基于改进稀疏表示正则化的SR重建算法

基于视觉的无人机自主导航过程中,对航路点进行准确识别是引导无人机朝着航路点方向精确飞行的关键。然而,当无人机到达航路点识别距离后,由于机载图像传感器受天气因素及成像过程中的脱焦、衍射等现象影响,常导致获取到的航拍图像模糊、空间分辨率较低,从而直接影响了后续航路点识别的精度。针对这一问题,提出了一种改进稀疏表示正则化的航拍图像超分辨率重建算法。首先,基于稀疏表示正则化框架,利用自回归和非局部相似约束构建目标函数的正则化项;其次,根据图像局部方差能有效区分图像的边缘区域和平滑区域这一特性,自适应地选取正则化参数得到超分辨率重建模型中的目标函数;最后,使用MM (Majorization-Minorization) 算法求解目标函数的凸优化问题,得到重建后的高分辨率图像。实验结果表明:与传统的正则化SR重建算法相比,文中算法能够有效的提高航拍图像的空间分辨率,使得重建后的图像包含了更多的特征细节信息,这为航路点识别提供了帮助。     

基于深度空时域特征融合的高动态空中多形态目标检测方法(特邀)

针对复杂背景下,依靠高超声速飞行器搭载的红外探测器对高动态空中目标的可靠探测和精确识别问题,提出了一种基于深度空时域特征融合的空中多形态目标检测方法。设计了加权双向循环特征金字塔结构提取多形态目标静态特征,并引入可切换空洞卷积,增大感受野的同时减少空域信息损失。对于时序运动特征的提取,为了抑制复杂背景噪声的同时将角点信息集中到运动区域中,通过特征点匹配法生成掩膜图,之后进行光流计算,根据计算结果设计稀疏光流特征图,利用3D卷积提取多个连续帧图像中包含的时序特征,生成三维时序运动特征图。最后,通过对图像静态特征与时序运动特征进行通道维度的拼接,实现深度空时域特征融合。大量的对比实验表明,文中方法可明显减少复杂背景下的虚假识别概率,具备高实时性的同时目标识别准确率达89.87%,满足高动态下的红外目标智能检测识别需求。     

基于稀疏表示的体域网节点休眠策略

针对无线体域网(WBAN)节点电池能量有限和不易更换电源的问题,提出一种基于稀释表示分类算法的节点休眠策略(NSS-SRC)。当WBAN节点采集的人体生理信号处于正常范围时,采用稀疏表示理论对测试样本信号进行识别,根据识别结果滤除不需要传送的正常信号,将WBAN节点转换为休眠状态,并延长节点休眠时间,从而减少节点数据传输量。通过NS2软件对节点延时和能耗进行仿真分析,结果表明,在生理信号通常处于稳定范围的WBAN中,与传统TDMA,BCMAC相比,NSS-SRC策略能有效降低能耗和延时。     

一维非等温可压缩Navier-Stokes-Korteweg方程组稀疏波的整体稳定性（英文）

可压缩Navier-Stokes-Korteweg方程组可用来描述具有内部毛细作用的粘性可压缩流体的运动.本文研究了毛细系数依赖于密度、粘性系数和热传导系数依赖于温度的一维非等温的可压缩Navier-Stokes-Korteweg方程组Cauchy问题解的大时间行为.利用基本的L~2能量方法,我们证明如果相应的Euler方程组的黎曼问题存在稀疏波解,那么所考虑的一维可压缩Navier-Stokes-Korteweg方程组存在唯一的整体强解,并且当时间趋于无穷大时,此强解趋向于稀疏波.这里初始扰动和稀疏波的强度都可以任意大.     

基于多特征和改进稀疏表示的高光谱图像分类

为了实现对高光谱图像的分类,提出了一种基于多特征和改进稀疏表示的方法——MFISR。从高光谱图像中提取光谱特征、Gabor特征和局部二值模式(LBP)特征,求解稀疏系数,同时增加一个2范式约束,利用所得系数得到每个测试像素的最终类别标签。实验结果表明:所提MFISR方法对小样本的检测效果显著,分类性能稳定且较优。     

中国进口食品安全风险评估的统计学方法

近年来,随着对外贸易的快速发展和人民生活水平的不断提高,我国已经成为食品进口大国。运用科学的方法优化检验资源配置,强化对进口食品安全的风险管理,是一个关系到人民福社的重大问题。国际上通行的做法是对不同种类的食品和检测项目的潜在风险进行评估,并根据评估结果制定有针对性的监督抽检计划,使得更多的检验资源可以投入到对高风险产品和项目的监管中去。我国在这方面的管理实践才刚刚起步,急需建立一套符合我国食品进口自身特点和管理需求的风险评价模型和相应的估计方法。本文借鉴了其它国家的相关做法,并结合我国进口食品的管理需求和历史检测数据的特点,制定了一套完整的风险评价和估计方法。     

集团统一审计、审计风险与组成部分重要性水平

针对集团审计的特性,运用贝叶斯定理构建集团审计模型GUAM,并用伽玛概率分布函数表示先验函数、后验函数与似然函数,用于规范集团各组成部分的重要性水平核算,将模型从单一组织扩展到集团层面的审计,并建立了各组成部分重要性水平与相对可变成本的计算公式,通过各组成部分的资产等标准分配权重,进而确定合适的先验水平使得集团整体的可变成本降低,以达到提高集团审计效率,通过集团层面的控制,使得在完成集团整体目标置信水平的基础上达到最佳审计效果的目的.     

鲁棒稀疏重构问题的凝聚同伦算法

鲁棒稀疏重构问题是信号处理领域的重要问题,该问题的数学本质是一个NP难的数学优化问题.同伦算法是一类典型的路径跟踪算法,该算法是解非线性问题的一类成熟算法,具有全局收敛性,且易于并行实现.本文考虑同伦算法在鲁棒稀疏重构问题中的数值求解.基于l_∞范数及罚函数策略,我们首先将原始的基于l_0范数的最优化模型,转化为含参数的无约束极大极小值问题,进而构造凝聚函数光滑化模型中的极大值函数,并构造凝聚同伦算法数值求解.数值仿真实验验证了新方法的有效性,为大规模鲁棒重构问题的并行化数值求解奠定基础.     

GARCH模型的贝叶斯局部影响分析及其应用

广义自回归条件异方差(GARCH)模型能够很好地刻画金融资产收益二阶矩的相依关系,因此在金融时间序列中受到了广泛的应用。在GARCH模型的框架下,本文利用贝叶斯局部影响分析来评价先验、个体观测和样本分布的微小扰动的影响,利用扰动模型来刻画不同类型的扰动形式。我们构建了扰动模型的贝叶斯扰动形式,计算其几何量来表征扰动模型的内部结构。基于几个目标函数,本文利用几个不同的局部影响测量来量化不同扰动的程度。数值模拟研究验证了所提方法的有限样本表现。对纽约证券交易所综合指数(NYSE)和标准普尔500指数的GARCH建模说明了所提方法在实例研究中的有效性。     

一种基于Gauss von Mises分布模型的非线性量测更新方法

基于状态空间模型的许多传统滤波算法都基于Rn空间中的高斯分布模型,但当状态向量中包含角变量或方向变量时,难以达到理想的效果。针对J.T.Horwood等提出的nS?R流形上的Gauss Von Mises(GVM)多变量概率密度分布,扩展了狄拉克混合逼近方法,给出了联合分布的GVM逼近方法,推导了后验分布的GVM参数计算公式,设计了量测更新状态估计算法。将J.T.Horwood等的时间更新算法与所提出的量测更新算法相结合,可实现基于GVM分布的递推贝叶斯滤波器(GVMF)。仿真结果表明,当状态向量符合GVM概率分布模型时,GVMF对角变量的估计明显优于传统的扩展卡尔曼滤波器。