基于注意力机制的复杂背景连续手语识别

提出一种基于注意力机制的连续手语识别算法ACN(attention-based 3D convolutional neural network),能够识别复杂背景下的连续手语。该算法首先利用背景去除模块,对包含复杂背景的手语视频进行预处理;然后,通过基于空间注意力机制的3D-ResNet(3D residual convolutional neural network)提取时空融合信息;最后,采用结合时间注意力机制的长短期记忆（long short-term memory,LSTM）网络进行序列学习,得到最终的识别结果。算法在大规模中国连续手语数据集CSL100上表现优异;在面向不同复杂背景的情况下,算法表现出良好的泛化性能,模型引入的时空注意力机制是切实有效的。     

基于改进3D卷积网络的人体动作识别

为解决现有多数视频人体动作识别3D卷积方法无法区分信息中各维度的重要和非重要特征问题,提出了通过门控循环单元(GatedRecurrentUnit,GRU)和空间注意力增强模块构建时空特征处理网络的方法,基于多级特征融合和多组通道注意力特征选择构建网络,改进基础网络模型Res Net3D对视频人体动作识别中的网络模型.改进后模型在2个公开数据集UCF101和HMDB51上的准确率分别为96.42%和71.08%,与C3D、Two-stream等网络模型相比,具有更高的识别准确率.     

在线社交网络挖掘综述

介绍了在线社交网络挖掘产生的背景以及不同学科领域研究的侧重点,并对在线社交网络挖掘所涉及的用户分类、社区发现、观点挖掘、情感分析、信息传播、社会化推荐以及可视化分析等代表性研究话题的现状进行了详细论述,重点归纳了每一个话题所涉及的关键问题和代表性解决方法.分析和讨论了在线社交网络的迅速发展给在线社交网络挖掘领域所带来的新问题和新挑战,最后指出了该领域的发展前景.     

基于无线传感器网络的环境监测系统

针对当前城市环境保护与在线监测的需要，提出了一种利用具有自组织特性的无线传感器网络（wireless sensor networks, WSN）对温度、湿度和噪声等环境变量进行在线监测的方法．该方法采用了对等式网络体系结构、低功耗微小网络节点、基于拓扑树的网络初始化配置算法以及基于地理位置特性的路由算法，不仅解决了传统监测方法中网络布线复杂、精度有限的问题，而且具有实时性和容错性强等特点．仿真结果表明，在1000个节点、通信距离为100m的条件下，监测数据延迟时间〈600ms，较好地满足了实时环境监测的要求。     

基于改进的Heaviside核函数新的目标模型追踪算法

为更好地解决前景和背景相似程度较大或目标运动较为复杂的问题,提出了基于改进的Heaviside核函数新的目标模型追踪算法.在初始帧中,使用改进的Heaviside核函数来表示目标区域,然后分别计算目标区域前景和背景元素的颜色纹理直方图特征分布,并通过前景和背景特征分布差异建立新的目标模型,它可更好地代表目标.对于候选模型,结合传统Epanechnikov核对目标模型建模,通过Bhattacharyya系数进行迭代搜索,最终收敛的位置即为下一帧的目标中心.实验结果表明:提出的算法和传统的Mean-shift算法和基于颜色纹理直方图的Mean-shift算法相比较精确度高、速度快、鲁棒性强.     

一种基于新的选举策略的分布式共识协议

针对在网络和节点故障率较高环境下的副本状态机一致性问题,提出一种改进的分布式共识协议xm-Paxos.通过选举确定性较高的副本节点作为集群的领导者,加快集群节点对决议结果的确认;同时简化共识协议的重确认过程,减少重确认的消息传递.实验结果表明,在节点故障率较高、网络状况复杂的运行环境下,与使用Paxos算法进行选举的Multi-Paxos协议相比,xm-Paxos协议提高了集群节点的可用性和容错性,并降低了通信负载.     

IP网络内不支持组播路由的流媒体通信研究

针对IP网络内部分路由器不支持组播路由的问题，提出了基于区域代理和明确组播通信方式的两种改进方案，设计了代理服务器和Xcast 路由器，并采用客户端／服务器模式，设计并实现了改进后的流媒体通信系统．实验证明，由于改进方案能解决IP网络内路由器不支持组播路由的局限性，使得IP网络内视频点播、在线直播和视频会议3种服务可以实时开展，是行之有效的可应用系统．     

一种网络环境下并行数字系统通用加载平台

针埘目前数宁系统远程应用的限制,探讨了网络环境下并行数字信号处理汁算机系统软件加载通用平台,提出了一个网络环境下的通用硬件体系模型,基于这样的硬件平台,给出了该平台的软件系统配置项以及整个系统软件的体系结构和流程.结合基于ADSP-21160M并行数字信号处理机系统,设计和实现了基于网络环境下ARM2410对并行数字信号处理计算机系统的软件加载,并得到应用.     

基于帧间差分与码本模型的运动车辆检测算法

针对复杂背景下的视频车辆检测问题,采用一种在YUV空间下基于改进的帧间差分与简化码本模型相结合的运动车辆检测方法.首先,对亮度信号建立背景的码本模型,在模型训练中通过帧间差分提高训练速度.其次,在检测阶段引入分块思想,根据分块帧差提取粗略的前景像素,再用码本模型得到准确的前景车辆.视频测试实验结果表明,改进后的方法在树枝晃动、光照变化、前景融人背景的情况下能准确检测出运动车辆,具有较好的实时性和鲁俸性.     

锂离子电容器卷芯外形视觉在线检测系统设计

为解决锂离子电容器卷芯的生产设备钉卷机检测能力不足、操作者劳动强度大、效率低等问题,设计了一款基于机器视觉的锂离子电容器卷芯外形尺寸在线检测系统.应用高清CMOS工业相机、PLC、光电传感器等搭建硬件平台并安装到钉卷机上,设计了适用于锂离子电容器卷芯检测的图像处理算法,并基于此对该系统进行验证.结果表明,该系统具有识别...     

一种基于核的在线策略梯度算法

策略梯度算法是一种广义的策略迭代方法,由于其高效性得到了广泛的关注和研究.策略梯度算法包括策略评估与策略改进两个部分.传统的在线策略梯度方法在处理大规模问题时,表现不佳.为此,提出一种基于核的在线策略梯度算法,在强化学习经典算法评论家行动者的框架下,采用核方法近似表示值函数与策略函数,采用真在线时间差分算法评估策略的值函数,并根据真在线思想改进策略参数的更新方式.最后通过平衡杆问题和爬山小车实验验证算法的有效性.     

一种聚簇重配置的传感器网络负载平衡算法

根据传感器网络的动态实时性,提出了聚簇重配置负载平衡算法(forced reconfiguration load balan-cing,FRLB).该算法对啦制重配置的系统框架进行了改进,实现了构建阶段和稳态阶段的两种均衡策略.采用一个簇中的节点数和在节点传输距离内的簇头数这两个指标来选择下一簇头;建立了基于契比雪夫不等式的负载平衡的衡量标准来均衡化网络内的能量消耗并减少通信拥塞.仿真分析表明,该算法相比其他网络资源和任务管理算法,能更有效减少热点并提高传感器网络的使用寿命.     

一种面向成本驱动的云资源调度策略研究

为解决云环境下的资源调度问题,提出一种通过任务执行成本函数来提高虚拟机负载均衡度的改进蚁群算法(CLBACO).该算法在综合参考各种最新蚁群算法的基础上,创新地通过任务的执行成本函数来改进信息素中的启发信息和期望信息,重新定义信息素更新规则,进而影响到任务对虚拟机的选择,同时使虚拟机通过多次算法迭代以后能够处于一种负载均衡的状态.利用CloudSim工具进行仿真测试,与标准的蚁群算法、最新的DSFACO算法做仿真对比,结果表明CLBACO算法在任务的执行成本以及系统负载均衡方面均优于DSFACO算法.     

基于共轭梯度法的盲分离在线算法

在严格论证盲分离问题与数学上的最优化问题等价的基础上,把问题的重点集中在对该最优化问题的寻优上.由于盲分离最优化问题的目标函数的特点,在欧氏空间中对决策变量(分离矩阵W)进行寻优求解带来诸多复杂因素,寻优算法在弯曲的黎曼空间中动态运行是解决这些问题的一条可行途径.为此,本文在改进 NGA 和 PDFA 算法的基础上,结合在线算法 PDEA 在估计信号的得分函数的较好效果,和求解最优化问题的共轭梯度法较快收敛性能,提出了具有自学习能力,并继承共轭梯度法特点的盲分离在线算法 PDEA-CONJ.此算法应用到盲分离问题中,在混合矩阵严重病态情况下能取得了较好分离效果.实际算例验证了其收敛性和有效性.     

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。     

基于时空上下文正则的孪生网络目标跟踪

在视频目标跟踪任务中,负样本缺乏、背景混杂会造成目标丢失。为解决上述问题,提出一种基于时空上下文正则的孪生网络目标跟踪算法。该算法将空间上下文信息引入到孪生网络中,并利用目标物体正样本以及背景负样本训练跟踪器,通过正则化约束,抑制跟踪器对背景的响应,突出对目标的响应,从而得到鲁棒性更强的目标跟踪器;采用时间序列多组件匹配机制,在目标外观模型受到干扰的情况下动态调整目标模型学习率,从而保证目标模板不受污染。在OTB100标准数据集上的实验表明,在混合干扰条件下,本文算法的准确率(0. 885)和成功率(0. 615)均优于其他主流跟踪算法。特别是在遮掩、运动模糊、光照变化、背景聚类和快速运动等干扰因素影响情况下,本文算法均具有较强的鲁棒性。     

基于单字特征和搜索引擎的新词识别

新词识别是影响搜索准确率以及速率的重要因素.本文提出了一种基于统计模型和词语搭配的中文新词自动识别方法.采用条件概率的方法提取单字词搭配特征和临界词特征,并采用层次结构实现新词定位以及识别.首先采用双向最大匹配相结合的方法对文本进行词法粗切分,然后根据单字词搭配得到候选新词的位置,用临界词方法确定候选新词的边界,采用改进Nagao串频统计方法对新词候选词在本文内进行重复串统计,对于只在文中出现一次的新词则借助搜索引擎进行确定.对新浪网近期的网络文章进行测试,结果表明,基于本文方法设计的系统可以识别不同领域的新词,在低频词、较长的词以及新词语搭配方面取得了良好的效果.单字词搭配检查发现新词位置综合指标F值达到96.8%.     

基于迁移学习的自然环境下香梨目标识别研究

为了准确识别自然成熟的香梨果实,使得采摘机能对水果目标进行精确的定位,提出了使用目标检测深度学习网络模型的方法.该模型基于Mask R-CNN,首先通过在Kaggle数据集以及网上爬取并筛选出的9 600张水果图片对Resnet网络进行初步训练,然后在预训练过的Resnet网络基础上加入掩模分支和分类分支训练自然环境下成熟香梨的数据集,最终获得准确识别香梨目标的网络模型.实验结果表明,在同等目标未添加噪声的情况下,在使用水果图片数据集预训练的基础上,图片的平均分割精度为98.02%,这与使用COCO数据集进行预训练相比(精度为93.72%),平均分割精度增加了4.30%.此外,该模型对于被遮挡水果也有着不错的识别效果,在未添加噪声的情况下,被遮挡水果的平均分割精度为95.28%,这与未被遮挡水果的分割精度相比,误差仅增加了2.74%.所以,此模型对于香梨的识别和分割具有很好的鲁棒性.     

基于距离的自适应Web数据库记录匹配方法

Web数据库环境的重复记录识别是Deep Web信息集成的重要步骤,具有查询依赖性、缺乏训练样本、在线处理要求等特征,导致现有的实体识别技术无法适用.在分析现有方法基础上,引入动态属性权重调整思想,提出基于距离的自适应记录匹配算法,在计算记录对的相似度时,加大匹配记录集合中相似度较大的属性的权重,并加大非匹配记录集合中相似度较小的属性的权重,迭代处理从而达到自适应动态调整各个属性权重的目标.该方法不需要训练样本,也不需要人工参与,实验结果表明其适用于Web数据库环境的重复记录识别处理.     

面向云环境的敏捷物联网应用开发平台研究

针对物联网硬件设备多样性、差异化、开发环境部署繁琐过于复杂的问题, 本文设计并实现了面向云环境的敏捷物联网应用开发平台. 该平台包括应用层、服务层以及设备层, 具有在线编程、远程下载、自动运行等功能. 并且针对远程下载功能, 设计并实现了一套基于MQTT协议的代码在线推送方案及配套实验套件; 针对用户及设备安全性问题, 设计了一种基于TEA加密算法的动态口令认证方案. 实测表明, 平台实现了预期功能, 达到了降低用户学习门槛以及提高开发效率的目的.