共轭梯度子空间基追踪算法及其相关结果

压缩感知可以在低于Nyqiust采样率条件下实现稀疏信号的精确恢复. 重构算法是压缩感知的主要研究内容之一. 本文基于子空间基追踪算法的回溯思想与共轭梯度法, 提出了共轭梯度子空间基追踪算法. 通过仿真实验验证了算法的有效性, 并讨论了该算法利用几种常见测量矩阵对稀疏信号的重构效果. 结果显示, 当测量矩阵为部分Fourier矩阵时, 该算法具有最优的重构效果.     

基于共轭梯度法的感知矩阵优化方法

压缩感知理论中降低信号维数的关键问题是构造有效的测量矩阵。在已知稀疏基的情况下,基于ETF（Equiangular Tight Frame）框架的测量矩阵构造方法和稀疏信号重构过程均依赖于感知矩阵。为此,设计了一种基于共轭梯度法的感知矩阵优化方法,该方法简单易行,且所求结果的Gram矩阵与目标Gram矩阵更接近。 实验结果表明,此感知矩阵优化方法在理论分析、实际图像应用及算法有效性上均具优势。     

基于函数映射的二维形状内蕴对称检测算法

针对现有的二维形状内蕴对称检测方法表现欠佳的问题，提出了基于函数映射的二维形状内蕴对称稠密点对应谱优化（FM-2DSISD）方法。首先，设计了对噪声数据鲁棒的稀疏特征对称点对提取算法。其次，利用特征对称点对和函数映射框架，建立了以保持函数映射矩阵每个主子矩阵对角正交性为优化目标的数学模型，证明了该优化目标能保持内蕴对称映射的等距性。借助谱上采样技术，通过频谱域和空间域交替迭代优化函数映射矩阵和逐点映射矩阵。数值实验表明，FM-2DSISD方法对二维光滑形状和噪声形状的检测效果均优于现有检测方法。     

基于AIG的多级逻辑电路延迟近似优化

在对多级逻辑电路延迟进行优化中,提出了一种针对关键路径中节点输出的近似替换方法,用于实现延迟优化.提出的算法先建立待优化电路的关键路径集合,然后通过选取每一条关键路径中错误率影响最小的节点构成待优化节点集,再结合提出的节点输出近似替换技术,在错误率约束下实现节点删除和关键路径压缩,进而达到多级逻辑电路延迟优化.提出的算法用C++和ABC工具内置命令编程实现,使用ISCAS85以及LGSynth91电路进行测试.实验结果显示,与已提出的常量替换方法相比,面积和延迟优化效果分别提升22.96%和31.49%.同时相较于最新提出的针对延迟优化的算法,在延迟优化效果相近的情况下,算法运行时间上有61.88%的提升.     

基于小波变换的真菌隐球酵母菌图像参数压缩

提出用小波Haar算法对真菌隐球酵母菌图像参数进行压缩.该方案首先按照行优先的原则,将每个酵母菌图像的特征参数由一维转换为二维;然后利用小波方法将二维参数进行压缩.实验利用机器学习工具WEKA,选取52个训练集图像以及26个新图像,采用"10舍1"及"10份10轮"交叉验证方法,建立多个预测模型.实验表明小波方案大大节约了运行时间,而在识别变异病原体形态的问题上,几乎与数据驱动特征参数选择方法同样有效.同时因为小波算法的可逆性,特征参数还可以恢复到初始特征参数集合.     

双向中继网络中基于压缩感知的稀疏信道估计

为提高双向中继网络中稀疏信道估计的精度并减少训练序列的长度, 利用双向中继信道(Two-way Relay Channel, TWRC)的潜在稀疏特性, 研究了基于压缩感知的稀疏TWRC估计问题, 提出了一种改进的正交匹配追踪(Improved Orthogonal Matching Pursuit, IOMP)算法. 新算法运用迭代重加权最小二乘估计代替了正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法中的最小二乘估计过程, 通过对样本进行迭代重加权, 逐步减小了异常样本的影响, 不断地修正了估计值, 在使用相同长度的训练序列时, 提高了估计的精度. 与传统的最小二乘估计算法相比, 新算法能够在获得相同估计效果的情况下, 显著减少所需训练序列的长度. 仿真结果验证了基于新算法的稀疏TWRC估计的有效性.     

基于GIS与灰色关联分析的水位方案综合评价模型

通过分析传统方法在方案形成与指标获取方面的不足,综合应用GIS与灰色关联分析,构建了顾及方案形成与指标获取的正常蓄水位优选综合评价模型,并提出了基于GIS的方案指标获取方法.针对现有灰色关联模型对不同评价尺度指标分开处理的局限,改进了灰色关联度分析模型,并引入了相对理想度的概念.通过逆向指标正向化,将正常蓄水位方案矩阵转换为理想度矩阵,使不同量纲的指标数据经归一化后具有相同的评价尺度,从而为关联度计算提供可靠的数据.最后,通过实例证明了GIS方法的可操作性和综合评价模型的正确性.     

预条件在谐波平衡仿真算法中的应用

在运用谐波平衡算法对射频集成电路进行仿真时，针对Krylov子空间迭代算法在计算速度和内存存储量等方面存在的限制问题，提出了一种运用稀疏-分段矩阵作为预条件的方法．该方法采用稀疏化、分段压缩以及对称连续超松弛处理，得到的预条件矩阵是原Jacobian矩阵的良好近似．实例表明运用这种稀疏-分段矩阵作为预条件，不仅保证了迭代算法的准确性和优良的收敛性，解决了用块对角矩阵作为预条件时引起收敛速度变慢甚至无法收敛的问题，而且与块对角矩阵做为预条件相比计算速度提高了近50％，所需内存存储量减少了近60％．     

扩展型HMM在表情识别中的应用研究

根据表情与人脸表情特征关系,提出采用隐马尔可夫模型进行人脸表情识别;又鉴于人脸图像二维特性,提出了更具健壮性、更易处理二维数据的扩展型隐马尔可夫模型.该模型相比伪二维隐马尔可夫模型,简化了复杂度.为提高模型的识别效率,根据敏感度不一,提出多重感兴趣区域替代单一的感兴趣区域.为提高表情子库内样本的聚合度及库间样本离散度,提出相应的改进方案.首先通过人脸检测,实现表情样本采集;然后采用二维离散余弦实现图像频域转化,并结合低频数据生成特征向量;最后采用扩展型隐马尔可夫模型进行表情建模,实现表情训练与识别.实验表明：采用扩展型隐马尔可夫模型可有效识别表情,尤其是优化后的设计方案.     

基于图嵌入技术的产业集群分析方法研究

以往对产业集群的相关实证研究存在数据获取困难、数据维度片面、传统复杂网络理论分析方法可拓展性差等问题.针对以上问题,本文以互联网上的大量非结构化数据为基础,采用图嵌入模型提取集群网络特征的向量空间分析方法,利用互联网公开数据构建产业集群关联网络,结合企业行业分类标准与分析目的设计部分节点标签,使用关系型图卷积神经网络模型(R-GCNs),从产品关联层面进行产业集群特征学习.根据产业集群内企业的嵌入表示和地理位置信息,提出了集群网络嵌入应用分析方法.通过对宁波地区制造业集群相关数据进行实验分析和论证,验证了图嵌入分析方法在量化分析产业集群关联网络特征上的有效性.     

信任关系辅助的隐反馈Web服务推荐研究

针对Web服务推荐现有技术缺乏显式打分数据缺点,提出使用隐反馈知识进行推荐的方法.该方法首先构造一个伪评分生成器,将用户隐反馈知识映射成为显式打分.基于矩阵因子分解模型,将信任知识引入服务推荐过程,建立一种融合社交信任信息的服务推荐模型,有效提高了服务推荐性能.实验表明,本文提出的基于隐反馈的服务推荐方法预测性能优于最近邻方法和SVD++方法;同SVD++方法的性能对比实验表明,引入信任知识能够进一步提高服务推荐的性能,具有较好的实际应用价值.     

基于贝叶斯网络的稀疏出租车GPS轨迹路径还原方法

为提高出租车GPS大数据的可用性, 提出一种基于贝叶斯网络研究稀疏出租车GPS轨迹路径还原的方法. 与传统仅基于时空变量的研究方法不同, 新算法同时考虑天气条件、驾驶员特性、车辆行驶特性与出租车的载客状态等因素来进行路径还原预测. 以宁波市体育中心周围的路网为例, 将出租车服务信息管理平台的GPS轨迹数据作为测试对象, 验证本文方法的适用性. 结果显示, 基于多因素的贝叶斯网络方法在还原精度方面(达到91.4%)优于Logit选择模型. 此外, 新算法尤其适用于出租车轨迹数据缺失率较高的场景, 比如缺失轨迹点跨度在5 min左右.     

基于DM642视频编解码器的设计

针对多媒体传输过程中需要对视频数据进行压缩、编码和解码的问题,本文提出了一种硬件上基于DM642进行设计、软件上基于MPEG-4进行编解码的视频编解码器实现方案,MPEG-4视频和音频压缩编码标准的应用,有效地解决了视频数据量大与数字存贮媒体和通信带宽小的矛盾,大大提高了视频通信的交互能力和编码效率,解码后处理过程中采用的去振铃滤波器提高了接收数据质量.     

基于残差三维直方图调整的H.264可逆信息隐藏

在H.264视频的可逆信息隐藏中,直方图调整是一种有效的嵌入算法.为了充分利用系数之间的相关关系,提升嵌入效率,本文在二维直方图调整算法的基础上提出了三维直方图调整的方案.该方案从经过量化离散余弦变换后的4×4块中随机选择三个交流系数作为嵌入单元,通过对该单元的值进行调整,实现信息的嵌入.实验结果显示,与二维直方图调整算法相比,本文算法在峰值信噪比(PSNR)下降不到0.1%的情况下,将嵌入容量最多提升了11.4%.     

基于二阶段迭代的非负矩阵分解的分类模型

为了有效地结合标签信息与非负矩阵分解技术,提升现有的非负矩阵分解算法划分数据的性能,提出一种用于分类问题的基于二阶段迭代的非负矩阵分解模型(2-stage iterative nonnegative matrix factorization model,2-STGINMF),在阶段1,基于训练样本之间的关系和标签信息,用非负矩阵分解技术学习训练样本的置信度分布矩阵。在阶段2,根据训练样本的置信度分布矩阵,基于训练样本和测试样本之间的关系以及测试样本内部的关系,学习测试样本关于不同类别的置信度分布矩阵。此外,提出了一种迭代式训练机制解决标签稀疏性的问题。实验结果表明,与当前的一些机器学习方法和矩阵分解方法相比,本文提出的2-STGINMF模型在不同类型的数据分类问题上都达到了最优的性能且在训练样本较少时也能获得较好的分类结果。     

局部信息和全局信息相结合的点云处理网络

针对当前主流点云处理网络仅依靠局部邻域进行特征聚合导致特征提取能力不足，以及使用最大值池化造成信息损失的问题，提出了一种基于注意力的局部信息和全局信息相结合的点云处理网络。首先提出了基于通道自注意力进行局部特征聚合的方法，减少了信息的损失；然后为捕获点的远程依赖信息，设计了一种动态学习关键点的方法获取全局信息；最后构建了一种基于空间注意力的特征融合模块，使每个点均能学习全局上下文信息。在几个常用点云数据集上对方法进行了实验验证，在ModelNet40分类任务上实现了94.0%的总体分类精度、91.7%的平均分类精度；在ScanObjectNN分类任务上实现了81.5%的总体分类精度、78.1%的平均分类精度；在ShapeNet分割任务上实现了86.5%的平均交并比。表明提出的点云处理网络在分类、分割等任务中的精度均较PointNet、PointNet++、DGCNN等经典网络有显著提升，较其他点云处理网络也有不同程度的提高。     

面向移动用户的矢量地图数据压缩方法

随着第4代移动通信技术（4G）的普及以及4核和8核CPU手机的出现,无线网络数据传输能力和移动终端性能得到了大幅提高.移动用户的广泛参与使得地理信息的采集和上传下载数据巨量,致使有限的带宽传输速率与海量信息传输需求存在矛盾.针对移动用户对空间数据的高压缩率和高失真度容忍率的需求,提出了一种新的矢量地图数据压缩方法,通过去除冗余点、平移坐标轴和转换数据类型3个步骤,可2次压缩数据.测试结果显示,该方法的综合压缩率接近70%,可有效降低无线网络数据传输负荷,节约移动终端的存储空间.     

MANET中基于二次置换多项式的滑动窗口网络编码算法

针对移动自组网络(mobile Ad hoc network,MANET)的数据传输机制和数据吞吐量问题,提出了一种MANET中基于二次置换多项式的滑动窗口网络编码(quadratic permutation polynomials-based sliding window network coding,QPPSWNC)算法。该算法根据QPP理论优化滑动窗口的大小,对进入滑动窗口中的分组进行网络编码操作,恢复原始数据分组,降低每个滑动窗口的编码/解码复杂性。利用NS-2仿真器进行了仿真实验,分析本文算法性能。仿真实验结果表明,相较于典型的Block-LDPC和ACODI算法,本文算法可以优化MANET中编码开销、解码时延和网络吞吐量等性能。     

网络流量异常检测方法：SSAE-IWELM-AdaBoost

针对传统入侵检测方法在高维海量数据且类别分布不均衡的环境下检测性能较差的问题,提出一种流量异常检测方法SSAE-IWELM-AdaBoost,该方法基于堆叠稀疏自编码网络(stacked spare auto encoder,SSAE)并融合改进加权极限学习机(weighted extreme learning machine,WELM)。该方法首先使用堆叠稀疏自编码网络直接从原始流量数据中自动学习并提取特征,获取原始数据的低维抽象表示,然后以WELM作为集成算法(AdaBoost)的基础分类器,利用修改的训练样本权值分配规则和基分类器权值更新公式迭代训练基分类器,通过加权投票表决的方法得到最优强分类器完成网络攻击流量的识别。在UNSW-NB15数据集上进行仿真实验,实验结果表明,SSAE-IWELM-AdaBoost算法可以提高整体的检测精度以及小样本攻击的检测率,缩短分类器的训练时间,能较好地满足大规模网络环境下原始流量数据实时检测,对不均衡流量数据识别也具有较好的表现。     

基于网评与专利数据的产品概念设计知识服务研究

概念设计对产品的创新性和研发周期具有决定性的影响,为了提高产品概念设计的效率和水平,提出一种以网络评论和专利数据为核心的产品概念设计知识服务方法.在该方法中,构建了基于网络产品评论数据和专利数据的产品概念设计知识服务模型,应用文本挖掘技术从产品评论数据中挖掘用户需求信息,构建专利技术功效矩阵,挖掘专利的技术和功效信息,进而向设计人员提供用户需求及相应的专利技术方案等设计知识.最后,以多家企业作为实例,验证该方法的有效性.