Salt and pepper noise removal in binary images using image block prior probabilities

During scanning and transmission, images can be corrupted by salt and pepper noise, which negatively affects the quality of subsequent graphic vectorization or text recognition. In this paper, we present a new algorithm for salt and pepper noise suppression in binary images. The algorithm consists of the computation of block prior probabilities from training noise-free images; noise level estimation; and the maximum a posteriori probability estimation of each image block. Our experiments show that the proposed method performs significantly better than the state of the art techniques.     

融合局部和非局部信息的自适应贝叶斯分割方法

传统基于马尔可夫随机场(MRF)的贝叶斯分割方法由于只考虑邻域像素点的先验影响,无法有效抑制相干斑噪声;边缘区域分割效果欠佳,因为先验模型假定邻域中每个像素对中心像素的影响相同。因而,该文提出一种融合局部和非局部信息的自适应贝叶斯分割方法。针对SAR图像中的相干斑噪声模型,引入基于比率概率的相似性测度,用非局部相似像素块指导当前像素点的分割;并且采用变分系数(Coefficient of Variation, CV)方法获取边缘区域图像模板,在边缘区域自适应地调整定义的结构指数以及搜索窗尺寸,从而改善分割过度平滑与结构保持的矛盾;在实验分析中,利用新方法对部分图像进行了分割实验,并与传统方法作了比较。改进方法的分割结果形状更为准确,不但抑制了相干斑噪声,还有效保持了细节特征,具有显著优势。     

一种面向信号分类的匹配追踪新方法

匹配追踪(MP)的主要策略是通过每次迭代时选择一个局部最优解,从而逐步逼近原始信号。然而传统的MP系列算法进行原子匹配时,各类原子集间存在交集,从而影响了原子的表示能力以及相应的分类效果。基于此,该文提出一种适用于信号监督分类的匹配追踪新算法。其原子挑选的准则为：同类信号采用相同的原子集匹配,获取相同的类内表示结构;异类信号选择不同的原子集匹配,从而增强信号的类间差异。示例分析表明,使原子集间相互独立,能够减少异类信号间的共性因素,强化信号间的区分度,从而有利于提升分类识别效果。通过在标准图像库和实测雷达辐射源信号集上的实验表明,较之传统的MP系列方法,所提算法对噪声和遮挡具有更强的鲁棒性。     

Data-based spatial feedforward for over-actuated motion systems

For advanced motion systems there is an increasing demand for higher production throughput and accuracy. Traditionally, such systems are designed using a rigid-body design paradigm, which aims at designs with high stiffness. The alternative is to design a lightweight system and deal with the resulting flexibilities by over-actuation and over-sensing. This paper presents a data-based spatial feedforward method based on previous task trials, which aims at reducing the vibrations over the complete structure during motion. The proposed method is experimentally validated on an industrial prototype and compared to standard mass feedforward using rigid-body decoupling.     

基于多流多状态动态贝叶斯网络的音视频连续语音识别

语音和唇部运动的异步性是多模态融合语音识别的关键问题,该文首先引入一个多流异步动态贝叶斯网络(MS-ADBN)模型,在词的级别上描述了音频流和视频流的异步性,音视频流都采用了词-音素的层次结构.而多流多状态异步DBN(MM-ADBN)模型是MS-ADBN模型的扩展,音视频流都采用了词-音素-状态的层次结构.本质上,MS-ADBN是一个整词模型,而MM-ADBN模型是一个音素模型,适用于大词汇量连续语音识别.实验结果表明：基于连续音视频数据库,在纯净语音环境下,MM-ADBN比MS-ADBN模型和多流HMM识别率分别提高35.91%和9.97%.     

基于线性滤波器的四旋翼无人机强化学习控制策略

针对四旋翼无人机(UAVs)系统,该文提出一种基于线性降阶滤波器的深度强化学习(RL)策略,进而设计了一种新型的智能控制方法,有效地提高了旋翼无人机对外界干扰和未建模动态的鲁棒性。首先,基于线性降阶滤波技术,设计了维数更少的滤波器变量作为深度网络的输入,减小了策略的探索空间,提高了策略的探索效率。在此基础上,为了增强策略对稳态误差的感知,该文结合滤波器变量和积分项,设计集总误差作为策略的新输入,提高了旋翼无人机的定位精度。该文的新颖之处在于,首次提出一种基于线性滤波器的深度强化学习策略,有效地消除了未知干扰和未建模动态对四旋翼无人机控制系统的影响,提高了系统的定位精度。对比实验结果表明,该方法能显著地提升旋翼无人机的定位精度和对干扰的鲁棒性。     

Measuring performance degradation of virtual machines based on the Bayesian network with hidden variables

In the virtualized environment, multiple virtual machines (VMs) sharing the same physical host are vulnerable to resource competition, which may cause performance interference among VMs and thus lead to VM performance degradation. This paper focuses on measuring CPU, memory, I/O, and the overall VM performance degradation caused by the performance interference according to the properties in the runtime environment of VMs. To this end, we adopt Bayesian network (BN), as the framework for uncertainty representation and inference, and construct a VM property‐performance BN (VPBN) with hidden variables, which represent the unobserved performance degradation of CPU, memory, and I/O, respectively. Then, we present the method to measure performance degradation of VMs by probabilistic inferences with the VPBN. Experimental results show the accuracy and efficiency of our method.     

多模可重构终端的无线接入管理

本文给出了多模可重构终端(RT)的概念,并且设计了RT的基本功能结构模型,使其能够与各类异种无线接入网络(RANs)进行通信.文中针对RT如何选择RANs和无线接入技术(RATs)的问题,提出了一种具体的解决方案.该方案由终端和无线接入网络分工合作完成,终端方面是建立或者改变连接的发起方,负责与本地无线环境密切相关的信息处理,向网络传递用户需求等通信参数.文中通过RT接入管理的三层贝叶斯网络运算模型来实现上述功能.网络方面负责解决网络间合作的问题,拥有选择RANs和RATs的最终决策权.文中给出了网络方面为RT选择最佳RATs的流程图和算法.最后,仿真结果验证了上述方案的有效性.     

径向基函数神经网络的再学习算法及其应用

为了应用径向基函数神经网络逐步地识别待研究系统,文章针对径向基函数神经网络的再学习算法开展了深入的研究.应用严格的数学推理方法,将径向基函数神经网络的再学习问题转化为矩阵求逆的附加运算.详细给出了径向基函数神经网络再学习算法中增加新训练样本和增加新基函数的数学公式,同时对如何获取新的训练样本进行了研究.     

基于策略选择的Agent多议题协商优化

Agent和多Agent系统（Multi—Agent Syste璐，简称MAS）正在成为人工智能研究实用化和在分布计算环境下的软件智能化的重要技术。协商策略是Agent协商的一个重要问题，选择有效的策略，可以有效地提高协商的效率。提出了一个策略选择算法，并以此为基础，在协商模型中运用预测结果，对协商模型进行了优化，使Agent在协商过程中能根据自己的需要来缩短协商进程，同时获得合理的收益，提高协商过程的可控性。最后通过实验证明了工作的有效性。