效率的驗證, 均獲得優異的位姿估計和重建效果. 提出的算法適用于實際工程應用, 尤其是快速稀疏攝影重建, 促進了工業攝影測量速度與自動化程度提升.
                    基于改進CycleGAN的水下圖像顏色校正與增強
                    李慶忠, 白文秀, 牛炯
                    , doi: 10.16383/j.aas.c200510
                    摘要:
                    針對水下觀測圖像的顏色失真和散射模糊問題, 提出一種基于改進循環一致性生成對抗網絡(Cycle-consistent generative adversarial networks, CycleGAN)的水下圖像顏色校正與增強算法. 為了利用CycleGAN學習水下降質圖像到空氣中圖像的映射關系, 對傳統CycleGAN的損失函數進行了改進, 提出了基于圖像強邊緣結構相似度(Strong edge and structure similarity, SESS)損失函數的SESS-CycleGAN, SESS-CycleGAN可以在保留原水下圖像的邊緣結構信息的前提下實現水下降質圖像的顏色校正和對比度增強. 為了確保增強后圖像和真實脫水圖像顏色的一致性, 建立了SESS-CycleGAN和正向生成網絡G相結合的網絡結構; 并提出了兩階段學習策略, 即先利用非成對訓練集以弱監督方式進行SESS-CycleGAN學習, 然后再利用少量成對訓練集以強監督方式進行正向生成網絡G的監督式學習. 實驗結果表明: 本文算法在校正水下圖像顏色失真的同時還增強了圖像對比度, 且較好地實現了增強后圖像和真實脫水圖像視覺顏色的一致性.
                    分級特征反饋融合的深度圖像超分辨率重建
                    張帥勇, 劉美琴, 姚超, 林春雨, 趙耀
                    , doi: 10.16383/j.aas.c200542
                    摘要:
                    受采集裝置的限制, 采集的深度圖像存在分辨率較低、易受噪聲干擾等問題. 本文提出了分級特征反饋融合網絡 (Hierarchical Feature Feedback Network, HFFN), 以實現深度圖像的超分辨率重建. 該網絡利用金字塔結構挖掘深度-紋理特征在不同尺度下的分層特征, 構建深度-紋理的分層特征表示. 為了有效利用不同尺度下的結構信息, 本文設計了一種分級特征的反饋式融合策略, 綜合深度-紋理的邊緣特征, 生成重建深度圖像的邊緣引導信息, 完成深度圖像的重建過程. 與對比方法相比, 實驗結果表明本文方法實現了深度圖像的主、客觀質量的提升.
                    基于海馬體位置細胞的認知地圖構建與導航
                    阮曉鋼, 柴潔, 武悅, 張曉平, 黃靜
                    , doi: 10.16383/j.aas.c190288
                    摘要:
                    針對移動機器人環境認知問題, 受老鼠海馬體位置細胞在特定位置放電的啟發, 構建動態增減位置細胞認知地圖模型DGP-PCCMM(Dynamic growing and pruning place cells-based cognitive map model), 使機器人在與環境交互的過程中自組織構建認知地圖, 進行環境認知. 初始時刻, 認知地圖由初始點處激活的位置細胞構成; 隨著與環境的交互, 逐漸得到不同位置點處激活的位置細胞, 并建立其之間的連接關系, 實現認知地圖的動態增長; 如果機器人在已訪問區域發現新的障礙物, 利用動態縮減機制對認知地圖進行更新. 此外, 提出一種位置細胞序列規劃算法, 該算法以所構建的認知地圖作為輸入, 進行位置細胞序列規劃, 實現機器人導航. 為驗證模型的正確性和有效性, 對Tolman的經典老鼠繞道實驗進行再現. 實驗結果表明, 本文模型能使機器人在與環境交互的過程中動態構建并更新認知地圖, 能初步完成對Tolman老鼠繞道實驗的再現. 此外, 進行了與四叉樹柵格地圖、動態窗口法的對比實驗和與其他認知地圖模型的討論分析. 結果表明了本文方法在所構建地圖的簡潔性、完整性和對動態障礙適應性方面的優勢.
                    稀缺資源語言神經網絡機器翻譯研究綜述
                    李洪政, 馮沖, 黃河燕
                    , doi: 10.16383/j.aas.c200103
                    摘要:
                    作為目前主流翻譯方法的神經網絡機器翻譯已經取得了很大突破, 在很多具有豐富數據資源的語言上的翻譯質量也不斷得到改善, 但對于稀缺資源語言的翻譯效果卻仍然并不理想. 稀缺資源語言機器翻譯是目前機器翻譯領域的重要研究熱點之一, 近幾年來吸引了國內外的廣泛關注. 本文對稀缺資源語言機器翻譯的研究進行比較全面的回顧, 首先簡要介紹了與稀缺資源語言翻譯相關的學術活動和數據集, 然后重點梳理了目前主要的研究方法和一些研究結論, 總結了每類方法的特點, 在此基礎上總結了不同方法之間的關系并分析了目前的研究現狀. 最后, 對稀缺資源語言機器翻譯未來可能的研究趨勢和發展方向進行了展望,并給出了相關建議.
                    基于草圖紋理和形狀特征融合的草圖識別
                    張興園, 黃雅平, 鄒琪, 裴艷婷
                    , doi: 10.16383/j.aas.c200070
                    摘要:
                    人類具有很強的草圖識別能力. 然而, 由于草圖具有稀疏性和缺少細節的特點, 目前的深度學習模型在草圖分類任務上仍然面臨挑戰. 目前的工作只是將草圖看作灰度圖像而忽略了不同草圖類別間的形狀表示差異. 本文提出一種端到端的手繪草圖識別模型, 簡稱雙模型融合網絡(Dual-Model Fusion Network, DMF-Net), 它可以通過相互學習策略獲取草圖的紋理和形狀信息. 具體來說, 該模型由兩個分支組成: 一個分支能夠從圖像表示(即原始草圖)中自動提取紋理特征, 另一個分支能夠從圖形表示(即基于點的草圖)中自動提取形狀特征. 此外, 提出視覺注意一致性損失來度量兩個分支之間視覺顯著圖的一致性, 這樣可以保證兩個分支關注相同的判別性區域. 最終將分類損失、類別一致性損失和視覺注意一致性損失結合完成DMF-Net網絡的優化. 本文在兩個具有挑戰性的數據集TU-Berlin數據集和Sketchy數據集上進行草圖分類實驗, 評估結果說明了DMF-Net顯著優于基準方法并達到最佳性能.
                    基于“雁陣效應”的撲翼飛行機器人高效集群編隊研究
                    尹曌, 賀威, 鄒堯, 穆新星, 孫長銀
                    , doi: 10.16383/j.aas.c190900
                    摘要:
                    本文借鑒“雁陣效應”, 研究了撲翼飛行機器人高效集群編隊飛行問題. 通過對“V”字雁陣的分析得知, 當前排大雁(簡稱頭雁)和后排大雁(簡稱從雁)保持某一合適的相對位置偏移時, 后排大雁可有效利用前排大雁揮翅產生的上洗渦流, 從而節省體能; 并且, 雁陣通過陣型的變換, 可以實現能量整體消耗的均衡性, 確保長航時飛行. 仿照該“雁陣效應”, 分析得出耗能最少的撲翼飛行機器人集群陣型排布方式, 并設計了陣型變換機制, 實現集群能量整體消耗的最優性和均衡性. 在此基礎上, 參考雁群的交互方式, 設計了一種使用局部信息的控制方法, 保證最優陣型的穩定維持以及陣型間的靈活變換. 最后, 仿真結果驗證了所提理論結果的有效性.
                    基于USARSim和ROS的無人平臺編隊仿真系統
                    張浩杰, 蘇治寶, 楊甜甜
                    , doi: 10.16383/j.aas.c200102
                    摘要:
                    針對越野非結構化環境下的地面無人平臺(Unmanned Ground Vehicle, UGV)編隊仿真系統存在功能模塊不完善及算法集成測試困難等問題, 為便于有效測試地面無人平臺編隊協同控制方法性能及其適用的任務場景, 降低編隊協同系統的開發成本, 本文提出了一種基于Unified System for Automation and Robotics Simulator(USARSim)和Robot Operating System(ROS)的地面無人平臺編隊協同仿真系統. 該仿真系統由人機交互界面、基于ROS架構的地面無人平臺控制系統和基于USARSim的虛擬仿真場景三個部分組成, 其測試對象為地面無人平臺編隊協同控制算法. 通過充分利用ROS中集成的開源導航算法和USARSim中豐富的機器人及環境模型, 該系統為研究地面無人平臺編隊協同控制算法提供了新的思路和快速驗證工具. 以領航者-跟隨者編隊控制方法為例進行該仿真系統的性能測試, 實驗結果表明, 該仿真系統能夠在外界條件一致的情況下完成對編隊協同控制方法的性能測試, 系統穩定可靠.
                    基于篇章的漢語句法結構樹庫構建
                    盧露, 矯紅巖, 李夢, 荀恩東
                    , doi: 10.16383/j.aas.c190828
                    摘要:
                    為快速構建一個大規模、多領域的高質樹庫, 本文提出一種基于短語功能與句法角色的組塊的、便于標注多層次結構的標注體系, 在篇章中綜合利用標點、句法結構、表述功能作為句邊界判斷標準, 確立合理的句邊界與層次; 在句子中以組塊的句法功能為主, 參考篇章功能、人際功能, 以4個性質標記、8個功能標記、4個句標記來描寫句中3類5種組塊, 標注基本句型骨架, 突出中心詞信息. 目前已初步構建有質量保證的千萬漢字規模的淺層結構分析樹, 包含60余萬小句的9千余條句型結構庫, 語料涉及百科、新聞、專利等應用領域文本1萬余篇; 與此同時也探索了高效的標注眾包管理模式.
                    基于輕量化重構網絡的表面缺陷視覺檢測
                    余文勇, 張陽, 姚海明, 石繪
                    , doi: 10.16383/j.aas.c200535
                    摘要:
                    基于深度學習的方法在某些工業產品的表面缺陷識別和分類方面表現出優異的性能, 然而大多數工業產品缺陷樣本稀缺, 而且特征差異大, 導致這類需要大量缺陷樣本訓練的檢測方法難以適用. 本文提出一種基于重構網絡的無監督缺陷檢測算法(Reconstruction network for defects detection, ReNet-D), 僅使用容易大量獲得的無缺陷樣本數據實現對異常缺陷的檢測. 本文提出的算法包括兩個階段: 圖像重構網絡訓練階段和表面缺陷區域檢測階段. 訓練階段通過一種輕量化結構的全卷積自編碼器設計重構網絡, 僅使用少量正常樣本進行訓練, 使得重構網絡能夠生成無缺陷重構圖像, 進一步提出一種結合結構性損失和L1損失的函數作為重構網絡的損失函數, 解決自編碼器檢測算法對不規則紋理表面缺陷檢測效果較差的問題; 缺陷檢測階段以重構圖像與待測圖像的殘差作為缺陷的可能區域, 通過常規圖像操作即可實現缺陷的定位. 本文對所提出的ReNet-D方法的網絡結構、訓練像素塊(patch)大小、損失函數系數等影響因素進行了詳細的實驗分析, 并在多個缺陷圖像樣本集上與其他同類算法做了對比, 結果表明ReNet-D有較強的魯棒性和準確性. 由于ReNet-D的輕量化結構, 檢測1024x1024像素大小的圖像僅僅耗時2.82 ms, 適合工業在線檢測.
                    執行機構帶寬對動態逆方法的影響及解決方案
                    程艷青, 朱紀洪
                    , doi: 10.16383/j.aas.c190236
                    摘要:
                    本文從理論上分析了執行機構帶寬對動態逆閉環控制系統動態特性影響, 發現較低的執行機構帶寬會在偽線性系統中引入一個非線性干擾項, 為此提出了兩種方法來消除這個非線性干擾項, 一個是采用參考模型的思想設計補償器提高執行機構子系統的等效帶寬, 另一個思路則是直接在非線性反饋項中引入補償直接對消非線性干擾項. 仿真結果表明, 兩類方法都能較好的消除非線性干擾項, 直接補償方法能精確消除干擾項, 但需要準確動力學模型, 提高等效帶寬的方法雖然是近似的, 但能方便的引入自適應算法, 可以抑制執行機構模型參數不確定的影響.
                    一種基于深度遷移學習的滾動軸承早期故障在線檢測方法
                    毛文濤, 田思雨, 竇智, 張迪, 丁玲
                    , doi: 10.16383/j.aas.c190593
                    摘要:
                    近年來, 深度學習技術已在滾動軸承故障檢測和診斷領域取得了成功應用, 但面對不停機情況下的早期故障在線檢測問題, 仍存在著早期故障特征表示不充分、誤報警率高等不足. 為解決上述問題, 本文從時序異常檢測的角度出發, 提出了一種基于深度遷移學習的早期故障在線檢測方法. 首先, 提出一種面向多域遷移的深度自編碼網絡, 通過構建具有改進的最大均值差異正則項和Laplace正則項的損失函數, 在自適應提取不同域數據的公共特征表示同時, 提高正常狀態和早期故障狀態之間特征的差異性; 基于該特征表示, 提出一種基于時序異常模式的在線檢測模型, 利用離線軸承正常狀態的排列熵值構建報警閾值, 實現在線數據中異常序列的快速匹配, 同時提高在線檢測結果的可靠性. 在XJTU-SY數據集上的實驗結果表明, 與現有代表性早期故障檢測方法相比, 本文方法具有更好的檢測實時性和更低的誤報警數.
                    基于注意力機制的協同卷積動態推薦網絡
                    湯文兵, 任正云, 韓芳
                    , doi: 10.16383/j.aas.c190820
                    摘要:
                    一直以來, 各種推薦系統關注于如何挖掘用戶與物品特征間的潛在關聯, 特征信息的充分利用有利于用戶到物品的精準匹配. 基于矩陣分解和分解機的推薦算法是該領域的主流, 前者學習用戶歷史行為而后者分析對象特征關系, 但都難以兼顧用戶行為與個體特征. 而近年來, 深度神經網絡憑借其強大的特征學習能力和靈活可變的結構被應用到了推薦系統領域. 鑒于此, 本文提出了一種基于注意力機制的協同卷積動態推薦網絡, 它通過注意力機制實現用戶歷史行為、用戶畫像與物品屬性的多重交互, 再通過卷積網絡逐層捕捉更高階的特征交互. 網絡同時接受不同組塊輸出的低階至高階信息, 最后給出用戶對指定物品青睞評分概率的預估. 而且本文還提出了一種基于無參時間衰減的用戶興趣標簽來量化用戶關注的變化. 通過比較若干先進模型在兩個現實數據集的表現, 本文設計的動態推薦模型不但能夠緩解推薦時滯性, 還能明顯提高推薦質量, 為用戶帶來更好的個性化服務體驗.
                    深度EM膠囊網絡全重疊手寫數字識別與分離
                    姚紅革, 董澤浩, 喻鈞, 白小軍
                    , doi: 10.16383/j.aas.c190849
                    摘要:
                    基于膠囊網絡的向量神經元思想和EM算法, 本文設計了一種以EM為向量聚類算法的深度膠囊網絡, 實現了重疊手寫數字的識別與分離. 該網絡由兩部分組成, 第一部分使用兩個卷積層、兩個基礎膠囊層、兩個EM聚類膠囊層構成六層網絡結構. 其將膠囊維數由常規的8維擴充為16維, 并利用姿態轉換矩陣實現低級特征到高級特征的預測, 同時將EM算法改為EM向量聚類算法, 以替換原膠囊網絡中的迭代路由部分, 優化了網絡的運算過程, 實現了重疊目標識別. 第二部分是重構網絡部分, 由結構完全相同的兩個并行網絡組成, 對雙向量進行并行重構, 實現了重疊目標的分離. 實驗結果顯示, 對于100%全重疊手寫數字圖片本網絡識別率達到了96%, 對比現有的膠囊網絡CapsNet在80%的重疊率下95%的識別率, 在100%的重疊率下88%的識別率, 本文網絡在難度提升的情況下, 識別率有明顯提高, 能夠將完全疊加的兩張手寫數字圖片進行準確地分離.
                    基于KPLS魯棒重構誤差的高爐燃料比監測與異常識別
                    周平, 劉記平, 梁夢圓, 張瑞垚
                    , doi: 10.16383/j.aas.c180579
                    摘要:
                    作為鋼鐵冶金制造的核心工序, 高爐煉鐵是典型的高能耗過程, 其運行能耗約占鋼鐵總能耗的50%以上, 這 其中80%的能耗是焦炭和煤粉等燃料消耗. 因此, 對表征高爐燃料消耗的燃料比參數進行監測, 并盡可能早地 識別影響燃料比異常波動的關鍵因素, 對于高爐煉鐵過程的節能降耗具有重要意義. 本文針對先驗故障知識少的 高爐燃料比監測與異常識別難題, 提出一種基于核偏最小二乘(Kernel partial least squares, KPLS)魯棒重構誤差的故障識別方法. 該方法首先 建立過程變量與監測變量的KPLS監測模型, 然后根據非線性映射空間的協方差矩陣和核空間Gram矩陣之間的關系, 反向估計原始空間變量的正常估值. 為了增強算法的魯棒性, 采用迭代去噪算法減少異常數據對原始空間正常估值的影響. 通過利用原始空間正常估值和真實值來構造故障識別指標, 并給出故障識別指標的控制限. 基于實際工業數據的高爐數據試驗表明所提方法不僅可以監測出正常工況下影響燃料比異常變化的潛在因素, 還可識別出異常工況下影響燃料比異常變化的關鍵因素, 具有很好的工程應用前景.
                    基于蠕蟲傳播和FDI的電力信息物理協同攻擊策略
                    馮曉萌, 孫秋野, 王冰玉, 高嘉文
                    , doi: 10.16383/j.aas.c190574
                    摘要:
                    隨著信息技術與現代電力系統的結合日趨緊密, 通信系統異常和網絡攻擊均可能影響到電力系統的安全穩定運行. 為了研究工控蠕蟲病毒對電網帶來的安全隱患, 本文首次建立了基于馬爾科夫決策過程(Markov Decision Process, MDP)的電力信息物理系統跨空間協同攻擊模型, 該模型同時考慮通信設備漏洞被利用的難易程度為代價以及對電力網絡的破壞程度為收益兩方面因素, 能夠更有效的識別系統潛在風險. 其次, 采用Q學習算法求解在該模型下的最優攻擊策略, 并依據電力系統狀態估計的誤差值來評定該攻擊行為對電力系統造成的破壞程度. 最后, 本文在通信8節點-電力14節點的耦合系統上進行聯合仿真, 對比結果表明相較單一攻擊方式, 協同攻擊對電網的破壞程度更大. 與傳統的不考慮通信網絡的電力層攻擊研究相比, 本模型辨識出的薄弱節點也考慮了信息層的關鍵節點的影響, 對防御資源的分配有指導作用.
                    一種基于UDP的電力廣域保護系統可靠通信方法
                    袁凱, 李俊娥, 劉開培, 陸秋余, 倪明, 羅劍波
                    , doi: 10.16383/j.aas.c180641
                    摘要:
                    電力廣域保護系統從點到點通信逐步走向網絡化通信, 如何在擁塞狀態下保障業務的實時性和可靠性, 成為亟待解決的問題. 針對TCP不能保障實時性和UDP不能保障可靠性的問題, 本文提出一種聯合應用層糾錯、檢錯和重發機制的UDP傳輸方案, 在提供低時延傳輸服務的同時也能保障報文的可靠性. 考慮到算法的復雜性, 選擇本原BCH碼作為糾錯編碼算法, 設計了編碼分組方法, 并通過實驗驗證了分組方法的正確性; 對增加糾錯機制后的報文實時性進行了理論分析和仿真驗證; 為了解決突發誤碼和丟包情況下的可靠性問題, 進一步設計了應用層檢錯和重發機制, 并分析了時延. 分析表明, 在應用層增加本文所設計的糾錯、檢錯和重發機制后增加的時延幾乎可以忽略不計. 最后給出了所提方法的聯合應用算法并進行了可靠性分析, 結果表明本文方案的可靠性高于其他UDP傳輸方案.
                    基于改進型自主發育網絡的機器人場景識別方法
                    余慧瑾, 方勇純
                    , doi: 10.16383/j.aas.c180779
                    摘要:
                    場景識別是移動機器人在陌生動態環境中完成任務的前提. 考慮到現有方法的不足, 本文提出了一種基于改進型自主發育網絡的場景識別方法, 它通過引入基于多優勝神經元的Top-k競爭機制、基于負向學習的權值更新、基于連續性樣本的加強型學習等步驟實現對場景的快速識別, 并使該方法具有更好的適應能力. 對于這種基于改進型自主發育網絡的場景識別方法, 通過實驗進行了對比測試. 結果表明, 這種改進型自主發育神經網絡節點利用率高, 場景識別準確可靠, 可以較好地滿足機器人作業的實際需求.
                    多聚點子空間下的時空信息融合及其在行為識別中的應用
                    楊天金, 侯振杰, 李興, 梁久禎, 宦娟, 鄭紀翔
                    , doi: 10.16383/j.aas.c190327
                    摘要:
                    基于深度圖序列的人體行為識別, 一般通過提取特征圖來提高識別精度, 但這類特征圖通常存在時序信息缺失的問題. 針對上述問題, 本文提出了一種新的深度圖序列表示方式, 即深度時空圖(Depth Space Time Maps, DSTM), 該算法降低了特征圖的冗余度, 彌補了時序信息缺失的問題. 本文通過融合空間信息占優的Depth Motion Maps (DMM) 與時序信息占優的DSTM, 進行高精度的人體行為研究. 提出了一種名為多聚點子空間學習Multi-Center Subspace Learning (MCSL)的多模態數據融合算法. 該算法為各類別數據構建了多個投影聚點,以此增大了樣本的類間距離, 降低了投影目標區域維度. 本文在MSR-Action3D深度數據集和UTD-MHAD深度數據集上進行人體行為識別最后實驗結果表明, 本文方法相較于現有人體行為識別方法有著較高的識別率.
                    基于RCNN-LSTM的腦電情感識別研究
                    柳長源, 李文強, 畢曉君
                    , doi: 10.16383/j.aas.c190357
                    摘要:
                    情感作為人腦的高級功能, 對人們的個性特征和心理健康有很大的影響, 利用網上公開的腦電情感數據庫(Deap數據庫), 根據心理效價和激勵喚醒度等級進行情感劃分, 對壓力和平靜等五種情感進行研究分析. 針對腦電信號時空特征結合的特點, 把深度學習中的卷積神經網絡(Convolutional neural networks, CNN)和長短期記憶網絡(Long short term memory, LSTM)兩者作為基本前提, 并在此基礎之上設計了一個RCNN-LSTM的腦電情感信號分類模型. 利用循環卷積神經網絡(Recurrent convolutional neural network, RCNN)自動提取腦電信號中的抽象特征, 省去了人工選擇與降維的過程, 然后結合LSTM網絡對腦電情感信號進行分類識別. 實驗結果表明, 利用該方法對5種情感類別的平均分類識別率達到了96.63%, 證明了該方法的有效性.
                    具有輸入約束和輸出噪聲的不確定系統級聯線性自抗擾控制
                    高陽, 吳文海, 王子健
                    , doi: 10.16383/j.aas.c190305
                    摘要:
                    針對一類具有輸入約束和輸出噪聲的SISO不確定非線性系統, 提出了一種基于誤差補償和工程濾波的抗飽和級聯線性自抗擾控制(LADRC)方法. 首先針對高頻量測噪聲, 分析了線性擴張狀態觀測器(LESO)對噪聲的放大機理及其與觀測器增益的定量關系, 進而設計了一種基于工程濾波器的級聯LADRC方法, 在濾除噪聲的同時有效補償了因濾波所造成的輸出幅值和相位損失, 確保了閉環系統的跟蹤精度. 然后繼續考慮輸入飽和的問題, 利用LADRC的實時估計/補償能力, 通過將飽和差值信號引入LESO, 設計了一種基于誤差補償的抗飽和LADRC方法, 有效減小了系統設計控制量, 避免了系統長時間陷入飽和. 通過實時仿真比較, 驗證了所提出方法的有效性.
                    OTH雷達圖像的粗糙度指標及用于射頻干擾自適應抑制
                    羅忠濤, 郭人銘, 郭杰, 何子述, 盧琨
                    , doi: 10.16383/j.aas.c190286
                    摘要:
                    針對OTH雷達距離-多普勒(Range-Doppler, RD)圖, 本文首次提出采用紋理粗糙度作為RD圖質量的評價指標, 即計算RD圖所轉化灰度圖的Tamura紋理粗糙度. 分析表明, 粗糙度指標能準確反映RD圖受干擾情況, 對于不同灰度轉換函數具有穩健性. 作為應用舉例, 本文將圖像粗糙度用于改進射頻干擾抑制算法, 使干擾抑制達到自適應優化. 實驗結果表明, Tamura粗糙度能夠正確反映RD圖干擾抑制情況, 優化粗糙度指標能夠使干擾抑制自適應達到最優.
                    基于GPR和深度強化學習的分層人機協作控制
                    金哲豪, 劉安東, 俞立
                    , doi: 10.16383/j.aas.c190451
                    摘要:
                    本文提出了一種基于高斯過程回歸(Gaussian Process Regression, GPR)與深度強化學習(Deep Reinforcement Learning, DRL)的分層人機協作(Human-Robot Collaborative, HRC)控制方法, 并以人機協作控制球桿系統為例檢驗該方法的高效性. 本文的主要貢獻是: 1)在模型未知的情況下, 采用DRL算法設計了一種有效的非線性次優控制策略, 并將其作為頂層期望控制策略以引導HRC控制過程, 解決了傳統控制方法無法直接應用于模型未知人機協作場景的問題; 2) 針對HRC過程中人未知和隨機控制策略帶來的不利影響, 采用GPR擬合人體控制策略以建立機器人對人控制行為的認知模型, 在減弱該不利影響的同時提升機器人在協作過程中的主動性, 從而進一步提升協作效率; 3)利用所得認知模型和期望控制策略設計機器人末端速度的控制律, 并通過實驗對比驗證了所提方法的有效性.
                    基于局部空間信息的可變類模糊閾值光學遙感圖像分割
                    楊蘊, 李玉, 趙泉華
                    , doi: 10.16383/j.aas.c190412
                    摘要:
                    閾值法分割在光學遙感圖像分析中被得到廣泛的應用, 然而傳統閾值法也存在諸多局限性, 如對噪聲敏感, 需人為設定類別數, 計算復雜度高等. 針對傳統閾值法的局限性, 提出一種基于局部空間信息的可變類模糊閾值光學遙感圖像分割方法. 首先, 以圖像光譜的一階矩為初始類中心, 利用二分法原理和區域間最大相似度準則來快速確定類別數及其中心. 然后, 通過嶺形模糊隸屬函數計算各像素點對不同類的隸屬程度, 同時考慮到像素點的隸屬度局部空間信息, 在隸屬度域中定義一個模糊加權濾波器對各類的隸屬度矩陣進行濾波, 以濾波后的隸屬度集合為依據, 按照最大隸屬原則確定圖像的標號場. 最后, 對標號場中的局部異常標號進行替換, 將修正后的標號場由對應的類中心賦色得到分割圖像. 視覺和統計分析評價結果表明, 與傳統閾值法相比, 該方法能在減少計算時間的同時獲得更好的分割結果, 可適用于光學遙感圖像的多閾值分割.
                    具有間歇性執行器故障的非線性系統自適應CFB控制
                    乃永強, 楊清宇, 周文興, 楊瑩
                    , doi: 10.16383/j.aas.190673
                    摘要:
                    控制系統的執行器在運行過程中經常發生各種各樣不可預測的間歇性故障. 如何有效地處理這些故障仍然是控制領域的一個難題. 針對一類不確定嚴格反饋非線性系統, 提出一種自適應CFB (Command Filtered Backstepping) 控制方案解決了間歇性執行器故障的補償問題. 利用神經網絡逼近控制器中的未知函數, 并采用投影算子實時在線更新控制器中的估計參數使得參數估計隨著故障次數的累積而不斷增加的問題被消除. 考慮到未知參數間歇性跳變對系統穩定性的影響, 提出一種改進的Lyapunov函數分析了閉環系統的穩定性. 證明了所提出的控制方案能夠保證所有閉環信號的有界性, 同時建立了跟蹤誤差與Lyapunov函數跳變幅度, 最小故障時間間隔, 設計參數之間的關系. 如果Lyapunov函數的跳變幅度越小以及兩個連續故障之間的時間間隔越長, 系統的穩態跟蹤指標越好. 通過迭代計算建立了暫態跟蹤誤差指標的均方根型界. 該界表明了通過選擇恰當的設計參數, 可改善系統的暫態指標. 仿真結果表明了所提方案的有效性.
                    基于樣本特征解碼約束的GANs
                    陳泓佑, 陳帆, 和紅杰, 朱翌明
                    , doi: 10.16383/j.aas.c190496
                    摘要:
                    生成式對抗網絡(Generative Adversarial Networks, GANs)是一種有效模擬訓練數據分布的生成模型, 其訓練的常見問題之一是優化JS散度(Jensen-Shannon divergence)時可能產生梯度消失問題(Vanishing gradient problem). 針對該問題, 本文提出了一種解碼約束條件下的GANs, 以盡量避免JS散度近似為常數而引發梯度消失現象, 從而提高生成圖像的質量. 首先利用U-Net結構的自動編碼機學習出與用于激發生成器的隨機向量同維度的訓練樣本網絡中間層特征. 然后在每次對抗訓練前使用本文設計的解碼約束條件訓練解碼器. 其中, 解碼器與生成器結構相同, 權重共享. 為證明模型的可行性, 推導給出了引入解碼約束條件有利于JS散度不為常數的結論以及解碼損失函數的類型選擇依據. 為驗證模型的性能, 利用CELEBA和CIFAR10數據集, 對比分析了DCGANs, LSGANs, BEGANs, WGANs, WGANsGP 及SAGANs的生成效果. 通過實驗對比IS, FID和清晰度等指標發現, 本文GANs能有效提高圖像生成質量, 綜合性能接近SAGANs.
                    基于改進RRT*與行駛軌跡優化的智能汽車運動規劃
                    袁靜妮, 楊林, 唐曉峰, 陳傲文
                    , doi: 10.16383/j.aas.c190607
                    摘要:
                    本文針對傳統快速擴展隨機樹算法 (Rapidly-exploring random tree, RRT)搜索較慢、規劃路徑曲折、平順性差等問題, 提出了一種結合改進RRT*與貝塞爾曲線控制點優化的智能車輛運動規劃方法. 該方法通過在給定概率分布下采樣, 結合基于方向相似性的多步擴展與路徑簡化, 使用貝塞爾曲線擬合生成規劃問題初始解, 最后使用序列二次規劃優化曲線控制點, 從而在動態障礙物環境中生成兼具安全性與駕駛舒適性的車輛行駛軌跡. 在仿真實驗中將本文算法與常規RRT及曲線擬合方法進行了比較, 結果顯示本文算法在搜索速度、平順性、安全性等方面有較大提升.
                    基于改進粒子群算法的飛行器協同軌跡規劃
                    周宏宇, 王小剛, 單永志, 趙亞麗, 崔乃剛
                    , doi: 10.16383/j.aas.c190865
                    摘要:
                    考慮氣動、軌跡、約束、指標間的耦合關系, 以多高超聲速飛行器同時到達為目標建立了協同規劃模型; 設計了一種自動滿足終端約束的全新滑翔飛行剖面, 減少了規劃算法需要處理的約束數量; 推導了滑翔段高精度解析解, 實現了過程約束和性能指標的快速求解; 提出了一種改進粒子群優化(PSO)算法, 借助強化學習方法構建協同需求與慣性權重間的動態映射網絡, 提高了在線規劃效率. 最后通過數學仿真驗證了方法的正確性和有效性.
                    面向輕軌的高精度實時視覺定位方法
                    王婷嫻, 賈克斌, 姚萌
                    , doi: 10.16383/j.aas.c200009
                    摘要:
                    輕軌作為城市公共交通系統的重要組成部分, 對其實現智能化的管理勢在必行. 針對城市輕軌定位系統要求精度高、實時強且易于安裝等特點, 本文提出一種基于全局-局部場景特征與關鍵幀檢索的定位方法. 該方法在語義信息的指導下, 從單目相機獲取的參考幀中提取區別性高的區域作為關鍵區域. 并結合像素點位置線索利用無監督學習的方式篩選關鍵區域中描述力強的像素對生成二值化特征提取模式, 不僅能夠提升匹配精度還顯著提高了在線模塊場景特征提取與匹配的速度. 其次, 以場景顯著性分數為依據獲取的關鍵幀避免了具有相似外觀的場景給定位帶來的干擾, 并能輔助提高場景在線匹配的精度與效率. 本文使用公開測試數據集以及具有挑戰性的輕軌數據集進行測試. 實驗結果表明, 本系統在滿足實時性要求的同時, 其定位準確率均可達到90%以上.
                    基于跨尺度低秩約束的圖像盲解卷積算法
                    彭天奇, 禹晶, 肖創柏
                    , doi: 10.16383/j.aas.c190845
                    摘要:
                    在模糊核未知的情況下對模糊圖像進行復原稱為盲解卷積問題, 這是一個欠定逆問題, 現有的大部分盲解卷積算法利用圖像的各種先驗知識約束問題的解空間. 由于清晰圖像的跨尺度自相似性強于模糊圖像的跨尺度自相似性, 且降采樣模糊圖像與清晰圖像具有更強的相似性, 本文提出了一種基于跨尺度低秩約束的單幅圖像盲解卷積算法, 利用圖像跨尺度自相似性, 在降采樣圖像中搜索相似圖像塊構成相似圖像塊組, 從整體上對相似圖像塊組進行低秩約束, 作為正則項加入到圖像盲解卷積的目標函數中, 迫使重建圖像的邊緣接近清晰圖像的邊緣. 本文算法沒有對噪聲進行特殊處理, 由于低秩約束更好地表示了數據的全局結構特性, 因此避免了盲解卷積過程受噪聲的干擾. 在模糊圖像和模糊有噪圖像上的實驗驗證了本文的算法能夠解決大尺寸模糊核的盲復原并對噪聲具有良好的魯棒性.
                    進化計算在復雜機電系統設計自動化中的應用綜述
                    范衠, 朱貴杰, 李文姬, 游煜根, 李曉明, 林培涵, 辛斌
                    , doi: 10.16383/j.aas.c190767
                    摘要:
                    復雜機電系統設計自動化是知識自動化的一個重要分支, 在機器人系統設計、高檔數控機床設計、智能裝備系統設計等方面具有重要的研究意義和應用價值. 本文對進化計算在復雜機電系統設計自動化中的應用進行了綜述. 首先, 介紹了幾種常用進化計算方法及其優點; 其次, 對進化計算在電子系統、微機電系統和復雜機電系統三個領域的設計自動化進行了較為系統且全面的總結. 然后, 以一類典型的復雜機電系統—機器人系統的設計自動化為代表, 對進化計算在機器人系統設計自動化的研究發展進行了討論. 最后, 針對進化計算在復雜機電系統設計自動化中存在的共性關鍵問題進行了討論與展望.
                    基于嵌套-偽預估器反饋的時滯控制系統輸入時滯補償
                    劉青松
                    , doi: 10.16383/j.aas.c190830
                    摘要:
                    本文研究同時具有輸入和狀態時滯的控制系統的輸入時滯補償問題. 通過建立嵌套-偽預估器反饋方法預測系統未來的狀態, 使得任意大但有界的輸入時滯得到完全補償. 不同于傳統的預估器反饋利用開環系統預測系統未來的狀態, 嵌套-偽預估器反饋則是利用閉環系統嵌套地預測系統未來的狀態. 依據積分時滯系統的穩定性, 給出了保證閉環系統漸近穩定的充要條件. 最后, 采用數值仿真驗證所提出方法的有效性.
                    基于單向耦合法的不確定復雜網絡間有限時間同步
                    張檬, 韓敏
                    , doi: 10.16383/j.aas.c180102
                    摘要:
                    針對具有不確定性的復雜網絡有限時間同步問題, 提出一種新穎的單向耦合控制方法. 構建含有未知參量及未知拓撲結構的驅動- 響應復雜網絡模型, 考慮兩個網絡具有不同的節點數, 同時受到時變耦合時滯的影響, 并且網絡內部分別具有不同的節點系統. 基于有限時間穩定性理論和線性矩陣不等式變換, 通過在響應網絡中引入單向耦合項, 實現兩個網絡間的有限時間同步, 同時準確辨識未知參量及未知拓撲結構. 仿真實驗驗證所提同步方法的有效性, 對比實驗結果表明所提方法在減少耦合數量的同時具有更快的同步速率及更小的波動范圍.
                    仿人智能控制理論及應用研究進展
                    戴小文, 宋建霖, 岳麗全
                    , doi: 10.16383/j.aas.c200007
                    摘要:
                    仿人智能控制是現代智能控制理論之一, 利用分層遞階的控制結構與多控制模態為強非線性、大遲滯、難建模問題提供了切實可行的解決方案, 近些年來發展迅速并且得到學術界的持續關注, 但缺乏對該理論研究進展系統性的總結. 本文通過系統的梳理仿人智能控制的理論基礎和發展脈絡, 將其劃分為三代控制模型, 分別從每一代控制模型的算法描述、研究進展與應用進展三個角度進行綜述, 同時, 結合當前的研究進展討論仿人智能控制在控制模型、結構功能、參數校正方面進一步研究的方向.
                    光纖表面等離子體共振葡萄糖濃度傳感器研究
                    鄭萬祿, 馬遙, 張亞男
                    , doi: 10.16383/j.aas.c200264
                    摘要:
                    本文提出一種基于表面等離子體共振(surface plasmon resonance, SPR)的光纖傳感器實現了葡萄糖濃度的測量. 該傳感器探頭采用反射式結構, 金膜鍍在光纖表面激發SPR, 然后采用共價結合的方式將葡萄糖氧化酶(Glucose Oxidase, GOD)固定在金膜表面. 隨著葡萄糖濃度的增加, 由于GOD和葡萄糖的結合使得探頭表面折射率增加, 最終引起傳感器諧振波長發生紅移. 通過監測諧振波長的偏移量, 即可實現葡萄糖濃度的測量. 實驗結果表明: 該傳感器對折射率變化的靈敏度可達到2108.6 nm/RIU; 在0-0.5 mg/mL的葡萄糖濃度范圍內, 諧振波長隨葡萄糖濃度的增加而線性移動, 靈敏度為85.4 nm/(mg/mL); 隨著葡萄糖濃度繼續增加, GOD的結合位點逐漸減少, 導致光譜偏移量逐漸降低并趨于飽和, 在0.5-1.2 mg/mL的葡萄糖濃度范圍內呈現非線性關系.
                    間歇過程的批內自優化控制
                    葉凌箭
                    , doi: 10.16383/j.aas.c190855
                    摘要:
                    針對間歇過程的實時優化問題, 提出了一種基于自優化控制的批內優化方法. 以測量變量的線性組合為被控變量, 在單批次內跟蹤控制被控變量實現間歇過程的實時優化. 根據是否在間歇過程的不同階段切換被控變量, 給出了兩種自優化控制策略, 對每種策略又分別提出兩種設定軌線選取方案. 為求解這些情形下的最優被控變量(組合矩陣), 以最小化平均經濟損失為目標, 推導了組合矩陣和經濟損失之間的函數關系, 分別將其描述為相應的非線性規劃問題. 在此基礎上, 進一步引入了擴張組合矩陣, 將這些非線性規劃問題歸納為求解擴張組合矩陣的一致形式(擴張組合矩陣具有不同的結構約束), 并推導得到了其中一種方案的解析解計算方法. 以一個間歇反應器為研究對象, 驗證了方法的有效性.
                    高速列車精確停車的魯棒自觸發預測控制
                    劉曉宇, 荀徑, 高士根, 陰佳騰
                    , doi: 10.16383/j.aas.c200039
                    摘要:
                    列車精確停車作為列車自動運行(Automatic train operation, ATO)系統的一項核心功能, 對高速列車的安全和高效運行至關重要. 本文針對高速列車停車過程的特點, 考慮在避免控制輸出頻繁切換的前提下實現高精度的停車曲線跟蹤, 提出了基于模型預測控制(Model Predictive Control, MPC)的精確停車算法. 針對列車停車過程中外部不確定性阻力干擾, 采用魯棒模型預測控制方法, 提高對外部干擾的魯棒性. 引入自觸發控制策略, 以進一步減少控制輸出的頻繁切換, 提高停車過程的舒適度. 該方法不需要每個采樣時間都求解線性約束二次規劃問題, 降低了對系統采樣和通信能力的要求, 提高了算法的實用性. 分析結果表明, 高速列車精確停車控制方法的穩定性和性能指標的次優性可以得到保證. 基于高速列車實際運行數據的仿真結果驗證了算法的有效性.
                    灰狼與郊狼混合優化算法及其聚類優化
                    張新明, 姜云, 劉尚旺, 劉國奇, 竇智, 劉艷
                    , doi: 10.16383/j.aas.c190617
                    摘要:
                    郊狼優化算法(Coyote Optimization Algorithm, COA)是最近提出的一種新穎且具有較大應用潛力的群智能優化算法, 具有獨特的搜索機制和能較好解決全局優化問題等優勢, 但在處理復雜優化問題時存在搜索效率低、可操作性差和收斂速度慢等不足. 為彌補其不足, 并借鑒灰狼優化算法(Grey Wolf Optimizer, GWO)的優勢, 提出了一種COA與GWO的混合算法(Hybrid COA with GWO, HCOAG). 首先提出了一種改進的COA (Improved COA, ICOA), 即將一種高斯全局趨優成長算子替換原算法的成長算子以提高搜索效率和收斂速度, 并提出一種動態調整組內郊狼數方案, 使得算法的搜索能力和可操作性都得到增強; 然后提出了一種簡化操作的GWO (Simplified GWO, SGWO), 以提高算法的可操作性和降低其計算復雜度; 最后采用正弦交叉策略將ICOA與SGWO二者融合進一步提高算法的優化性能. 大量的經典函數和CEC2017復雜函數優化以及K-Means聚類優化的實驗結果表明, 與COA相比, HCOAG具有更高的搜索效率、更強的可操作性和更快的收斂速度, 與其他先進的對比算法相比, HCOAG具有更好的優化性能, 能更好地解決聚類優化問題.
                    航天器任務調度模型、算法與通用求解技術綜述
                    杜永浩, 邢立寧, 姚鋒, 陳盈果
                    , doi: 10.16383/j.aas.c190656
                    摘要:
                    針對航天器任務調度大規模、復雜化的新常態和靈活組網、快速響應的新要求, 綜述了航天器任務調度模型、算法與通用求解技術的發展現狀. 首先, 基于遙感衛星、通訊中繼衛星、導航衛星和航天測控等航天器任務, 從任務排序模型和時間窗口分配模型兩個角度出發, 揭示了不同航天器任務調度模型的決策形式和共性特征, 闡明提升模型兼容性、適用性的必要性. 其次, 基于啟發式算法、精確求解算法和元啟發式算法, 探討了航天器任務調度算法的適用模型與編碼特色, 指明“算法-模型”解耦、算法深度融合的重要性. 在此基礎上, 介紹了CPLEX、STK/Scheduler、Europa2和“高景一號”任務調度分系統等航天器任務調度通用求解技術的模型、算法與主要功能, 說明我國自主研發通用求解技術的必要性和新的應用思路. 最后, 指出了開發航天器任務調度統一化建模語言、打造算法庫與測試集等未來航天器任務調度研究的新方向.
                    無監督多重非局部融合的圖像去噪方法
                    陳葉飛, 趙廣社, 李國齊, 王鼎衡
                    , doi: 10.16383/j.aas.c200138
                    摘要:
                    非局部均值去噪 (Non-local means, NLM) 算法利用圖像的自相似性, 取得了很好的去噪效果. 然而, NLM 算法對圖像中不相似的鄰域塊分配了過大的權重, 此外算法的搜索窗大小和濾波參數等通常是固定的且無法根據圖像內容的變化做出自適應的調整. 針對上述問題, 本文提出一種無監督多重非局部融合 (Unsupervised multi-non-local fusion, UM-NLF) 的圖像去噪方法, 即變換搜索窗等組合參數得到多個去噪結果, 并利用 SURE (Stein’s unbiased risk estimator) 對這些結果進行無監督的隨機線性組合以獲得最終結果. 首先, 為了濾除不相似或者相似度較低的鄰域塊, 本文引入一種基于可微分硬閾值函數的非局部均值 (Non-local means with a differential hard threshold function, NLM-DT) 算法, 并結合快速傅里葉變換 (Fast fourier transformation, FFT), 初步提升算法的去噪效果和速度; 其次, 針對不同的組合參數, 利用快速 NLM-DT 算法串聯生成多個去噪結果; 然后, 采用蒙特卡洛隨機采樣的思想對上述多個去噪結果進行隨機的線性組合, 并利用基于 SURE 特征加權的移動平均濾波算法來抑制多個去噪結果組合引起的抖動噪聲; 最后, 利用噪聲圖像和移動平均濾波后圖像的 SURE 進行梯度的反向傳遞來優化隨機線性組合的系數. 在公開數據集上的實驗結果表明: UM-NLF 算法去噪結果的峰值信噪比 (Peak signal to noise radio, PSNR) 超過了 NLM 及其大部分改進算法, 以及在部分圖像上超過了 BM3D 算法. 同時, UM-NLF 相比于 BM3D 算法在視覺上產生更少的振鈴偽影, 改善了圖像的視覺質量.
                    基于深度學習的紋理布匹瑕疵檢測方法
                    許玉格, 鐘銘, 吳宗澤, 任志剛, 劉偉生
                    , doi: 10.16383/j.aas.c200148
                    摘要:
                    布匹瑕疵檢測是紡織工業中產品質量評估的關鍵環節, 實現快速、準確、高效的布匹瑕疵檢測對于提升紡織工業的產能具有重要意義. 在實際布匹生產過程中, 布匹瑕疵在形狀、大小及數量分布上存在不平衡問題, 且紋理布匹復雜的紋理信息會掩蓋瑕疵的特征, 加大布匹瑕疵檢測難度. 本文提出基于深度卷積神經網絡的分類不平衡紋理布匹瑕疵檢測方法, 首先建立一種基于通道疊加的ResNet50卷積神經網絡模型(ResNet50+)對布匹瑕疵特征進行優化提取; 其次提出一種冗余特征過濾的特征金字塔網絡對特征圖中的背景特征進行過濾, 增強其中瑕疵特征的語義信息; 最后構造針對瑕疵數量進行加權的Multi Focal Loss損失函數, 減輕數據集不平衡對模型的影響, 降低模型對于少數類瑕疵的不敏感性. 通過實驗對比, 本文提出的方法能有效提升布匹瑕疵檢測的準確率及定位精度, 同時降低了布匹瑕疵檢測的誤檢率和漏檢率, 明顯優于當前主流的布匹瑕疵檢測算法.
                    結合聚類分解的增強蟻群算法求解復雜綠色車輛路徑問題
                    胡蓉, 李洋, 錢斌, 金懷平, 向鳳紅
                    , doi: 10.16383/j.aas.c190872
                    摘要:
                    本文針對帶時間窗的低能耗多車場多車型車輛路徑問題(low-energy-consumption multi-depot heterogeneous-fleet vehicle routing problem with time windows, LMHFVPR_TW), 提出一種結合聚類分解策略的增強蟻群算法(enhanced ant colony algorithm based on clustering decomposition, EACO_CD)進行求解. 首先, 由于該問題具有強約束、大規模和NP-Hard等復雜性, 為有效控制問題的求解規模并合理引導算法在優質解區域搜索, 根據問題特點設計兩種基于K-means的聚類策略, 將LMHFVPR_TW合理分解為一系列帶時間窗的低能耗單車場單車型車輛路徑子問題(low-energy-consumption vehicle routing problem with time windows, LVRP_TW); 其次, 本文提出一種增強蟻群算法(enhanced ant colony optimization, EACO)求解分解后的各子問題(LVRP_TW), 進而獲得原問題的解. EACO不僅引入信息素揮發系數控制因子進一步動態調節信息素揮發系數, 從而有效控制信息素的揮發以提高算法的全局搜索能力, 而且設計基于4種變鄰域操作的兩階段變鄰域局部搜索(two-stage variable neighborhood search, TVNS)來增強算法的局部搜索能力. 最后, 在不同規模問題上的仿真和對比實驗驗證了所提EACO_CD的有效性.
                    面向工業無線網絡的動態TDMA系統設計與實現
                    徐川, 曾日輝, 邢媛, 鄧炳光, 趙國鋒
                    , doi: 10.16383/j.aas.c190797
                    摘要:
                    隨著工業4.0的發展, 不同種類的新型工業應用被部署到工廠中, 這對現有工業無線技術提出了實時性和高速率的要求. 為了同時滿足這兩種需求, 本文在支持高速率的IEEE802.11的基礎上, 提出了基于軟件定義的動態TDMA無線接入系統. 首先, 為了提供時延有界的傳輸服務, 設計并實現了基于MAC層的動態TDMA接入機制. 然后, 為了滿足工業無線網絡中的動態變化的帶寬需求, 考慮設備數據量的動態變化, 在SDN控制器上通過基于最小二乘法的線性回歸算法預測設備時隙需求, 再將動態時隙分配問題轉化為優化問題以最大化網絡中所有設備動態時隙需求. 最后, 通過仿真對比TDMA時隙分配算法的性能, 并在實際網絡環境中開展系統部署與測試. 結果表明, 相對于其他TDMA接入機制, 動態TDMA機制在保障時延有界的同時能有效提升傳輸性能.
                    基于內容特征和風格特征融合的單幅圖像去霧網絡
                    楊愛萍, 劉瑾, 邢金娜, 李曉曉, 何宇清
                    , doi: 10.16383/j.aas.c200217
                    摘要:
                    基于深度學習的方法在去霧領域已經取得了很大進展, 但仍然存在去霧不徹底和顏色失真等問題. 針對這些問題, 本文提出一種基于內容特征和風格特征相融合的單幅圖像去霧網絡. 所提網絡包括特征提取、特征融合和圖像復原三個子網絡, 其中特征提取網絡包括內容特征提取模塊和風格特征提取模塊, 分別用于學習圖像內容和圖像風格以實現去霧的同時可較好地保持原始圖像的色彩特征. 在特征融合子網絡中, 引入注意力機制對內容特征提取模塊輸出的特征圖進行通道加權實現對圖像主要特征的學習, 并將加權后的內容特征圖與風格特征圖通過卷積操作相融合. 最后, 圖像復原模塊對融合后的特征圖進行非線性映射得到去霧圖像. 與已有方法相比, 所提網絡對合成圖像和真實圖像均可取得理想的去霧結果, 同時可有效避免去霧后的顏色失真問題.
                    融合包注意力機制的監控視頻異常行為檢測
                    肖進勝, 申夢瑤, 江明俊, 雷俊峰, 包振宇
                    , doi: 10.16383/j.aas.c190805
                    摘要:
                    針對監控視頻中行人非正常行走狀態的異?,F象, 本文提出了一個端到端的異常行為檢測網絡, 以視頻包為輸入, 輸出異常得分. 時空編碼器提取視頻包時空特征后, 利用基于隱向量的注意力機制對包級特征進行加權處理, 最后用包級池化映射出視頻包得分. 本文整合了四個常用的異常行為檢測數據集,在整合數據集上進行算法測試并與其他異常檢測算法進行對比. 多項客觀指標結果顯示, 本文算法在異常事件檢測方面有著顯著的優勢.