2016年 第42卷 第8期
2016, 42(8): 1125-1141.
doi: 10.16383/j.aas.2016.c150725
摘要:
手写汉字识别（Handwritten Chinese character recognition，HCCR）是模式识别的一个重要研究领域，最近几十年来得到了广泛的研究与关注，随着深度学习新技术的出现，近年来基于深度学习的手写汉字识别在方法和性能上得到了突破性的进展.本文综述了深度学习在手写汉字识别领域的研究进展及具体应用.首先介绍了手写汉字识别的研究背景与现状.其次简要概述了深度学习的几种典型结构模型并介绍了一些主流的开源工具，在此基础上详细综述了基于深度学习的联机和脱机手写汉字识别的方法，阐述了相关方法的原理、技术细节、性能指标等现状情况，最后进行了分析与总结，指出了手写汉字识别领域仍需要解决的问题及未来的研究方向.
手写汉字识别（Handwritten Chinese character recognition，HCCR）是模式识别的一个重要研究领域，最近几十年来得到了广泛的研究与关注，随着深度学习新技术的出现，近年来基于深度学习的手写汉字识别在方法和性能上得到了突破性的进展.本文综述了深度学习在手写汉字识别领域的研究进展及具体应用.首先介绍了手写汉字识别的研究背景与现状.其次简要概述了深度学习的几种典型结构模型并介绍了一些主流的开源工具，在此基础上详细综述了基于深度学习的联机和脱机手写汉字识别的方法，阐述了相关方法的原理、技术细节、性能指标等现状情况，最后进行了分析与总结，指出了手写汉字识别领域仍需要解决的问题及未来的研究方向.
2016, 42(8): 1142-1157.
doi: 10.16383/j.aas.2016.c150821
摘要:
对动态双足机器人的可控周期步态的稳定性、鲁棒性和优化控制策略的国内外研究现状与发展趋势进行了探讨.首先，介绍动态双足机器人的动力学数学模型，进一步，提出动态双足机器人运动步态和控制系统原理；其次，讨论动态双足机器人可控周期步态稳定性现有的研究方法，分析这些方法中存在的缺点与不足；再次，研究动态双足机器人的可控周期步态优化控制策略，阐明各种策略的优缺点；最后，给出动态双足机器人研究领域的难点问题和未来工作，展望动态双足机器人可控周期步态与鲁棒稳定性及其应用的研究思路.
对动态双足机器人的可控周期步态的稳定性、鲁棒性和优化控制策略的国内外研究现状与发展趋势进行了探讨.首先，介绍动态双足机器人的动力学数学模型，进一步，提出动态双足机器人运动步态和控制系统原理；其次，讨论动态双足机器人可控周期步态稳定性现有的研究方法，分析这些方法中存在的缺点与不足；再次，研究动态双足机器人的可控周期步态优化控制策略，阐明各种策略的优缺点；最后，给出动态双足机器人研究领域的难点问题和未来工作，展望动态双足机器人可控周期步态与鲁棒稳定性及其应用的研究思路.
2016, 42(8): 1158-1165.
doi: 10.16383/j.aas.2016.c150583
摘要:
无模型自适应控制（Model free adaptive control，MFAC）是一种数据驱动的控制方法，具有计算简单、鲁棒性强、无需建模等优点.目前无模型自适应控制方法普遍未考虑可能出现的执行器饱和问题.本文针对这一问题，对执行器执行能力存在上限的情况设计了改进算法.该算法通过对控制输入准则函数引入约束条件，使用Hildreth方法进行数值求解，具有编程简单、计算量小的优点.在此基础上分析并证明了闭环稳定性.最后以蒸馏塔模型为控制对象，通过对比仿真实验验证了算法的有效性.
无模型自适应控制（Model free adaptive control，MFAC）是一种数据驱动的控制方法，具有计算简单、鲁棒性强、无需建模等优点.目前无模型自适应控制方法普遍未考虑可能出现的执行器饱和问题.本文针对这一问题，对执行器执行能力存在上限的情况设计了改进算法.该算法通过对控制输入准则函数引入约束条件，使用Hildreth方法进行数值求解，具有编程简单、计算量小的优点.在此基础上分析并证明了闭环稳定性.最后以蒸馏塔模型为控制对象，通过对比仿真实验验证了算法的有效性.
2016, 42(8): 1166-1174.
doi: 10.16383/j.aas.2016.c150771
摘要:
针对一类工业过程运行控制中采用无线网络传输运行指标反馈值时存在的噪声和丢包问题，建立了输入为过程控制的输入输出、输出为运行指标的随机过程模型；提出了由不同采样速率的过程控制与过程控制设定值反馈控制组成的运行反馈控制方法；采用Lyapunov函数和不同采样频率的提升技术设计了过程PI控制器参数和过程控制设定值反馈控制器参数，保证了双闭环控制系统的随机稳定性；同时实现了运行指标实际值与目标值稳态误差的均值为零；通过浮选过程运行反馈控制仿真实验验证了本文所提方法的有效性.
针对一类工业过程运行控制中采用无线网络传输运行指标反馈值时存在的噪声和丢包问题，建立了输入为过程控制的输入输出、输出为运行指标的随机过程模型；提出了由不同采样速率的过程控制与过程控制设定值反馈控制组成的运行反馈控制方法；采用Lyapunov函数和不同采样频率的提升技术设计了过程PI控制器参数和过程控制设定值反馈控制器参数，保证了双闭环控制系统的随机稳定性；同时实现了运行指标实际值与目标值稳态误差的均值为零；通过浮选过程运行反馈控制仿真实验验证了本文所提方法的有效性.
2016, 42(8): 1175-1184.
doi: 10.16383/j.aas.2016.c150598
摘要:
针对两轮机器人运动平衡控制问题，为其建立起一种人工感知运动系统TWR-SMS（Two-wheeled robot sensorimotor system），使机器人在与环境的接触过程中可以通过学习自主掌握运动平衡技能.感知运动系统的认知系统以学习自动机为数学模型，引入好奇心和取向性概念，设计了能够主动探索环境以及主动学习环境的内发动机机制.实验结果证明内发动机机制的引入不仅提高了机器人的自学习和自组织特性，同时能够有效避免小概率事件的发生，稳定性较高.与传统线性二次型调节器（Linear quadratic regulator，LQR）控制方法的对比实验表明系统具有更好的鲁棒性.
针对两轮机器人运动平衡控制问题，为其建立起一种人工感知运动系统TWR-SMS（Two-wheeled robot sensorimotor system），使机器人在与环境的接触过程中可以通过学习自主掌握运动平衡技能.感知运动系统的认知系统以学习自动机为数学模型，引入好奇心和取向性概念，设计了能够主动探索环境以及主动学习环境的内发动机机制.实验结果证明内发动机机制的引入不仅提高了机器人的自学习和自组织特性，同时能够有效避免小概率事件的发生，稳定性较高.与传统线性二次型调节器（Linear quadratic regulator，LQR）控制方法的对比实验表明系统具有更好的鲁棒性.
2016, 42(8): 1185-1197.
doi: 10.16383/j.aas.2016.c150794
摘要:
水面传感器网络（Surface sensor networks，SSNs）具有节点稀疏布置的特点（节点间距离通常大于节点通信半径），因此难以通过节点间的多跳路由汇聚数据，目前主要采用移动基站（Mobile sink，MS）收集网络中的数据，其中移动基站的路径规划是一个关键问题.该文提出一种基于维诺图和二分图的水面移动基站路径规划方法，首先利用维诺图理论生成数据收集“候选点”；然后以二分图描述候选点对网络中传感器节点的支配关系，并基于支配集理论求解出“最小有效支配集”，即可以收集网络中所有节点数据的最小的候选点集合；最后针对最小有效支配集形成最优路径.大量实验结果表明该方法可以有效地规划出水面传感器网络中移动基站的路径，不仅可以完成全网数据收集任务，而且具有路径长度短、能量效率高和节点能耗均衡的优点.
水面传感器网络（Surface sensor networks，SSNs）具有节点稀疏布置的特点（节点间距离通常大于节点通信半径），因此难以通过节点间的多跳路由汇聚数据，目前主要采用移动基站（Mobile sink，MS）收集网络中的数据，其中移动基站的路径规划是一个关键问题.该文提出一种基于维诺图和二分图的水面移动基站路径规划方法，首先利用维诺图理论生成数据收集“候选点”；然后以二分图描述候选点对网络中传感器节点的支配关系，并基于支配集理论求解出“最小有效支配集”，即可以收集网络中所有节点数据的最小的候选点集合；最后针对最小有效支配集形成最优路径.大量实验结果表明该方法可以有效地规划出水面传感器网络中移动基站的路径，不仅可以完成全网数据收集任务，而且具有路径长度短、能量效率高和节点能耗均衡的优点.
2016, 42(8): 1198-1206.
doi: 10.16383/j.aas.2016.c150410
摘要:
针对带随机参数和噪声方差两者不确定性的线性离散多传感器系统，利用虚拟噪声补偿随机参数不确定性，原系统可转化为仅带不确定噪声方差的系统.根据极大极小鲁棒估值原理，用Lyapunov方程方法提出局部鲁棒稳态Kalman预报器及其误差方差最小上界，并利用保守的局部预报误差互协方差，提出改进的鲁棒协方差交叉（Covariance intersection，CI）融合稳态Kalman预报器及其误差方差最小上界.克服了原始CI融合方法要求假设已知局部估值及它们的保守误差方差的缺点和融合误差方差上界具有较大保守性的缺点.证明了鲁棒局部和融合预报器的鲁棒性，并证明了改进的CI融合器鲁棒精度高于原始CI融合器鲁棒精度，且高于每个局部预报器的鲁棒精度.一个仿真例子验证了所提出结果的正确性和有效性.
针对带随机参数和噪声方差两者不确定性的线性离散多传感器系统，利用虚拟噪声补偿随机参数不确定性，原系统可转化为仅带不确定噪声方差的系统.根据极大极小鲁棒估值原理，用Lyapunov方程方法提出局部鲁棒稳态Kalman预报器及其误差方差最小上界，并利用保守的局部预报误差互协方差，提出改进的鲁棒协方差交叉（Covariance intersection，CI）融合稳态Kalman预报器及其误差方差最小上界.克服了原始CI融合方法要求假设已知局部估值及它们的保守误差方差的缺点和融合误差方差上界具有较大保守性的缺点.证明了鲁棒局部和融合预报器的鲁棒性，并证明了改进的CI融合器鲁棒精度高于原始CI融合器鲁棒精度，且高于每个局部预报器的鲁棒精度.一个仿真例子验证了所提出结果的正确性和有效性.
2016, 42(8): 1207-1214.
doi: 10.16383/j.aas.2016.c150226
摘要:
基于区分业务优先级和提高系统时延性能的网络需求，提出了依托站点状态的两级轮询控制系统.系统在混合服务两级轮询模型的基础上，根据站点缓冲区状态采用并行调度方式仅对有数据分组的活动站点提供服务.该模型既能满足区分站点优先级的需求又能避免空闲查询，从而提高系统利用率、降低等待时延.采用嵌入式马尔科夫链和概率母函数的方法对该系统建立数学模型，对系统平均等待时延特性进行了精确解析.通过理论计算与仿真实验结果的对比验证了理论分析的正确性，与已有两级轮询系统相比，具有更好的时延性能.
基于区分业务优先级和提高系统时延性能的网络需求，提出了依托站点状态的两级轮询控制系统.系统在混合服务两级轮询模型的基础上，根据站点缓冲区状态采用并行调度方式仅对有数据分组的活动站点提供服务.该模型既能满足区分站点优先级的需求又能避免空闲查询，从而提高系统利用率、降低等待时延.采用嵌入式马尔科夫链和概率母函数的方法对该系统建立数学模型，对系统平均等待时延特性进行了精确解析.通过理论计算与仿真实验结果的对比验证了理论分析的正确性，与已有两级轮询系统相比，具有更好的时延性能.
2016, 42(8): 1215-1226.
doi: 10.16383/j.aas.2016.c150461
摘要:
有效的特征提取方法能提高脑机接口（Brain-computer interface，BCI）系统对脑电（Electroencephalogram，EEG）信号的识别率.因脑电信号都是多通道的，本文将分层向量自回归（Hierarchical vector autoregression，HVAR）模型用于脑电信号的特征提取，并结合传统的线性支持向量机（Support vector machine，SVM）用于脑电信号识别.该模型不仅克服了自回归（Autoregression，AR）模型只能用来提取单通道特征的局限性，而且不再采用传统VAR（Vector autoregression）模型所有通道共用一个时滞的处理方法.创新之处在于在传统的VAR模型基础上添加正则化思想，有效地压缩参数空间，实现合理的分层结构.本文首次将HVAR模型用于由Keirn等采集并整理的脑电数据中.实验结果证明HVAR模型在阶数较小的情况下（2阶）与阶数较大（6阶）的AR模型效果相当，可见低阶的HVAR能很好地刻画脑电信号的时空关联关系，这说明HVAR可能是刻画EEG信号的一种新颖的方法，这对其他多通道时间序列分析都有借鉴意义.
有效的特征提取方法能提高脑机接口（Brain-computer interface，BCI）系统对脑电（Electroencephalogram，EEG）信号的识别率.因脑电信号都是多通道的，本文将分层向量自回归（Hierarchical vector autoregression，HVAR）模型用于脑电信号的特征提取，并结合传统的线性支持向量机（Support vector machine，SVM）用于脑电信号识别.该模型不仅克服了自回归（Autoregression，AR）模型只能用来提取单通道特征的局限性，而且不再采用传统VAR（Vector autoregression）模型所有通道共用一个时滞的处理方法.创新之处在于在传统的VAR模型基础上添加正则化思想，有效地压缩参数空间，实现合理的分层结构.本文首次将HVAR模型用于由Keirn等采集并整理的脑电数据中.实验结果证明HVAR模型在阶数较小的情况下（2阶）与阶数较大（6阶）的AR模型效果相当，可见低阶的HVAR能很好地刻画脑电信号的时空关联关系，这说明HVAR可能是刻画EEG信号的一种新颖的方法，这对其他多通道时间序列分析都有借鉴意义.
2016, 42(8): 1227-1237.
doi: 10.16383/j.aas.2016.c150591
摘要:
情感主题联合生成模型已经成功应用于网络评论分析.然而，随着智能终端设备的广泛应用，由于屏幕及输入限制，用户书写的评论越来越短，我们不得不面对短评论中的文本稀疏问题.本文提出了一个针对短文本的联合情感--主题模型SSTM（Short-text sentiment-topic model）来解决稀疏性问题.不同于一般主题模型中通常采用的基于文档产生过程的建模方法，我们直接对整个语料集合的产生过程建模.在产生文档集的过程中，我们每次采样一个词对，同一个词对中的词有相同的情感极性和主题.我们将SSTM模型应用于两个真实网络评论数据集.在三个实验任务中，通过定性分析验证了主题发现的有效性，并与经典方法进行定量对比，SSTM模型的文档级情感分类性能也有较大提升.
情感主题联合生成模型已经成功应用于网络评论分析.然而，随着智能终端设备的广泛应用，由于屏幕及输入限制，用户书写的评论越来越短，我们不得不面对短评论中的文本稀疏问题.本文提出了一个针对短文本的联合情感--主题模型SSTM（Short-text sentiment-topic model）来解决稀疏性问题.不同于一般主题模型中通常采用的基于文档产生过程的建模方法，我们直接对整个语料集合的产生过程建模.在产生文档集的过程中，我们每次采样一个词对，同一个词对中的词有相同的情感极性和主题.我们将SSTM模型应用于两个真实网络评论数据集.在三个实验任务中，通过定性分析验证了主题发现的有效性，并与经典方法进行定量对比，SSTM模型的文档级情感分类性能也有较大提升.
2016, 42(8): 1238-1247.
doi: 10.16383/j.aas.2016.c150335
摘要:
现有子空间聚类方法通常以数据全局线性为前提，将每个样本点表示为其他样本点的线性组合，因而导致常见子空间聚类方法不能很好地应用于非线性数据.为克服全局线性表示的局限，借鉴流形学习思想，用k近邻局部线性表示代替全局线性表示，与稀疏子空间聚类和最小二乘子空间聚类方法相结合，提出局部稀疏子空间聚类和局部最小二乘子空间聚类方法，统称局部子空间聚类方法.在双月形数据、6个图像数据集和4个基因表达数据集上进行实验，实验结果表明该方法是有效的.
现有子空间聚类方法通常以数据全局线性为前提，将每个样本点表示为其他样本点的线性组合，因而导致常见子空间聚类方法不能很好地应用于非线性数据.为克服全局线性表示的局限，借鉴流形学习思想，用k近邻局部线性表示代替全局线性表示，与稀疏子空间聚类和最小二乘子空间聚类方法相结合，提出局部稀疏子空间聚类和局部最小二乘子空间聚类方法，统称局部子空间聚类方法.在双月形数据、6个图像数据集和4个基因表达数据集上进行实验，实验结果表明该方法是有效的.
2016, 42(8): 1248-1258.
doi: 10.16383/j.aas.2016.c150458
摘要:
提出一种以轮廓模板插值和局部自学习相结合的图像纹理增强超采样算法，有效地恢复了插值图像丢失的细节纹理，抑制了插值图像边缘的扩散.该方法通过局部自相似性在原始低分辨图像中估计高频信息，对轮廓模板插值图像的细节纹理进行了恢复.其中，为了弥补轮廓模板插值缺少先验知识的缺陷，将原始低分辨率图像的高频信息作为先验知识.为了保证估计的高频信息最优，匹配的过程中采用双匹配，相比较于全局搜索和小窗搜索，提高了效率并保证了匹配精度.此外，使用高斯模糊代替了传统提取高频信息的方法，简化了算法的复杂度，提高了准确性和效率.对估计得到的高频信息采用高斯函数加窗，以减小估计出错和重叠区的混叠影响.本文算法的训练库由原始低分辨图像自身和插值图像构成，节省了生成训练库所需的时间和空间.训练库的简化使得高频信息的估计可以多尺度进行，算法效率得到进一步优化.理论分析和实验结果表明，相比传统的基于插值、基于自学习的图像超分辨率方法，本文方法获得更好的实验结果，主观效果得到明显改善，有效地恢复了图像的纹理细节，提高了图像边缘锐度，避免了产生锯齿等人工效应，客观指标得到提高.
提出一种以轮廓模板插值和局部自学习相结合的图像纹理增强超采样算法，有效地恢复了插值图像丢失的细节纹理，抑制了插值图像边缘的扩散.该方法通过局部自相似性在原始低分辨图像中估计高频信息，对轮廓模板插值图像的细节纹理进行了恢复.其中，为了弥补轮廓模板插值缺少先验知识的缺陷，将原始低分辨率图像的高频信息作为先验知识.为了保证估计的高频信息最优，匹配的过程中采用双匹配，相比较于全局搜索和小窗搜索，提高了效率并保证了匹配精度.此外，使用高斯模糊代替了传统提取高频信息的方法，简化了算法的复杂度，提高了准确性和效率.对估计得到的高频信息采用高斯函数加窗，以减小估计出错和重叠区的混叠影响.本文算法的训练库由原始低分辨图像自身和插值图像构成，节省了生成训练库所需的时间和空间.训练库的简化使得高频信息的估计可以多尺度进行，算法效率得到进一步优化.理论分析和实验结果表明，相比传统的基于插值、基于自学习的图像超分辨率方法，本文方法获得更好的实验结果，主观效果得到明显改善，有效地恢复了图像的纹理细节，提高了图像边缘锐度，避免了产生锯齿等人工效应，客观指标得到提高.
2016, 42(8): 1259-1273.
doi: 10.16383/j.aas.2016.c150387
摘要:
提出一种基于词袋模型的新的显著性目标检测方法.该方法首先利用目标性计算先验概率显著图，然后在图像的超像素区域内建立词袋模型，并基于此特征计算条件概率显著图，最后根据贝叶斯推断将先验概率和条件概率显著图进行合成.在ASD、SED以及SOD显著性目标公开数据库上与目前16种主流方法进行对比，实验结果表明本文方法具有更高的精度和更好的查全率，能够一致高亮地凸显图像中的显著性目标.
提出一种基于词袋模型的新的显著性目标检测方法.该方法首先利用目标性计算先验概率显著图，然后在图像的超像素区域内建立词袋模型，并基于此特征计算条件概率显著图，最后根据贝叶斯推断将先验概率和条件概率显著图进行合成.在ASD、SED以及SOD显著性目标公开数据库上与目前16种主流方法进行对比，实验结果表明本文方法具有更高的精度和更好的查全率，能够一致高亮地凸显图像中的显著性目标.
2016, 42(8): 1274-1284.
doi: 10.16383/j.aas.2016.c150815
摘要:
随着指纹识别技术的广泛应用，大量指纹图像需要被收集和存储.在指纹识别系统中，对于大容量的指纹数据库，指纹图像必须经过压缩后存储以减少存储空间，本文提出了基于自适应稀疏变换的指纹图像压缩算法.该算法在离线状态下提取指纹图像特征训练超完备字典；在编码过程中，首先利用差分预测编码和稀疏变换将待压缩指纹图像转换到稀疏域，然后对直流系数和稀疏表达系数进行量化和熵编码，从而实现图像信息的压缩.实验表明，在中低码率段，本文算法相比于JPEG、JPEG2000和WSQ等主流压缩算法表现出更优越的率失真性能；在相同码率时，本文算法生成的压缩图像的主观视觉效果更好，指纹识别率更高.
随着指纹识别技术的广泛应用，大量指纹图像需要被收集和存储.在指纹识别系统中，对于大容量的指纹数据库，指纹图像必须经过压缩后存储以减少存储空间，本文提出了基于自适应稀疏变换的指纹图像压缩算法.该算法在离线状态下提取指纹图像特征训练超完备字典；在编码过程中，首先利用差分预测编码和稀疏变换将待压缩指纹图像转换到稀疏域，然后对直流系数和稀疏表达系数进行量化和熵编码，从而实现图像信息的压缩.实验表明，在中低码率段，本文算法相比于JPEG、JPEG2000和WSQ等主流压缩算法表现出更优越的率失真性能；在相同码率时，本文算法生成的压缩图像的主观视觉效果更好，指纹识别率更高.
