2011年 第37卷 第9期
2011, 37(9): 1029-1039.
doi: 10.3724/SP.J.1004.2011.01029
摘要:
遥感图像舰船目标自动检测与识别是遥感图像处理与分析领域备受关注的课题, 其核心任务是判断遥感图像中是否存在舰船目标,并对其进行检测、分类与精确定位, 它在海面交通监控、船只搜救、渔业管理和海域态势感知等领域具有广阔的应用前景. 本文主要围绕光学卫星遥感图像中的舰船目标自动检测与识别, 分析舰船目标检测与识别面临的难点问题, 综述当前光学遥感图像舰船检测与识别的主要处理方法, 在此基础上指出研究中尚存在的问题并展望未来的发展趋势.
遥感图像舰船目标自动检测与识别是遥感图像处理与分析领域备受关注的课题, 其核心任务是判断遥感图像中是否存在舰船目标,并对其进行检测、分类与精确定位, 它在海面交通监控、船只搜救、渔业管理和海域态势感知等领域具有广阔的应用前景. 本文主要围绕光学卫星遥感图像中的舰船目标自动检测与识别, 分析舰船目标检测与识别面临的难点问题, 综述当前光学遥感图像舰船检测与识别的主要处理方法, 在此基础上指出研究中尚存在的问题并展望未来的发展趋势.
2011, 37(9): 1040-1049.
doi: 10.3724/SP.J.1004.2011.01040
摘要:
双线性系统是一类特殊的非线性系统,广泛存在于现实世界中,如工程、经济、生物、生态等领域,被认为是最接近于线性系统的非线性系统.对双线性系统的研究已历经了近半个世纪. 作为系统最基本的属性,双线性系统可控性的研究一直以来是热点和难点.本文分别对连续双线性系统可控性和离散双线性系统可控性进行讨论, 综述了双线性系统可控性的研究.特别地,报告了近来对离散双线性系统可控性研究的新成果.最后,例举了一些可控的双线性系统例子.
双线性系统是一类特殊的非线性系统,广泛存在于现实世界中,如工程、经济、生物、生态等领域,被认为是最接近于线性系统的非线性系统.对双线性系统的研究已历经了近半个世纪. 作为系统最基本的属性,双线性系统可控性的研究一直以来是热点和难点.本文分别对连续双线性系统可控性和离散双线性系统可控性进行讨论, 综述了双线性系统可控性的研究.特别地,报告了近来对离散双线性系统可控性研究的新成果.最后,例举了一些可控的双线性系统例子.
2011, 37(9): 1050-1058.
doi: 10.3724/SP.J.1004.2011.01050
摘要:
特征检测是图像处理的经典问题,但多边形检测一直研究较少,针对这一现况,提出了一种简单有效的多边形检测方法——基于基元表示的多边形检测方法. 该方法的主要思想是:首先,检测图像关键点并计算关键点附近的边缘方向,利用关键点位置与边缘方向信息定义点基元(一维基元);其次,将满足组合条件的点基元进行组合, 获得线基元(二维基元);然后,将满足组合条件的线基元与点基元进行组合,获得三维基元或者三角形,实现三角形检测;同样,可将满足组合条件的n(n≥2)维基元与点基元进行组合,获得n+1维基元或者n+1边形,实现多边形检测. 实验结果表明,本文提出的基于基元表示的多边形检测方法可准确有效地检测出图像中包含的各种多边形. 此外,本文提出的基元表示方法也为其他由线条组成的复杂图形的检测提供了一种新的思路.
特征检测是图像处理的经典问题,但多边形检测一直研究较少,针对这一现况,提出了一种简单有效的多边形检测方法——基于基元表示的多边形检测方法. 该方法的主要思想是:首先,检测图像关键点并计算关键点附近的边缘方向,利用关键点位置与边缘方向信息定义点基元(一维基元);其次,将满足组合条件的点基元进行组合, 获得线基元(二维基元);然后,将满足组合条件的线基元与点基元进行组合,获得三维基元或者三角形,实现三角形检测;同样,可将满足组合条件的n(n≥2)维基元与点基元进行组合,获得n+1维基元或者n+1边形,实现多边形检测. 实验结果表明,本文提出的基于基元表示的多边形检测方法可准确有效地检测出图像中包含的各种多边形. 此外,本文提出的基元表示方法也为其他由线条组成的复杂图形的检测提供了一种新的思路.
2011, 37(9): 1059-1066.
doi: 10.3724/SP.J.1004.2011.01059
摘要:
非刚性图像配准问题是当今重要的研究课题. 本文提出一类基于能量最小化方法的非刚性图像配准模型, 其中包括单模态和多模态两个模型. 在单模态模型中,正则项采用迭代重加权的L2范数度量, 一方面克服了迭代收敛不同步的问题, 另一方面使新模型既能保持图像的边缘几何结构, 又能避免块效应的产生. 在多模态模型中, 不同模态的图像被转化为同一模态进行处理, 提高了配准的效率. 在模型求解方面, 利用算子分裂和交替最小化的方法, 将原问题转化为阈值和加性算子分裂的迭代格式进行求解. 数值实验表明, 本文的方法对含噪以及变形较大的图像都能实现较好的配准.
非刚性图像配准问题是当今重要的研究课题. 本文提出一类基于能量最小化方法的非刚性图像配准模型, 其中包括单模态和多模态两个模型. 在单模态模型中,正则项采用迭代重加权的L2范数度量, 一方面克服了迭代收敛不同步的问题, 另一方面使新模型既能保持图像的边缘几何结构, 又能避免块效应的产生. 在多模态模型中, 不同模态的图像被转化为同一模态进行处理, 提高了配准的效率. 在模型求解方面, 利用算子分裂和交替最小化的方法, 将原问题转化为阈值和加性算子分裂的迭代格式进行求解. 数值实验表明, 本文的方法对含噪以及变形较大的图像都能实现较好的配准.
2011, 37(9): 1067-1076.
doi: 10.3724/SP.J.1004.2011.01067
摘要:
托攻击是协同过滤推荐系统面临的重大安全威胁. 研究可抵御托攻击的鲁棒协同推荐技术已成为目前的重要课题. 本文在引入用户嫌疑性评估策略的基础上, 通过将用户嫌疑性及项类属等元信息与贝叶斯概率矩阵分解模型相融合, 提出了用于鲁棒协同推荐的元信息增强变分贝叶斯矩阵分解模型(Metadata-enhanced variational Bayesian matrix factorization, MVBMF), 并设计了相应的模型增量学习策略. 实验表明, 与现有推荐模型相比, 这种模型具备更强的攻击耐受力, 能够有效提高推荐系统的鲁棒性.
托攻击是协同过滤推荐系统面临的重大安全威胁. 研究可抵御托攻击的鲁棒协同推荐技术已成为目前的重要课题. 本文在引入用户嫌疑性评估策略的基础上, 通过将用户嫌疑性及项类属等元信息与贝叶斯概率矩阵分解模型相融合, 提出了用于鲁棒协同推荐的元信息增强变分贝叶斯矩阵分解模型(Metadata-enhanced variational Bayesian matrix factorization, MVBMF), 并设计了相应的模型增量学习策略. 实验表明, 与现有推荐模型相比, 这种模型具备更强的攻击耐受力, 能够有效提高推荐系统的鲁棒性.
2011, 37(9): 1077-1084.
doi: 10.3724/SP.J.1004.2011.01077
摘要:
数据流中概念漂移问题的研究已成为近年来流数据挖掘领域的研究热点之一. 已有的研究工作多依据单窗口中错误率的变化来检测概念漂移,难以适应不同类型的漂移. 为此, 本文提出一种新的基于双层窗口机制的数据流分类算法(Double-windows-based classification algorithm for concept drifting data streams, DWCDS),该算法采用随机决策树模型构建集成分类器, 利用双层窗口机制周期性地检测滑动窗口中流数据分布的变化,并动态地更新模型以适应概念漂移. 分析与实验结果表明: 该算法可以快速有效地跟踪检测含噪数据流中的概念漂移,且抗噪性能与分类精度显著提高.
数据流中概念漂移问题的研究已成为近年来流数据挖掘领域的研究热点之一. 已有的研究工作多依据单窗口中错误率的变化来检测概念漂移,难以适应不同类型的漂移. 为此, 本文提出一种新的基于双层窗口机制的数据流分类算法(Double-windows-based classification algorithm for concept drifting data streams, DWCDS),该算法采用随机决策树模型构建集成分类器, 利用双层窗口机制周期性地检测滑动窗口中流数据分布的变化,并动态地更新模型以适应概念漂移. 分析与实验结果表明: 该算法可以快速有效地跟踪检测含噪数据流中的概念漂移,且抗噪性能与分类精度显著提高.
2011, 37(9): 1085-1094.
doi: 10.3724/SP.J.1004.2011.01085
摘要:
为了提高一类支持向量数据描述(Support vector data description, SVDD)对未知样本的决策速度,本文从样本的核特征空间出发, 利用核超球球心在原始样本特征空间中的原像,提出一种SVDD的快速决策方法(Fast decision approach of SVDD, FDA-SVDD),使得SVDD的决策复杂度从O(n)降低到O(1). 同时,对球心原像所在空间进行了分析,并在此基础上给出了两种原像逼近方法.多种真实数据集实验表明, FDA-SVDD方法在保证测试精度的同时,能快速实现对未知样本的决策.
为了提高一类支持向量数据描述(Support vector data description, SVDD)对未知样本的决策速度,本文从样本的核特征空间出发, 利用核超球球心在原始样本特征空间中的原像,提出一种SVDD的快速决策方法(Fast decision approach of SVDD, FDA-SVDD),使得SVDD的决策复杂度从O(n)降低到O(1). 同时,对球心原像所在空间进行了分析,并在此基础上给出了两种原像逼近方法.多种真实数据集实验表明, FDA-SVDD方法在保证测试精度的同时,能快速实现对未知样本的决策.
2011, 37(9): 1095-1104.
doi: 10.3724/SP.J.1004.2011.01095
摘要:
针对基于混合米制地图机器人同步定位与地图创建 (Simultaneous localization and mapping, SLAM)中地图划分方法不完善的问题, 提出了基于Voronoi地图表示方法的同步定位与地图创建算法VorSLAM. 该算法在全局坐标系下创建特征地图, 并根据此特征地图使用Voronoi图唯一地划分地图空间, 在每一个划分内部创建一个相对于特征的局部稠密地图. 特征地图与各个局部地图最终一起连续稠密地描述了环境. Voronoi地图表示方法解决了地图划分的唯一性问题, 理论证明局部地图可以完整描述该划分所对应的环境轮廓. 该地图表示方法一个基本特点是特征与局部地图一一对应, 每个特征都关联一个定义在该特征上的局部地图. 基于该特点, 提出了一个基于形状匹配的数据关联算法, 用以解决传统数据关联算法出现的多重关联问题. 一个公寓弧形走廊的实验验证了VorSLAM算法和基于形状匹配的数据关联方法的有效性.
针对基于混合米制地图机器人同步定位与地图创建 (Simultaneous localization and mapping, SLAM)中地图划分方法不完善的问题, 提出了基于Voronoi地图表示方法的同步定位与地图创建算法VorSLAM. 该算法在全局坐标系下创建特征地图, 并根据此特征地图使用Voronoi图唯一地划分地图空间, 在每一个划分内部创建一个相对于特征的局部稠密地图. 特征地图与各个局部地图最终一起连续稠密地描述了环境. Voronoi地图表示方法解决了地图划分的唯一性问题, 理论证明局部地图可以完整描述该划分所对应的环境轮廓. 该地图表示方法一个基本特点是特征与局部地图一一对应, 每个特征都关联一个定义在该特征上的局部地图. 基于该特点, 提出了一个基于形状匹配的数据关联算法, 用以解决传统数据关联算法出现的多重关联问题. 一个公寓弧形走廊的实验验证了VorSLAM算法和基于形状匹配的数据关联方法的有效性.
2011, 37(9): 1105-1113.
doi: 10.3724/SP.J.1004.2011.01105
摘要:
Poggio指出支持向量机(Support vector machine,SVM)中偏置b项是为了保证核函数的正定性,当使用的核函数为正定核时,b就不需要存在.为了验证b对SVM分类问题泛化性能的影响,研究了无bSVM的优化问题并给出了相应的有效集求解算法.通过XOR分类问题的实验研究得出约束条件 ∑1Nyiαi= 0 会影响SVM得到最佳分类超平面.实验中的基准数据集包括了中小数据集、大规模数据集、高维数据集和多类分类数据集,并使用高斯正定核和多项式正定核作为核函数.基于26个标准数据集的实验表明无bSVM在分类问题中的计算代价要低于SVM,泛化性能要好于SVM.参数敏感性测试表明无bSVM对代价参数变化不太敏感,这使得无bSVM能在较少的参数值对中得到最佳测试精度.
Poggio指出支持向量机(Support vector machine,SVM)中偏置b项是为了保证核函数的正定性,当使用的核函数为正定核时,b就不需要存在.为了验证b对SVM分类问题泛化性能的影响,研究了无bSVM的优化问题并给出了相应的有效集求解算法.通过XOR分类问题的实验研究得出约束条件 ∑1Nyiαi= 0 会影响SVM得到最佳分类超平面.实验中的基准数据集包括了中小数据集、大规模数据集、高维数据集和多类分类数据集,并使用高斯正定核和多项式正定核作为核函数.基于26个标准数据集的实验表明无bSVM在分类问题中的计算代价要低于SVM,泛化性能要好于SVM.参数敏感性测试表明无bSVM对代价参数变化不太敏感,这使得无bSVM能在较少的参数值对中得到最佳测试精度.
2011, 37(9): 1114-1129.
doi: 10.3724/SP.J.1004.2011.01114
摘要:
针对极值搜索控制系统 (Extremum seeking control systems, ESCSs)设计中, 极值搜索算法与控制器采取单独设计时易导致系统难以发挥其最佳性能, 而现有的一体化设计方法却存在需要根据被控对象和具体的极值搜索算法进行不同形式的一体化建模的问题, 以块控型的极值搜索控制系统为研究对象, 提出了一套通用的极值搜索控制系统的一体化控制方法. 首先针对块控型极值搜索控制系统, 采用反馈线性化设计思想, 构建出系统的伪虚拟控制量; 然后以极值搜索算法得到的搜索变量作为其输入量, 设计多层神经网络 (Multilayer neural networks, MNNs)逼近由近似模型与实际模型之间的差异而导致的误差项、状态变量的极值和极值的变化率, 同时运用自适应参数和鲁棒项函数抵消神经网络逼近误差的影响; 最后利用反演控制方法求取出系统的虚拟控制量和实际控制量. 此一体化控制方法确保系统的状态跟踪误差、输出量与其极值之间的误差、 极值搜索变量的跟踪误差以及神经网络各参数的估计误差均有界且指数收敛至系统原点的一个有限邻域内, 且理论分析和仿真结果都验证了此方法的有效性.
针对极值搜索控制系统 (Extremum seeking control systems, ESCSs)设计中, 极值搜索算法与控制器采取单独设计时易导致系统难以发挥其最佳性能, 而现有的一体化设计方法却存在需要根据被控对象和具体的极值搜索算法进行不同形式的一体化建模的问题, 以块控型的极值搜索控制系统为研究对象, 提出了一套通用的极值搜索控制系统的一体化控制方法. 首先针对块控型极值搜索控制系统, 采用反馈线性化设计思想, 构建出系统的伪虚拟控制量; 然后以极值搜索算法得到的搜索变量作为其输入量, 设计多层神经网络 (Multilayer neural networks, MNNs)逼近由近似模型与实际模型之间的差异而导致的误差项、状态变量的极值和极值的变化率, 同时运用自适应参数和鲁棒项函数抵消神经网络逼近误差的影响; 最后利用反演控制方法求取出系统的虚拟控制量和实际控制量. 此一体化控制方法确保系统的状态跟踪误差、输出量与其极值之间的误差、 极值搜索变量的跟踪误差以及神经网络各参数的估计误差均有界且指数收敛至系统原点的一个有限邻域内, 且理论分析和仿真结果都验证了此方法的有效性.
2011, 37(9): 1130-1139.
doi: 10.3724/SP.J.1004.2011.01130
摘要:
针对大型选矿生产线运行和管理特点,分析了选矿企业生产成本、原矿处理量、精矿品位、金属回收率等综合生产指标在计划层、执行层和控制层间的交互关系;说明了选矿企业计划调度主要特征是将综合指标逐层分解优化为日生产线指标的思想;建立了在保证产品质量合格前提下总成本最小为目标和在保证合理精矿品位的前提下,以减小精矿库存、最大限度地满足设备生产能力为目标的计划与调度两阶段级联优化模型;提出了决策选矿生产线日原矿处理量和精矿品位与尾矿品位等生产指标的生产计划调度优化方法,并应用于某选矿企业制造执行系统(Manufacturing execution system, MES),取得显著应用成效.
针对大型选矿生产线运行和管理特点,分析了选矿企业生产成本、原矿处理量、精矿品位、金属回收率等综合生产指标在计划层、执行层和控制层间的交互关系;说明了选矿企业计划调度主要特征是将综合指标逐层分解优化为日生产线指标的思想;建立了在保证产品质量合格前提下总成本最小为目标和在保证合理精矿品位的前提下,以减小精矿库存、最大限度地满足设备生产能力为目标的计划与调度两阶段级联优化模型;提出了决策选矿生产线日原矿处理量和精矿品位与尾矿品位等生产指标的生产计划调度优化方法,并应用于某选矿企业制造执行系统(Manufacturing execution system, MES),取得显著应用成效.
2011, 37(9): 1140-1144.
doi: 10.3724/SP.J.1004.2011.01140
摘要:
从优化模块度的角度出发,引入线图理论,给出线图的硬划分与原 图的有重叠划分相对应的理论证明, 提出了一种基于线图与粒子群优化技术的网络重叠社区发现算法(Communities discovery based on line graph and particle swarm optimization, LGPSO), 该方法通过粒子群优化 (Particle swarm optimization, PSO)算法寻找网络对应线图的最优划分来发现网络重叠社区, 实验结果显示,该方法能够在无先验信息的条件下快速有效地揭示网络的重叠社区结构.
从优化模块度的角度出发,引入线图理论,给出线图的硬划分与原 图的有重叠划分相对应的理论证明, 提出了一种基于线图与粒子群优化技术的网络重叠社区发现算法(Communities discovery based on line graph and particle swarm optimization, LGPSO), 该方法通过粒子群优化 (Particle swarm optimization, PSO)算法寻找网络对应线图的最优划分来发现网络重叠社区, 实验结果显示,该方法能够在无先验信息的条件下快速有效地揭示网络的重叠社区结构.
2011, 37(9): 1145-1150.
doi: 10.3724/SP.J.1004.2011.01145
摘要:
给出了一种大规模核Logistic回归的并行学习算法.利用凸优化中的Fenchel对偶定理, 将核Logistic回归的优化原问题转换成对偶空间的优化问题,再利用块更新迭代方法, 可以独立地在部分数据集上进行分类器训练.设计了一个简单的客户机--服务器并行计算模式, 每个客户机对部分数据优化子问题,在一次优化结束后,服务器根据各客户机传递的信息修正各子问题目标函数. 在标准数据集的实验结果表明了基于Fenchel对偶的核Logistic回归并行学习算法的可行性.
给出了一种大规模核Logistic回归的并行学习算法.利用凸优化中的Fenchel对偶定理, 将核Logistic回归的优化原问题转换成对偶空间的优化问题,再利用块更新迭代方法, 可以独立地在部分数据集上进行分类器训练.设计了一个简单的客户机--服务器并行计算模式, 每个客户机对部分数据优化子问题,在一次优化结束后,服务器根据各客户机传递的信息修正各子问题目标函数. 在标准数据集的实验结果表明了基于Fenchel对偶的核Logistic回归并行学习算法的可行性.
2011, 37(9): 1151-1156.
doi: 10.3724/SP.J.1004.2011.01151
摘要:
统的基于向量的降维算法,将大小为m×n的灰度图像,作为Rm×n中的向量进行处理.但这种表示方法往往造成图像像素空间局部信息的丢失,因此不能很好地描述图像的结构信息.本质上,灰度图像可以看成是一个二阶张量,而图像的各种特征(如Gabor和LBP特征等)往往需要用更高阶的张量来描述.本文从图像特征的张量表示出发,将新近提出的洛仑兹投影判别法(Lorentziandiscriminant projection, LDP)推广到张量空间中,提出张量LDP.对于灰度图像,该方法直接利用图像的灰度矩阵(二阶张量)进行运算,从而很好地保持了图像像素的局部结构信息.另外,该方法还可以自然地推广到高维张量空间来处理更复杂的图像特征,如Gabor和LBP特征等.经人脸和纹理识别实验的验证,该算法效率高且能达到较高的识别率.
统的基于向量的降维算法,将大小为m×n的灰度图像,作为Rm×n中的向量进行处理.但这种表示方法往往造成图像像素空间局部信息的丢失,因此不能很好地描述图像的结构信息.本质上,灰度图像可以看成是一个二阶张量,而图像的各种特征(如Gabor和LBP特征等)往往需要用更高阶的张量来描述.本文从图像特征的张量表示出发,将新近提出的洛仑兹投影判别法(Lorentziandiscriminant projection, LDP)推广到张量空间中,提出张量LDP.对于灰度图像,该方法直接利用图像的灰度矩阵(二阶张量)进行运算,从而很好地保持了图像像素的局部结构信息.另外,该方法还可以自然地推广到高维张量空间来处理更复杂的图像特征,如Gabor和LBP特征等.经人脸和纹理识别实验的验证,该算法效率高且能达到较高的识别率.