基于图正则化与非负组稀疏的自动图像标注

设计一个稳健的自动图像标注系统的重要环节是提取能够有效描述图像语义的视觉特征。由于颜色、纹理和形状等异构视觉特征在表示特定图像语义时所起作用的重要程度不同且同一类特征之间具有一定的相关性,该文提出了一种图正则化约束下的非负组稀疏(Graph Regularized Non-negative Group Sparsity, GRNGS)模型来实现图像标注,并通过一种非负矩阵分解方法来计算其模型参数。该模型结合了图正则化与l2,1-范数约束,使得标注过程中所选的组群特征能体现一定的视觉相似性和语义相关性。在Corel5K和ESP Game等图像数据集上的实验结果表明：相较于一些最新的图像标注模型,GRNGS模型的鲁棒性更强,标注结果更精确。     

基于图正则化非负矩阵分解的二分网络社区发现算法

现实世界存在大量二分网络,研究其社区结构有助于从新角度认识和理解异质复杂网络。非负矩阵分解模型能够克服二分结构的限制,有效地挖掘二分网络的潜在结构,但也存在着时间复杂度高、收敛慢等问题。该文提出一种基于图正则化的三重非负矩阵分解(NMTF)算法应用于二分网络社区发现,通过图正则化将用户子空间和目标子空间的内部连接关系作为约束项引入到三重非负矩阵分解模型中;同时将NMTF分解为两个最小化近似误差的子问题,并给出了乘性迭代算法以交替更新因子矩阵,从而简化矩阵分解迭代,加快收敛速度。实验和分析证明：对于计算机生成网络和真实网络,该文提出的社区划分方法均表现出较高的准确率和稳定性,能够快速准确地挖掘二分网络的社区结构。     

高温单相多铁性材料与强磁电耦合效应

高温多铁性与强磁电耦合效应是多铁性材料研究领域的两个核心内容。文章首先介绍了已知单相多铁性材料的分类,然后简要综述了一些具有高温多铁性与强磁电耦合效应的代表性材料体系,包括螺旋磁结构六角铁氧体、电荷有序化合物、金属—有机骨架材料等。     

中外星座文化漫谈(下)

1602 年,丹麦天文学家第谷恢复了被托勒密丢弃的后发座。在15 世纪末地理大发现时期,欧洲一些探险家到了非洲南端,17 世纪更开始了环绕地球的航行,人们逐渐认识了南天的星空。     

基于规划路径约束的机器人定位方法

路径规划是为机器人生成可行驶路径以实现循迹的过程。因此,机器人的位置应该位于或靠近规划的行驶路径。从而,路径规划可为机器人定位产生重要的约束。该文提出一种规划路径约束的位置概率图 (PI-LPM)模型,该模型通过概率来表征机器人在整个地图范围内所处的位置的可能性。其中,模型中概率密度函数是通过核密度估计 (KDE)方法从表征规划路径的所有数据点生成。在所提出的PI-LPM模型基础上,提出一种规划路径约束的机器人定位新算法 (RL-PPC)来提高机器人定位精度。在该方法中,应用粒子滤波算法来融合所提出的PI-LPM模型和已有的传感器定位方法。融合过程中,从PI-LPM模型中计算得到的概率是分配粒子权重的一个重要因素。实验中分别利用仿真数据和真实数据对所提出的模型与算法进行验证。实验结果表明,所提RL-PPC算法可有效融合PI-LPM模型与主流的定位系统(如GPS和LiDAR定位系统),并显著提高机器人定位的整体性能。     

复杂城市环境下的全球导航卫星系统/捷联惯性导航系统组合导航算法

针对复杂城市环境下,全球导航卫星系统(GNSS)信号出现频繁短暂失锁或拒止时,对GNSS/捷联惯性导航系统(SINS)组合导航系统的导航精度和鲁棒性影响较大问题,该文提出一种改进的因子图滤波方法。首先使用GNSS接收机内部参数构建信号误差鉴别函数,能实时估计出信号受多径干扰、遮挡等情况下的信号测量性能;同时利用载体运动约束条件构造零速修正因子,对GNSS拒止情况下的系统状态进行更新,避免系统导航性能极速下降。实验结果表明,改进的因子图方法相比经典因子图方法,在城市复杂环境下能提高定位精度63.50%和测速精度42.26%,同时也具有更低的存储量和计算复杂度,特别适用于城市车辆辅助驾驶导航设备中,对导航精度、硬件资源和实时性约束强的场景。     

基于V-视差法的道路区域检测算法研究

针对当前基于双目视觉的道路环境分析实时性差、检测不准确等问题,提出了一种改进V视差法的道路区域检测算法。该算法首先对原始图片进行车道线检测确定道路消失点,从而确定图像的感兴趣区域。然后,使用极大最小值约束获取V视差图中的斜线,从而提取道路区域。实验结果表明,由于该方法在确定感兴趣区域后计算原始视差图,因此,速度提高了29.71%,且相对于传统V视差法,算法更好地实现了路面分割;同时,障碍物检测的精确率和召回率两个指标分别提高了2.165%和4.837%。基于该算法具有良好的准确性和实时性,能有效识别道路中的障碍物,因此,可以为车辆提供可行驶区域以及为驾驶员提供辅助作用。     

动态场景下基于视觉同时定位与地图构建技术的多层次语义地图构建方法

为提高视觉同时定位与地图构建(SLAM)技术的环境适应性和语义信息理解能力,该文提出一种可以在动态场景下实现多层次语义地图构建的视觉SLAM方案。首先利用被迫移动物体与动态目标间的空间位置关系,并结合目标检测网络和光流约束判断真正的动态目标,从而剔除动态特征点;其次提出一种基于超体素的快速点云分割方案,将基于静态区域构建的3维地图进行优化,构建了物体级的点云语义地图;同时构建的语义地图可以提供更高精度的训练数据样本,进一步用来提升目标检测网络性能。在TUM和ICL-NUIM数据集上的实验结果表明,该方法在定位精度上远优于目前主流的动态场景下的视觉SLAM方案,证明了该方法在高动态场景中具有较好的稳定性和鲁棒性;在建图精度和质量上,经过将重建的不同种类地图与各个现有方法进行比较,验证了提出的多层次语义地图构建的方法在静态和高动态场景中的有效性与适用性。     

基于Markov攻击图和博弈模型的区块链安全态势感知方法

全面准确地感知区块链网络中各节点所遭受的日蚀攻击情况是一个难题,该文针对该难题提出一种基于Markov攻击图和博弈模型的区块链安全态势感知方法。该方法结合区块链网络各节点以及日蚀攻击的特点建立Markov攻击图模型,随后将该模型进行量化从而计算各攻击路径的转换概率,选择较高概率的攻击路径进行多阶段攻防博弈并计算双方的最大目标函数值。通过分析这些函数值,完成对整个区块链网络节点的安全态势感知,达到对未来安全情况的预测和系统维护的目的。实验对比表明,该模型方法不但具有较低的入侵成功次数,还具有较好的确保系统完整性等方面的优势。     

基于单通道多尺度图神经网络的自动调制识别

针对自适应可见性图(AVG)算法复杂度过高且精度提升不明显的缺点,该文提出一种基于单通道多尺度图神经网络(SMGNN)的自动调制识别(AMR)框架,并对框架各个部分进行了可解释性研究。首先利用多层感知机和1维卷积自适应地实现了单通道信号序列和图之间的映射,有效降低了AVG算法的复杂度;其次,设计了一种多尺度图神经网络,将不同分辨率的特征进行融合,提升了模型识别准确率。实验表明,该文提出的SMGNN算法相比于AVG算法节省了近1/2的参数量,且识别精度得到了较大的提升。