2008年 第34卷 第3期
2008, 34(3): 225-232.
doi: 10.3724/SP.J.1004.2008.00225
摘要:
针对凸面体不确定系统并考虑传感器发生故障的情况, 基于二次型分离算子进行了鲁棒可靠滤波器设计的研究. 利用不确定系统鲁棒镇定时的拓扑解释, 采用分离算子将不含故障描述的系统矩阵与故障描述矩阵进行解耦, 从而获得对故障不敏感的鲁棒可靠滤波器. 为进一步降低设计的保守性, 文中还给出了一种依参数分离算子的滤波器存在条件, 并将滤波器设计转化为线性矩阵不等式 (LMIs) 表述的凸优化问题. 仿真实例验证了文中所提出设计方法的有效性.
针对凸面体不确定系统并考虑传感器发生故障的情况, 基于二次型分离算子进行了鲁棒可靠滤波器设计的研究. 利用不确定系统鲁棒镇定时的拓扑解释, 采用分离算子将不含故障描述的系统矩阵与故障描述矩阵进行解耦, 从而获得对故障不敏感的鲁棒可靠滤波器. 为进一步降低设计的保守性, 文中还给出了一种依参数分离算子的滤波器存在条件, 并将滤波器设计转化为线性矩阵不等式 (LMIs) 表述的凸优化问题. 仿真实例验证了文中所提出设计方法的有效性.
2008, 34(3): 233-239.
doi: 10.3724/SP.J.1004.2008.00233
摘要:
对于带相关观测噪声和带不同观测阵的多传感器系统, 用加权最小二乘 (Weighted least squares, WLS) 法提出了两种相关观测融合稳态Kalman滤波算法. 其原理是用加权局部观测方程得到一个融合观测方程, 它伴随状态方程实现观测融合稳态Kalman滤波. 用信息滤波器证明了它们功能等价于集中式融合稳态Kalman滤波算法, 因而具有渐近全局最优性, 且可减少计算负担. 它们可应用于多通道自回归滑动平均 (Autoregressive moving average, ARMA) 信号观测融合滤波和反卷积. 两个数值仿真例子验证了它们的功能等价性.
对于带相关观测噪声和带不同观测阵的多传感器系统, 用加权最小二乘 (Weighted least squares, WLS) 法提出了两种相关观测融合稳态Kalman滤波算法. 其原理是用加权局部观测方程得到一个融合观测方程, 它伴随状态方程实现观测融合稳态Kalman滤波. 用信息滤波器证明了它们功能等价于集中式融合稳态Kalman滤波算法, 因而具有渐近全局最优性, 且可减少计算负担. 它们可应用于多通道自回归滑动平均 (Autoregressive moving average, ARMA) 信号观测融合滤波和反卷积. 两个数值仿真例子验证了它们的功能等价性.
2008, 34(3): 240-245.
doi: 10.3724/SP.J.1004.2008.00240
摘要:
如何在不确定的复杂环境下优化分配有限的传感器资源是传感器管理系统中的一个关键问题.在用区间数来描述这种不确定性研究思路的基础上, 提出了一种新的区间数型多因素指派模型的求解方法. 首先, 给出了拓展的区间数型多因素指派模型. 然后, 采用不确定有序加权平均 (Uncertain ordered weighted average, UOWA) 算子集结规范化后的区间数型效率矩阵, 通过逼近理想解的排序法 (Technique for order preference by similarity to ideal solution, TOPSIS) 确定综合效率矩阵. 进一步将其转化为标准型指派问题, 最后通过匈牙利法得到最优解. 通过算例说明了该方法解决多传感器优化分配问题的有效性.
如何在不确定的复杂环境下优化分配有限的传感器资源是传感器管理系统中的一个关键问题.在用区间数来描述这种不确定性研究思路的基础上, 提出了一种新的区间数型多因素指派模型的求解方法. 首先, 给出了拓展的区间数型多因素指派模型. 然后, 采用不确定有序加权平均 (Uncertain ordered weighted average, UOWA) 算子集结规范化后的区间数型效率矩阵, 通过逼近理想解的排序法 (Technique for order preference by similarity to ideal solution, TOPSIS) 确定综合效率矩阵. 进一步将其转化为标准型指派问题, 最后通过匈牙利法得到最优解. 通过算例说明了该方法解决多传感器优化分配问题的有效性.
2008, 34(3): 246-250.
doi: 10.3724/SP.J.1004.2008.00246
摘要:
对互信息配准法进行算法改进. 在互信息基础上结合形态学梯度作为新的图像配准测度, 不仅考虑所有体素信息, 而且有效结合像素在空间位置的相互关系. 将粒子群优化 (Particle swarm optimization, PSO) 算法这种全局寻优算法和 Powell 这一局部寻优算法相结合, 前者的配准结果为后者的算法优化提供了非常有效的初始点, 优化时间大为减少. 借鉴小波变换中多分辨率的思想, 在低分辨率图像中粗略配准后, 上升到高分辨率图像上进一步细化配准结果, 增加算法鲁棒性. 实验结果证明, 本文算法效果良好, 寻优过程在数分钟内完成, 能够满足诊断和科研的实时性要求.
对互信息配准法进行算法改进. 在互信息基础上结合形态学梯度作为新的图像配准测度, 不仅考虑所有体素信息, 而且有效结合像素在空间位置的相互关系. 将粒子群优化 (Particle swarm optimization, PSO) 算法这种全局寻优算法和 Powell 这一局部寻优算法相结合, 前者的配准结果为后者的算法优化提供了非常有效的初始点, 优化时间大为减少. 借鉴小波变换中多分辨率的思想, 在低分辨率图像中粗略配准后, 上升到高分辨率图像上进一步细化配准结果, 增加算法鲁棒性. 实验结果证明, 本文算法效果良好, 寻优过程在数分钟内完成, 能够满足诊断和科研的实时性要求.
2008, 34(3): 251-257.
doi: 10.3724/SP.J.1004.2008.00251
摘要:
讨论了遥感图像变化检测中的多尺度融合问题. 首先分析了高分辨率遥感图像的城市变化检测的难点和传统的变化检测方法的局限性; 针对这些难点和局限性, 提出了基于多尺度融合的对象级的变化检测框架. 该框架利用对象级的变化检测方法, 提高了变化类和非变化类的可分性. 为了提高变化检测的精度, 该框架引入了两种不同的多尺度融合策略. 在 QuickBird 高分辨率遥感图像上的实验结果验证了该方法的有效性和鲁棒性.
讨论了遥感图像变化检测中的多尺度融合问题. 首先分析了高分辨率遥感图像的城市变化检测的难点和传统的变化检测方法的局限性; 针对这些难点和局限性, 提出了基于多尺度融合的对象级的变化检测框架. 该框架利用对象级的变化检测方法, 提高了变化类和非变化类的可分性. 为了提高变化检测的精度, 该框架引入了两种不同的多尺度融合策略. 在 QuickBird 高分辨率遥感图像上的实验结果验证了该方法的有效性和鲁棒性.
2008, 34(3): 258-265.
doi: 10.3724/SP.J.1004.2008.00258
摘要:
We consider the problem of initializing the tracking filter of a target moving with nearly constant velocity when position-only (1D, 2D, or 3D) measurements are available. It is known that the Kalman filter is optimal for such a problem, provided it is correctly initialized. We compare a single-point and the well-known two-point difference track initialization algorithms. We analytically show that if the process noise approaches zero and the maximum speed of a target used to initialize the velocity variance approaches infinity, then the single-point algorithm reduces to the two-point difference algorithm. We present numerical results that show that the single-point algorithm performs consistently better than the two-point difference algorithm in the mean square error sense. We also present analytical results that support the conjecture that this is true in general.
We consider the problem of initializing the tracking filter of a target moving with nearly constant velocity when position-only (1D, 2D, or 3D) measurements are available. It is known that the Kalman filter is optimal for such a problem, provided it is correctly initialized. We compare a single-point and the well-known two-point difference track initialization algorithms. We analytically show that if the process noise approaches zero and the maximum speed of a target used to initialize the velocity variance approaches infinity, then the single-point algorithm reduces to the two-point difference algorithm. We present numerical results that show that the single-point algorithm performs consistently better than the two-point difference algorithm in the mean square error sense. We also present analytical results that support the conjecture that this is true in general.
2008, 34(3): 266-273.
doi: 10.3724/SP.J.1004.2008.00266
摘要:
Two test statistics based on clutter characteristics are derived. A tentative track is confirmed when the track-is-on-clutter hypothesis is rejected. A constant and known false track rate results when the assumptions of the null hypothesis are true. The first test statistic is based on the clutter density. A high probability of target detection is resulted when the expected distance to the nearest target peak is less than the expected distance to the nearest clutter peak. The second test statistic is based on the clutter amplitude. A high probability of target detection is resulted when the expected amplitude of the target peak is greater than the expected amplitude of clutter peaks. The behavior of the clutter-based test statistics is compared with the target visibility method, using simulated data. All track initiation methods are applied using a track updater based on probabilistic data association (PDA), extended to incorporate peak amplitude information, which is available.
Two test statistics based on clutter characteristics are derived. A tentative track is confirmed when the track-is-on-clutter hypothesis is rejected. A constant and known false track rate results when the assumptions of the null hypothesis are true. The first test statistic is based on the clutter density. A high probability of target detection is resulted when the expected distance to the nearest target peak is less than the expected distance to the nearest clutter peak. The second test statistic is based on the clutter amplitude. A high probability of target detection is resulted when the expected amplitude of the target peak is greater than the expected amplitude of clutter peaks. The behavior of the clutter-based test statistics is compared with the target visibility method, using simulated data. All track initiation methods are applied using a track updater based on probabilistic data association (PDA), extended to incorporate peak amplitude information, which is available.
2008, 34(3): 274-281.
doi: 10.3724/SP.J.1004.2008.00274
摘要:
针对人类视觉特性, 以及全色高分辨图像和多光谱遥感自身的特点, 提出一种非下采样 Contourlet (NSCT) 域的图像融合新策略. NSCT 具有好的多分辨、移不变和多方向等特性, 能对图像中的边缘和围线信息给出渐近最优表示. 为了更好地保持空间分辨率和颜色分量, 引入基于 LHS 变换的亮度成分叠加策略. 实验结果表明: 本文提出的融合方法在提高空间分辨率的同时较好地保持了光谱信息. 与传统的 PCA 方法、基于 IHS 的融合方法、基于小波加权的融合方法, 以及同样采用本文的融合策略、分别基于小波变换和基于 Contourlet 变换的融合策略相比较, 本文方法在视觉效果和客观衡量指标两方面都有所改善.
针对人类视觉特性, 以及全色高分辨图像和多光谱遥感自身的特点, 提出一种非下采样 Contourlet (NSCT) 域的图像融合新策略. NSCT 具有好的多分辨、移不变和多方向等特性, 能对图像中的边缘和围线信息给出渐近最优表示. 为了更好地保持空间分辨率和颜色分量, 引入基于 LHS 变换的亮度成分叠加策略. 实验结果表明: 本文提出的融合方法在提高空间分辨率的同时较好地保持了光谱信息. 与传统的 PCA 方法、基于 IHS 的融合方法、基于小波加权的融合方法, 以及同样采用本文的融合策略、分别基于小波变换和基于 Contourlet 变换的融合策略相比较, 本文方法在视觉效果和客观衡量指标两方面都有所改善.
2008, 34(3): 282-287.
doi: 10.3724/SP.J.1004.2008.00282
摘要:
为了使传统的贝叶斯最优分类器能够处理模糊信息和实现推理过程的自动化, 在这篇文章里我们将模糊信息嵌入到贝叶斯最优分类器中, 形成新的贝叶斯最优分类器. 它不但能有效地处理模糊信息, 而且还保留了贝叶斯最优分类器的学习性能. 再者, 根据模糊集理论的发展, vague 集也嵌入到贝叶斯最优分类器中形成 vague 贝叶斯最优分类器.它能同时模拟模糊信息正、反两方面的特征. 进一步, 提出能同时处理正、反和不确定三方面模糊信息的集对贝叶斯最优分类器. 最终, 为了实现贝叶斯最优分类器的自动推理, 提出一种基于知识的人工神经网络 (KBANN) 的贝叶斯最优分类器. 它不仅降低了贝叶斯最优分类器的计算量, 而且还改善了它的分类学习质量.
为了使传统的贝叶斯最优分类器能够处理模糊信息和实现推理过程的自动化, 在这篇文章里我们将模糊信息嵌入到贝叶斯最优分类器中, 形成新的贝叶斯最优分类器. 它不但能有效地处理模糊信息, 而且还保留了贝叶斯最优分类器的学习性能. 再者, 根据模糊集理论的发展, vague 集也嵌入到贝叶斯最优分类器中形成 vague 贝叶斯最优分类器.它能同时模拟模糊信息正、反两方面的特征. 进一步, 提出能同时处理正、反和不确定三方面模糊信息的集对贝叶斯最优分类器. 最终, 为了实现贝叶斯最优分类器的自动推理, 提出一种基于知识的人工神经网络 (KBANN) 的贝叶斯最优分类器. 它不仅降低了贝叶斯最优分类器的计算量, 而且还改善了它的分类学习质量.
2008, 34(3): 288-297.
doi: 10.3724/SP.J.1004.2008.00288
摘要:
研究了多种网络拓扑结构及稀疏网络下节点定位的鲁棒性问题. 联合考虑 1 跳邻居数目、邻居节点自身定位精度与测距误差, 引入节点相对定位误差和相对可信度概念, 提出了一种分布式基于加权多尺度分析技术的鲁棒节点定位算法. 该算法根据节点2跳局部网络连通度信息及邻居节点相对定位误差大小, 自适应选择综合性能好的邻居节点参与迭代优化, 并采用与节点相对可信度成正比的加权机制, 增加高可信度节点在定位计算中的贡献度. 实验数据显示, 该定位算法能够有效地抑制较大定位误差在网络内的扩散, 同基于高斯核加权的 dwMDS(G) 算法相比, 不仅迭代次数减半, 而且在网络连通度较低或拓扑不规则时, 可提高 5% 左右的定位精度.
研究了多种网络拓扑结构及稀疏网络下节点定位的鲁棒性问题. 联合考虑 1 跳邻居数目、邻居节点自身定位精度与测距误差, 引入节点相对定位误差和相对可信度概念, 提出了一种分布式基于加权多尺度分析技术的鲁棒节点定位算法. 该算法根据节点2跳局部网络连通度信息及邻居节点相对定位误差大小, 自适应选择综合性能好的邻居节点参与迭代优化, 并采用与节点相对可信度成正比的加权机制, 增加高可信度节点在定位计算中的贡献度. 实验数据显示, 该定位算法能够有效地抑制较大定位误差在网络内的扩散, 同基于高斯核加权的 dwMDS(G) 算法相比, 不仅迭代次数减半, 而且在网络连通度较低或拓扑不规则时, 可提高 5% 左右的定位精度.
2008, 34(3): 298-304.
doi: 10.3724/SP.J.1004.2008.00298
摘要:
为改善多分类器系统的分类性能, 提出了基于广义粗集的集成特征选择方法. 为在集成特征选择的同时获取各特征空间中的多类模式可分性信息, 研究并提出了关于多决策表的相对优势决策约简, 给出了关于集成特征选择的集成属性约简 (Ensemble attribute reduction,EAR) 方法, 结合基于知识发现的 KD-DWV 算法进行了高光谱遥感图像植被分类比较实验. 结果表明, EAR 方法与合适的多分类器融合算法结合可有效提高多分类器融合的推广性.
为改善多分类器系统的分类性能, 提出了基于广义粗集的集成特征选择方法. 为在集成特征选择的同时获取各特征空间中的多类模式可分性信息, 研究并提出了关于多决策表的相对优势决策约简, 给出了关于集成特征选择的集成属性约简 (Ensemble attribute reduction,EAR) 方法, 结合基于知识发现的 KD-DWV 算法进行了高光谱遥感图像植被分类比较实验. 结果表明, EAR 方法与合适的多分类器融合算法结合可有效提高多分类器融合的推广性.
2008, 34(3): 305-316.
doi: 10.3724/SP.J.1004.2008.00305
摘要:
近年来, 无线传感器网络 (WSNs) 作为国内外一个新兴的研究方向, 吸引了许多研究者和机构的广泛关注. 无线传感器网络具有与传统无线网络不同的特点, 且与应用高度相关. 无线传感器网络主要的一个设计目标是有效地使用网络节点的受限资源 (能量、内存和计算能力), 以最大化网络的服务寿命. 传统网络的介质访问控制 (MAC) 协议, 并不能直接应用于无线传感器网络. 针对无线传感器网络的特点和应用背景, 研究人员提出了很多 MAC 协议. 本文通过分析无线传感器网络的特点, 讨论了影响 MAC 协议设计的有关问题, 着重研究和比较了当前一些重要的无线传感器网络 MAC 协议. 结果表明, 不存在一种适用于无线传感器网络应用的标准 MAC 协议, 好的 MAC 协议必须能在能量有效性和网络性能之间进行折中. 最后, 展望了无线传感器网络 MAC 协议的进一步研究策略和发展趋势.
近年来, 无线传感器网络 (WSNs) 作为国内外一个新兴的研究方向, 吸引了许多研究者和机构的广泛关注. 无线传感器网络具有与传统无线网络不同的特点, 且与应用高度相关. 无线传感器网络主要的一个设计目标是有效地使用网络节点的受限资源 (能量、内存和计算能力), 以最大化网络的服务寿命. 传统网络的介质访问控制 (MAC) 协议, 并不能直接应用于无线传感器网络. 针对无线传感器网络的特点和应用背景, 研究人员提出了很多 MAC 协议. 本文通过分析无线传感器网络的特点, 讨论了影响 MAC 协议设计的有关问题, 着重研究和比较了当前一些重要的无线传感器网络 MAC 协议. 结果表明, 不存在一种适用于无线传感器网络应用的标准 MAC 协议, 好的 MAC 协议必须能在能量有效性和网络性能之间进行折中. 最后, 展望了无线传感器网络 MAC 协议的进一步研究策略和发展趋势.
2008, 34(3): 317-322.
doi: 10.3724/SP.J.1004.2008.00317
摘要:
针对无线传感器网络能耗不均匀的问题, 提出了一种基于博弈论模型的能量平衡路由 (Game theory-based energy balance routing, GTEBR) 算法. GTEBR 算法通过引入仲裁机制及自信概率, 将不完全信息的静态博弈转换为完全但不完美的信息静态博弈, 采用静态博弈的方法解决问题. 本文设计了适合传感器节点的解算机制, 并对采用 GTEBR 算法后的传感器网络纳什均衡的存在性作出了证明. 最后仿真实验表明, 采用 GTEBR 算法具有良好的收敛性以及很好的性能.
针对无线传感器网络能耗不均匀的问题, 提出了一种基于博弈论模型的能量平衡路由 (Game theory-based energy balance routing, GTEBR) 算法. GTEBR 算法通过引入仲裁机制及自信概率, 将不完全信息的静态博弈转换为完全但不完美的信息静态博弈, 采用静态博弈的方法解决问题. 本文设计了适合传感器节点的解算机制, 并对采用 GTEBR 算法后的传感器网络纳什均衡的存在性作出了证明. 最后仿真实验表明, 采用 GTEBR 算法具有良好的收敛性以及很好的性能.
2008, 34(3): 323-330.
doi: 10.3724/SP.J.1004.2008.00323
摘要:
移动机器人同步定位与建图问题 (Simultaneous localization and mapping, SLAM) 是机器人能否在未知环境中实现完全自主的关键问题之一. 其中, 机器人定位估计对于保持地图的一致性非常重要. 本文分析了 SLAM 问题中机器人定位误差的收敛特性. 分析表明随着机器人的运动,机器人定位误差总体上逐渐增大; 在完全未知环境中无法预测机器人定位误差的上限. 根据理论分析, 本文提出了一种控制机器人定位误差在单位距离上增长速度的算法. 该算法通过搜索获得满足定位误差限制的最佳的机器人运动速度, 从而控制机器人定位误差的增长.
移动机器人同步定位与建图问题 (Simultaneous localization and mapping, SLAM) 是机器人能否在未知环境中实现完全自主的关键问题之一. 其中, 机器人定位估计对于保持地图的一致性非常重要. 本文分析了 SLAM 问题中机器人定位误差的收敛特性. 分析表明随着机器人的运动,机器人定位误差总体上逐渐增大; 在完全未知环境中无法预测机器人定位误差的上限. 根据理论分析, 本文提出了一种控制机器人定位误差在单位距离上增长速度的算法. 该算法通过搜索获得满足定位误差限制的最佳的机器人运动速度, 从而控制机器人定位误差的增长.
2008, 34(3): 331-336.
doi: 10.3724/SP.J.1004.2008.00331
摘要:
针对非线性离散系统的二次型最优预测控制问题, 提出了一种基于信息融合最优估计的迭代预测控制算法. 通过融合二次型性能指标函数中包含的未来参考轨迹和控制能量的软约束信息, 以及系统状态方程和输出方程的硬约束信息, 获得协状态序列和控制序列的最优估计. 通过二自由度机器人操作手的转移控制仿真, 表明了该控制算法具有良好的稳定性和鲁棒性.
针对非线性离散系统的二次型最优预测控制问题, 提出了一种基于信息融合最优估计的迭代预测控制算法. 通过融合二次型性能指标函数中包含的未来参考轨迹和控制能量的软约束信息, 以及系统状态方程和输出方程的硬约束信息, 获得协状态序列和控制序列的最优估计. 通过二自由度机器人操作手的转移控制仿真, 表明了该控制算法具有良好的稳定性和鲁棒性.
2008, 34(3): 337-343.
doi: 10.3724/SP.J.1004.2008.00337
摘要:
In this paper we present an adaptive video transmission framework that integrates rate allocation and buffer control at the source with the playback adjustment mechanism at the receiver. A transmission rate is determined by a rate allocation algorithm which uses the program clock reference (PCR) embedded in the video streams to regulate the transmission rate in a refined way. The server side also maintains multiple buffers for packets of different importance levels to trade off random loss for controlled loss according to the source buffer size, the visual impact, and the playback deadline. An over-boundary playback adjustment mechanism based on proportional-integra (PI) controller is adopted at the receiver to maximize the visual quality of the displayed video according to the overall loss and the receiver buffer occupancy. The performance of our proposed framework is evaluated in terms of peak signal-to-noise ratio (PSNR) in the simulations, and the simulation results demonstrate the improvement of the average PSNR values as well as the better quality of the decoded frames.
In this paper we present an adaptive video transmission framework that integrates rate allocation and buffer control at the source with the playback adjustment mechanism at the receiver. A transmission rate is determined by a rate allocation algorithm which uses the program clock reference (PCR) embedded in the video streams to regulate the transmission rate in a refined way. The server side also maintains multiple buffers for packets of different importance levels to trade off random loss for controlled loss according to the source buffer size, the visual impact, and the playback deadline. An over-boundary playback adjustment mechanism based on proportional-integra (PI) controller is adopted at the receiver to maximize the visual quality of the displayed video according to the overall loss and the receiver buffer occupancy. The performance of our proposed framework is evaluated in terms of peak signal-to-noise ratio (PSNR) in the simulations, and the simulation results demonstrate the improvement of the average PSNR values as well as the better quality of the decoded frames.
2008, 34(3): 344-348.
doi: 10.3724/SP.J.1004.2008.00344
摘要:
Node localization in wireless sensor networks (WSN) is treated as a functional dual of target tracking from a novel perspective in the paper. Different from the traditional tracking problem in WSN, using the static location-ware node to estimate the moving target, the mobile node is used to help unknown nodes to accurately discover their positions. A new node localization scheme virtual beacons-energy ratios localization (VB-ERL) and its refinements for the WSN are presented. In the scheme, the mobile node moves in the surveillant field based on the Gauss-Markov mobility model and periodically broadcasts the information packets. Each static unknown node receives the virtual beacons and energy in its sensing range, and estimates its location by finding the intersection of a set of hyper-spheres. Simulation results show the proposed scheme is efficient.
Node localization in wireless sensor networks (WSN) is treated as a functional dual of target tracking from a novel perspective in the paper. Different from the traditional tracking problem in WSN, using the static location-ware node to estimate the moving target, the mobile node is used to help unknown nodes to accurately discover their positions. A new node localization scheme virtual beacons-energy ratios localization (VB-ERL) and its refinements for the WSN are presented. In the scheme, the mobile node moves in the surveillant field based on the Gauss-Markov mobility model and periodically broadcasts the information packets. Each static unknown node receives the virtual beacons and energy in its sensing range, and estimates its location by finding the intersection of a set of hyper-spheres. Simulation results show the proposed scheme is efficient.
2008, 34(3): 349-352.
doi: 10.3724/SP.J.1004.2008.00349
摘要:
Agent coalition is an important manner of agents' coordination and cooperation. Forming a coalition, agents can enhance their ability to solve problems and obtain more utilities. In this paper, a novel multi-task coalition parallel formation strategy is presented, and the conclusion that the process of multi-task coalition formation is a Markov decision process is testified theoretically. Moreover, reinforcement learning is used to solve agents' behavior strategy, and the process of multi-task coalition parallel formation is described. In multi-task oriented domains, the strategy can effectively and parallel form multi-task coalitions.
Agent coalition is an important manner of agents' coordination and cooperation. Forming a coalition, agents can enhance their ability to solve problems and obtain more utilities. In this paper, a novel multi-task coalition parallel formation strategy is presented, and the conclusion that the process of multi-task coalition formation is a Markov decision process is testified theoretically. Moreover, reinforcement learning is used to solve agents' behavior strategy, and the process of multi-task coalition parallel formation is described. In multi-task oriented domains, the strategy can effectively and parallel form multi-task coalitions.
2008, 34(3): 353-359.
doi: 10.3724/SP.J.1004.2008.00353
摘要:
二维主分量分析是一种直接面向图像矩阵表达方式的特征抽取与降维方法. 提出了一个基于二维主分量分析的概率模型. 首先, 通过对此产生式概率模型参数的最大似然估计得到主分量(矢量); 然后, 考虑到缺失数据问题, 利用期望最大化算法迭代估计模型参数和主分量. 混合概率二维主分量分析模型在人脸聚类问题上的应用表明概率二维主分量分析模型能作为图像矩阵的密度估计工具. 含有缺失值的人脸图像重构实验阐述了此模型及迭代算法的有效性.
二维主分量分析是一种直接面向图像矩阵表达方式的特征抽取与降维方法. 提出了一个基于二维主分量分析的概率模型. 首先, 通过对此产生式概率模型参数的最大似然估计得到主分量(矢量); 然后, 考虑到缺失数据问题, 利用期望最大化算法迭代估计模型参数和主分量. 混合概率二维主分量分析模型在人脸聚类问题上的应用表明概率二维主分量分析模型能作为图像矩阵的密度估计工具. 含有缺失值的人脸图像重构实验阐述了此模型及迭代算法的有效性.
2008, 34(3): 360-366.
doi: 10.3724/SP.J.1004.2008.00360
摘要:
Skyline 查询的结果集为数据集中不被其他对象所``支配''的对象的全体. 近年来, 它在在线服务、决策支持和实时监测等领域的良好应用前景, 使其成为数据管理与数据挖掘领域的研究热点. 实际应用中, 用户通常期望快速、渐进地获得 Skyline 计算结果, 而流数据的连续、海量、高维等特性, 使得在确保查询质量损失受控的前提下挖掘稀疏 Skyline 集合成为一个极具价值和挑战性的问题. 本文首先提出一个新颖的概念: 稀疏 Skyline (Sparse-skyline), 它采用一个 Skyline 对象来代表其周围 ε-邻域内的所有 Skyline 对象; 接着, 给出了通过数据维度之间的相关性来自适应调整查询质量的两个在线算法; 最后, 理论分析和实验结果表明, 与现有的 Skyline 挖掘算法相比, 本文提出的方法具有良好的性能和效率, 更适合于数据流应用.
Skyline 查询的结果集为数据集中不被其他对象所``支配''的对象的全体. 近年来, 它在在线服务、决策支持和实时监测等领域的良好应用前景, 使其成为数据管理与数据挖掘领域的研究热点. 实际应用中, 用户通常期望快速、渐进地获得 Skyline 计算结果, 而流数据的连续、海量、高维等特性, 使得在确保查询质量损失受控的前提下挖掘稀疏 Skyline 集合成为一个极具价值和挑战性的问题. 本文首先提出一个新颖的概念: 稀疏 Skyline (Sparse-skyline), 它采用一个 Skyline 对象来代表其周围 ε-邻域内的所有 Skyline 对象; 接着, 给出了通过数据维度之间的相关性来自适应调整查询质量的两个在线算法; 最后, 理论分析和实验结果表明, 与现有的 Skyline 挖掘算法相比, 本文提出的方法具有良好的性能和效率, 更适合于数据流应用.
2008, 34(3): 367-375.
doi: 10.3724/SP.J.1004.2008.00367
摘要:
将一种新的流形距离作为相似性度量测度, 提出了一种用于无监督分类与识别的人工免疫系统方法. 通过基于流形距离的相似性度量, 有效利用样本集固有的全局一致性信息, 充分挖掘无类属样本的空间分布信息, 对样本进行类别划分. 新方法将免疫响应过程建模为一个四元组 AIR=(G,I,R,A) , 其中 G 为引发免疫响应的外界刺激, 即抗原; I 为所有可能抗体的集合; R 为抗体间相互作用的规则集合; A 为支配抗体反应、指导抗体进化的动态算法. 针对无监督分类问题, 将抗体编码为代表各类别的典型样本序号的排列, 利用动态算法 A 搜索能代表各类别的典型样本的最佳组合. 将新方法与标准的 K-均值算法、基于流形距离的进化聚类算法以及 Maulik 等人提出的基于遗传算法的聚类算法进行了性能比较. 对 6 个人工数据集及手写体数字识别问题的仿真实验结果显示, 新方法对样本空间分布复杂的无监督分类问题和实际的模式识别问题具有较高的准确率和较好的鲁棒性.
将一种新的流形距离作为相似性度量测度, 提出了一种用于无监督分类与识别的人工免疫系统方法. 通过基于流形距离的相似性度量, 有效利用样本集固有的全局一致性信息, 充分挖掘无类属样本的空间分布信息, 对样本进行类别划分. 新方法将免疫响应过程建模为一个四元组 AIR=(G,I,R,A) , 其中 G 为引发免疫响应的外界刺激, 即抗原; I 为所有可能抗体的集合; R 为抗体间相互作用的规则集合; A 为支配抗体反应、指导抗体进化的动态算法. 针对无监督分类问题, 将抗体编码为代表各类别的典型样本序号的排列, 利用动态算法 A 搜索能代表各类别的典型样本的最佳组合. 将新方法与标准的 K-均值算法、基于流形距离的进化聚类算法以及 Maulik 等人提出的基于遗传算法的聚类算法进行了性能比较. 对 6 个人工数据集及手写体数字识别问题的仿真实验结果显示, 新方法对样本空间分布复杂的无监督分类问题和实际的模式识别问题具有较高的准确率和较好的鲁棒性.
2008, 34(3): 376-382.
doi: 10.3724/SP.J.1004.2008.00376
摘要:
Kernel Grower 是一种有效的核聚类方法, 它具有计算精度高的优点. 然而, Kernel Grower在应用中的一个关键问题是对于大规模数据运算速度缓慢, 这在很大程度上制约了该方法的应用. 本文提出了一种大规模数据的快速核聚类方法, 该方法通过近似最小包含球快速算法, 显著地提高了的Kernel Grower计算速度, 并且该方法的计算复杂度仅与样本个数成线性关系. 在人工数据集和标准测试集上的模拟实验均说明本文算法的有效性. 本文还给出该方法在真实彩色图像分割中应用.
Kernel Grower 是一种有效的核聚类方法, 它具有计算精度高的优点. 然而, Kernel Grower在应用中的一个关键问题是对于大规模数据运算速度缓慢, 这在很大程度上制约了该方法的应用. 本文提出了一种大规模数据的快速核聚类方法, 该方法通过近似最小包含球快速算法, 显著地提高了的Kernel Grower计算速度, 并且该方法的计算复杂度仅与样本个数成线性关系. 在人工数据集和标准测试集上的模拟实验均说明本文算法的有效性. 本文还给出该方法在真实彩色图像分割中应用.
2008, 34(3): 383-392.
doi: 10.3724/SP.J.1004.2008.00383
摘要:
Feature selection aims to reduce the dimensionality of patterns for classificatory analysis by selecting the most informative instead of irrelevant and/or redundant features. In this study, two novel information-theoretic measures for feature ranking are presented: one is an improved formula to estimate the conditional mutual information between the candidate feature fi and the target class C given the subset of selected features S, i.e., I(C;fi|S), under the assumption that information of features is distributed uniformly; the other is a mutual information (MI) based constructive criterion that is able to capture both irrelevant and redundant input features under arbitrary distributions of information of features. With these two measures, two new feature selection algorithms, called the quadratic MI-based feature selection (QMIFS) approach and the MI-based constructive criterion (MICC) approach, respectively, are proposed, in which no parameters like β in Battiti's MIFS and (Kwak and Choi)'s MIFS-U methods need to be preset. Thus, the intractable problem of how to choose an appropriate value for β to do the tradeoff between the relevance to the target classes and the redundancy with the already-selected features is avoided completely. Experimental results demonstrate the good performances of QMIFS and MICC on both synthetic and benchmark data sets.
Feature selection aims to reduce the dimensionality of patterns for classificatory analysis by selecting the most informative instead of irrelevant and/or redundant features. In this study, two novel information-theoretic measures for feature ranking are presented: one is an improved formula to estimate the conditional mutual information between the candidate feature fi and the target class C given the subset of selected features S, i.e., I(C;fi|S), under the assumption that information of features is distributed uniformly; the other is a mutual information (MI) based constructive criterion that is able to capture both irrelevant and redundant input features under arbitrary distributions of information of features. With these two measures, two new feature selection algorithms, called the quadratic MI-based feature selection (QMIFS) approach and the MI-based constructive criterion (MICC) approach, respectively, are proposed, in which no parameters like β in Battiti's MIFS and (Kwak and Choi)'s MIFS-U methods need to be preset. Thus, the intractable problem of how to choose an appropriate value for β to do the tradeoff between the relevance to the target classes and the redundancy with the already-selected features is avoided completely. Experimental results demonstrate the good performances of QMIFS and MICC on both synthetic and benchmark data sets.
