2018年 第44卷 第6期
2018, 44(6): 961-977.
doi: 10.16383/j.aas.2018.c170190
摘要:
高光谱图像（Hyperspectral imagery，HSI）分类是高光谱遥感对地观测技术的一项重要内容，在军事及民用领域都有着重要的应用.然而，高光谱图像的高维特性、波段间高度相关性、光谱混合等使得高光谱图像分类面临巨大挑战.近年来，随着深度学习新技术的出现，基于深度学习的高光谱图像分类在方法和性能上得到了突破性的进展，为其研究提供了新的契机.本文首先介绍了高光谱图像分类的背景、研究现状及几个常用的数据集，并简要概述了几种典型的深度学习模型，最后详细介绍了当前的一些基于深度学习的高光谱图像分类方法，总结了深度学习在高光谱图像分类领域中的主要作用和存在的问题，并对未来的研究方向进行了展望.
高光谱图像（Hyperspectral imagery，HSI）分类是高光谱遥感对地观测技术的一项重要内容，在军事及民用领域都有着重要的应用.然而，高光谱图像的高维特性、波段间高度相关性、光谱混合等使得高光谱图像分类面临巨大挑战.近年来，随着深度学习新技术的出现，基于深度学习的高光谱图像分类在方法和性能上得到了突破性的进展，为其研究提供了新的契机.本文首先介绍了高光谱图像分类的背景、研究现状及几个常用的数据集，并简要概述了几种典型的深度学习模型，最后详细介绍了当前的一些基于深度学习的高光谱图像分类方法，总结了深度学习在高光谱图像分类领域中的主要作用和存在的问题，并对未来的研究方向进行了展望.
2018, 44(6): 978-1004.
doi: 10.16383/j.aas.2018.c170043
摘要:
人体行为识别是计算机视觉领域的一个研究热点，具有重要理论价值和现实意义.近年来，为了评价人体行为识别方法的性能，大量的公开数据集被创建.本文系统综述了人体行为识别公开数据集的发展与前瞻：首先，对公开数据集的层次与内容进行归纳.根据数据集的数据特点和获取方式的不同，将人体行为识别的公开数据集分成4类.其次，对4类数据集分别描述，并对相应数据集的最新识别率及其研究方法进行对比与分析.然后，通过比较各数据集的信息和特征，引导研究者选取合适的基准数据集来验证其算法的性能，促进人体行为识别技术的发展.最后，给出公开数据集未来发展的趋势与人体行为识别技术的展望.
人体行为识别是计算机视觉领域的一个研究热点，具有重要理论价值和现实意义.近年来，为了评价人体行为识别方法的性能，大量的公开数据集被创建.本文系统综述了人体行为识别公开数据集的发展与前瞻：首先，对公开数据集的层次与内容进行归纳.根据数据集的数据特点和获取方式的不同，将人体行为识别的公开数据集分成4类.其次，对4类数据集分别描述，并对相应数据集的最新识别率及其研究方法进行对比与分析.然后，通过比较各数据集的信息和特征，引导研究者选取合适的基准数据集来验证其算法的性能，促进人体行为识别技术的发展.最后，给出公开数据集未来发展的趋势与人体行为识别技术的展望.
2018, 44(6): 1005-1014.
doi: 10.16383/j.aas.2017.c160715
摘要:
高速铁路道岔是与高速列车直接接触的重要信号设备，其控制电路的故障检测手段目前仍停留在简单仪器与人的经验相结合的方式.为了实现道岔控制电路故障的智能诊断，提高故障诊断的准确率并降低单一诊断方法带来的不确定性，本文提出一种基于群决策的诊断方法：首先根据道岔控制电路的特点，总结了典型的11个故障模式和对应的8个故障特征；其次，分别采用模糊理论、神经网络和支持向量机（Support vector machine，SVM）对道岔控制电路进行故障诊断；然后引入群决策理论将三种方法视为决策专家，通过群基数效应集结方式实现决策级上的信息融合从而得到群专家综合评判的诊断结果.从仿真数据的验证来看，该方法比单一方法的故障诊断的准确率要高，表明了本文所提方法能够实现三种方法的互补融合，也提高了故障诊断的准确率，在该领域有着良好的应用前景.
高速铁路道岔是与高速列车直接接触的重要信号设备，其控制电路的故障检测手段目前仍停留在简单仪器与人的经验相结合的方式.为了实现道岔控制电路故障的智能诊断，提高故障诊断的准确率并降低单一诊断方法带来的不确定性，本文提出一种基于群决策的诊断方法：首先根据道岔控制电路的特点，总结了典型的11个故障模式和对应的8个故障特征；其次，分别采用模糊理论、神经网络和支持向量机（Support vector machine，SVM）对道岔控制电路进行故障诊断；然后引入群决策理论将三种方法视为决策专家，通过群基数效应集结方式实现决策级上的信息融合从而得到群专家综合评判的诊断结果.从仿真数据的验证来看，该方法比单一方法的故障诊断的准确率要高，表明了本文所提方法能够实现三种方法的互补融合，也提高了故障诊断的准确率，在该领域有着良好的应用前景.
2018, 44(6): 1015-1027.
doi: 10.16383/j.aas.2018.c160642
摘要:
Seru生产系统是一种被广泛应用于电子制造产业的新型生产模式，但由于流水线向Seru系统转化问题（Line-seru conversion）包含有Seru构建与Seru调度两个相互耦合的子问题，现有算法难以在同时兼顾解的质量与计算效率的情况下对问题进行求解.因此，本文针对流水线向Seru系统转化问题的特点，提出了一种协同进化算法，即在进化算法中加入了协同机制，将Seru构建与Seru调度子问题作为两个子种群利用该机制进行协同进化，从而弥补了现有算法的不足.并且，本文还针对问题特点设计了个体基因编码方式，从而使规划获得的Seru生产系统具有更优的生产性能及均衡性能.实验表明，采用加入了协同机制的进化算法比传统解决流水线向Seru系统转化问题的方法具有更好的性能，本文所提的方法在最小化产品流通时间和劳动时间有较好的性能表现，并且具有较高的计算效率.
Seru生产系统是一种被广泛应用于电子制造产业的新型生产模式，但由于流水线向Seru系统转化问题（Line-seru conversion）包含有Seru构建与Seru调度两个相互耦合的子问题，现有算法难以在同时兼顾解的质量与计算效率的情况下对问题进行求解.因此，本文针对流水线向Seru系统转化问题的特点，提出了一种协同进化算法，即在进化算法中加入了协同机制，将Seru构建与Seru调度子问题作为两个子种群利用该机制进行协同进化，从而弥补了现有算法的不足.并且，本文还针对问题特点设计了个体基因编码方式，从而使规划获得的Seru生产系统具有更优的生产性能及均衡性能.实验表明，采用加入了协同机制的进化算法比传统解决流水线向Seru系统转化问题的方法具有更好的性能，本文所提的方法在最小化产品流通时间和劳动时间有较好的性能表现，并且具有较高的计算效率.
2018, 44(6): 1028-1036.
doi: 10.16383/j.aas.2017.c160834
摘要:
现有项目调度问题的研究一般假设资源在任务间转移不需要时间，但这一假设与很多实际情况不相符，本文在资源受限项目调度问题（Resource-constrained project scheduling problem，RCPSP）中引入资源转移时间，以最小化项目工期为目标，建立了考虑资源转移时间的资源受限项目调度问题的数学模型.为改善遗传算法在局部搜索能力方面的不足，提出将分支定界法与遗传算法相结合，构造了一种内嵌分支定界寻优搜索的遗传算法，在保证算法全局搜索能力的前提下提升局部精确搜索能力.同时，对于遗传算法，为了适应算法结构提出了一种基于任务绝对顺序的编码策略.数据实验表明，对于小规模问题可获得近似精确解，对于大规模问题相较现有文献所提算法，在算法求解精度上可提升10%.
现有项目调度问题的研究一般假设资源在任务间转移不需要时间，但这一假设与很多实际情况不相符，本文在资源受限项目调度问题（Resource-constrained project scheduling problem，RCPSP）中引入资源转移时间，以最小化项目工期为目标，建立了考虑资源转移时间的资源受限项目调度问题的数学模型.为改善遗传算法在局部搜索能力方面的不足，提出将分支定界法与遗传算法相结合，构造了一种内嵌分支定界寻优搜索的遗传算法，在保证算法全局搜索能力的前提下提升局部精确搜索能力.同时，对于遗传算法，为了适应算法结构提出了一种基于任务绝对顺序的编码策略.数据实验表明，对于小规模问题可获得近似精确解，对于大规模问题相较现有文献所提算法，在算法求解精度上可提升10%.
2018, 44(6): 1037-1044.
doi: 10.16383/j.aas.2017.c160747
摘要:
在有向图中，针对多智能体系统中智能体动力学存在扰动的情形，研究了系统的一致性问题.每个智能体的动力学模型为存在未知外部扰动的一般线性系统.在有向图是强连通的条件下，通过设计一种基于扰动观测器的分布式算法，实现了存在未知扰动的线性多智能体系统的一致性.最后通过仿真验证所提算法的有效性.
在有向图中，针对多智能体系统中智能体动力学存在扰动的情形，研究了系统的一致性问题.每个智能体的动力学模型为存在未知外部扰动的一般线性系统.在有向图是强连通的条件下，通过设计一种基于扰动观测器的分布式算法，实现了存在未知扰动的线性多智能体系统的一致性.最后通过仿真验证所提算法的有效性.
2018, 44(6): 1045-1052.
doi: 10.16383/j.aas.2017.c160767
摘要:
为了有效解决同时具有随机失效与退化失效的拉式生产系统的维护问题，提出了基于状态的双阶段预防性维护（Preventive maintenance，PM）策略.首先，根据设备的退化状态、生产端状态以及库存容量构建了系统的状态空间，并利用马尔科夫链描述系统的状态转移.之后，分别以最小化失效率和最大化产出速率为目标，建立了考虑检测周期、看板数量以及预防性维护阈值的综合预防性维护模型.针对设备随役龄增加而故障频发的特点，引入失效率递增因子.最后，给出了最小化失效率和最大化产出速率两种目标下的求解算法，并对决策变量做了敏感性分析.数值实例与现有方案的对比表明了所建模型和算法的有效性.
为了有效解决同时具有随机失效与退化失效的拉式生产系统的维护问题，提出了基于状态的双阶段预防性维护（Preventive maintenance，PM）策略.首先，根据设备的退化状态、生产端状态以及库存容量构建了系统的状态空间，并利用马尔科夫链描述系统的状态转移.之后，分别以最小化失效率和最大化产出速率为目标，建立了考虑检测周期、看板数量以及预防性维护阈值的综合预防性维护模型.针对设备随役龄增加而故障频发的特点，引入失效率递增因子.最后，给出了最小化失效率和最大化产出速率两种目标下的求解算法，并对决策变量做了敏感性分析.数值实例与现有方案的对比表明了所建模型和算法的有效性.
2018, 44(6): 1053-1061.
doi: 10.16383/j.aas.2017.c160567
摘要:
为解决非线性动态负荷条件下，智能电能表的动态误差测试问题.本文首先将m序列算子作为映射算子，采用基于信号特性建模的方法，建立三相畸变波形m序列动态测试信号结构化参数模型.其次根据压缩检测（Compressed measurement，CM）理论，采用系统稳态优化的方法构造最优压缩检测测量矩阵，实现对动态测试功率信号电能量值的检测.仿真实验表明，压缩检测方法可以对畸变波形m序列动态测试信号进行电能量值的检测，检测算法的相对误差优于1×10-13.
为解决非线性动态负荷条件下，智能电能表的动态误差测试问题.本文首先将m序列算子作为映射算子，采用基于信号特性建模的方法，建立三相畸变波形m序列动态测试信号结构化参数模型.其次根据压缩检测（Compressed measurement，CM）理论，采用系统稳态优化的方法构造最优压缩检测测量矩阵，实现对动态测试功率信号电能量值的检测.仿真实验表明，压缩检测方法可以对畸变波形m序列动态测试信号进行电能量值的检测，检测算法的相对误差优于1×10-13.
2018, 44(6): 1062-1071.
doi: 10.16383/j.aas.2018.c170511
摘要:
为解决低分辨雷达目标自动识别中，干扰目标、虚假目标的存在以及不同类别目标样本集混叠的问题，提出了一种基于最小代价的拒判K近邻识别算法.该算法根据雷达识别系统最小代价的原则，利用Fisher判别函数，确定拒判门限.设计了基于两类拒判域的K近邻识别算法，第一类拒判根据训练样本集特征值的波动范围，对干扰目标和虚假目标进行拒判；第二类拒判根据测试样本与最近邻、次近邻的距离差，实现混叠区域的目标样本拒判.算法先对测试样本进行拒判分析，再利用K近邻算法识别分类.实验结果表明，基于以上算法的低分辨雷达目标识别系统具有较好的鲁棒性和识别性能.
为解决低分辨雷达目标自动识别中，干扰目标、虚假目标的存在以及不同类别目标样本集混叠的问题，提出了一种基于最小代价的拒判K近邻识别算法.该算法根据雷达识别系统最小代价的原则，利用Fisher判别函数，确定拒判门限.设计了基于两类拒判域的K近邻识别算法，第一类拒判根据训练样本集特征值的波动范围，对干扰目标和虚假目标进行拒判；第二类拒判根据测试样本与最近邻、次近邻的距离差，实现混叠区域的目标样本拒判.算法先对测试样本进行拒判分析，再利用K近邻算法识别分类.实验结果表明，基于以上算法的低分辨雷达目标识别系统具有较好的鲁棒性和识别性能.
2018, 44(6): 1072-1085.
doi: 10.16383/j.aas.2017.c160793
摘要:
提出一种新的非线性图像插值算法，称为基于预测梯度的图像插值（Image interpolation with predicted gradients，PGI）.首先沿用现有的边缘对比度引导的图像插值（Contrast-guided image interpolation，CGI）算法思想对低分辨率图像中的边缘进行扩散处理，然后预测高分辨率图像中未知像素的性质，最后对边缘像素采用一维有方向的插值，对非边缘像素采用二维无方向的插值.与通常的非线性图像插值算法相比，新算法对图像边缘信息的理解更为完善.与CGI算法相比，由于梯度预测策略的使用，PGI算法能够更有效地确定未知像素的相关性质（是否为边缘像素，以及是边缘像素时其边缘方向）.实验结果表明，PGI算法无论在视觉效果还是客观性测评指标方面均优于现有的图像插值算法.此外，在对彩色图像进行插值时，本文将通常的RGB颜色空间转化为Lab颜色空间，不仅减少了伪彩色的生成，而且降低了算法的时间复杂度.
提出一种新的非线性图像插值算法，称为基于预测梯度的图像插值（Image interpolation with predicted gradients，PGI）.首先沿用现有的边缘对比度引导的图像插值（Contrast-guided image interpolation，CGI）算法思想对低分辨率图像中的边缘进行扩散处理，然后预测高分辨率图像中未知像素的性质，最后对边缘像素采用一维有方向的插值，对非边缘像素采用二维无方向的插值.与通常的非线性图像插值算法相比，新算法对图像边缘信息的理解更为完善.与CGI算法相比，由于梯度预测策略的使用，PGI算法能够更有效地确定未知像素的相关性质（是否为边缘像素，以及是边缘像素时其边缘方向）.实验结果表明，PGI算法无论在视觉效果还是客观性测评指标方面均优于现有的图像插值算法.此外，在对彩色图像进行插值时，本文将通常的RGB颜色空间转化为Lab颜色空间，不仅减少了伪彩色的生成，而且降低了算法的时间复杂度.
2018, 44(6): 1086-1095.
doi: 10.16383/j.aas.2018.c170199
摘要:
针对从给定2D特征点的单目图像中重构对象的3D形状问题，本文在形状空间模型的基础上，结合L1/2正则化和谱范数的性质提出一种基于L1/2正则化的凸松弛方法，将形状空间模型的非凸求解问题通过凸松弛方法转化为凸规划问题；在采用ADMM算法对凸规划问题进行优化求解过程中，提出谱范数近端梯度算法保证解的正交性与稀疏性.利用所提的优化方法，基于形状空间模型和3D可变形状模型在卡内基梅隆大学运动捕获数据库上进行3D人体姿态重构，定性和定量对比实验结果表明本文方法均优于现有的优化方法，验证了所提方法的有效性.
针对从给定2D特征点的单目图像中重构对象的3D形状问题，本文在形状空间模型的基础上，结合L1/2正则化和谱范数的性质提出一种基于L1/2正则化的凸松弛方法，将形状空间模型的非凸求解问题通过凸松弛方法转化为凸规划问题；在采用ADMM算法对凸规划问题进行优化求解过程中，提出谱范数近端梯度算法保证解的正交性与稀疏性.利用所提的优化方法，基于形状空间模型和3D可变形状模型在卡内基梅隆大学运动捕获数据库上进行3D人体姿态重构，定性和定量对比实验结果表明本文方法均优于现有的优化方法，验证了所提方法的有效性.
2018, 44(6): 1096-1106.
doi: 10.16383/j.aas.2018.c160729
摘要:
针对学步期幼儿的行走步态信息采集困难这一问题展开研究，提出一种基于Kinect的自然步态提取方法.通过Kinect直接获取人体的骨骼信息来采集不同月龄幼儿行走的关节数据，并利用关节位置平滑和骨骼长度曲线拟合实现对骨骼数据的滤波和截取；通过拟合幼儿行走的足端轨迹来提取不同月龄的步态时空参数，基于下肢的逆运动学解算来获得各关节角变化，并由此总结出学步期幼儿独立行走时的步态特征变化规律.
针对学步期幼儿的行走步态信息采集困难这一问题展开研究，提出一种基于Kinect的自然步态提取方法.通过Kinect直接获取人体的骨骼信息来采集不同月龄幼儿行走的关节数据，并利用关节位置平滑和骨骼长度曲线拟合实现对骨骼数据的滤波和截取；通过拟合幼儿行走的足端轨迹来提取不同月龄的步态时空参数，基于下肢的逆运动学解算来获得各关节角变化，并由此总结出学步期幼儿独立行走时的步态特征变化规律.
2018, 44(6): 1107-1114.
doi: 10.16383/j.aas.2017.c160652
摘要:
研究了带有未知通信干扰、观测丢失和乘性噪声不确定性的多传感器网络化系统的状态估计问题.通过白色乘性噪声描述系统状态和观测中的随机不确定性，采用一组服从Bernoulli分布的随机变量描述网络传输过程中存在的观测丢失现象，且数据传输中存在未知的网络通信干扰.当发生丢包时，以当前丢失观测的预报值进行补偿.对每个单传感器子系统，应用线性无偏最小方差估计准则设计了不依赖于未知通信干扰的最优线性滤波器.推导了任两个局部滤波误差之间的互协方差阵.进而，应用矩阵加权融合估计算法给出了分布式融合状态滤波器.仿真例子验证了算法的有效性.
研究了带有未知通信干扰、观测丢失和乘性噪声不确定性的多传感器网络化系统的状态估计问题.通过白色乘性噪声描述系统状态和观测中的随机不确定性，采用一组服从Bernoulli分布的随机变量描述网络传输过程中存在的观测丢失现象，且数据传输中存在未知的网络通信干扰.当发生丢包时，以当前丢失观测的预报值进行补偿.对每个单传感器子系统，应用线性无偏最小方差估计准则设计了不依赖于未知通信干扰的最优线性滤波器.推导了任两个局部滤波误差之间的互协方差阵.进而，应用矩阵加权融合估计算法给出了分布式融合状态滤波器.仿真例子验证了算法的有效性.
2018, 44(6): 1115-1127.
doi: 10.16383/j.aas.2017.c160809
摘要:
分布式数据流大数据中的类别边界不规则且易变，因此基于单变量决策树的集成分类器需要较大数量的基分类器才能准确地近似表达类别边界，这将降低集成分类器的学习与分类性能.因而，本文提出了基于几何轮廓相似度的多变量决策树.在最优基准向量的引导下将n维空间样本点投影到一维空间以建立有序投影点集合，然后通过类别投影边界将有序投影点集合划分为多个子集，接着分别对不同类别集合的交集递归投影分裂，最终生成决策树.实验表明，本文提出的多变量决策树GODT具有很高的分类精度和较低的训练时间，有效结合了单变量决策树学习效率高与多变量决策树表示能力强的优点.
分布式数据流大数据中的类别边界不规则且易变，因此基于单变量决策树的集成分类器需要较大数量的基分类器才能准确地近似表达类别边界，这将降低集成分类器的学习与分类性能.因而，本文提出了基于几何轮廓相似度的多变量决策树.在最优基准向量的引导下将n维空间样本点投影到一维空间以建立有序投影点集合，然后通过类别投影边界将有序投影点集合划分为多个子集，接着分别对不同类别集合的交集递归投影分裂，最终生成决策树.实验表明，本文提出的多变量决策树GODT具有很高的分类精度和较低的训练时间，有效结合了单变量决策树学习效率高与多变量决策树表示能力强的优点.
2018, 44(6): 1128-1137.
doi: 10.16383/j.aas.2017.c160776
摘要:
提出了一种基于故障可诊断性量化评价的传感器优化配置方法.针对可能发生故障的非线性系统，首先，基于K-L散度思想，通过计算故障情形下残差概率密度函数的差异度，得到了系统不同故障下故障可检测性和可分离性的量化指标，由于稀疏内核密度估计和蒙特卡洛算法的引入，克服了K-L散度计算中残差概率密度函数难以估计和非线性结构的K-L散度计算复杂度高的困难；其次，以故障可诊断性的定量评价为基础，借助于动态规划方法给出了系统满足期望故障可诊断性的传感器最优集合；最后，通过数值仿真和实体实验仿真验证了文中方法在故障诊断系统传感器优化配置中的有效性.
提出了一种基于故障可诊断性量化评价的传感器优化配置方法.针对可能发生故障的非线性系统，首先，基于K-L散度思想，通过计算故障情形下残差概率密度函数的差异度，得到了系统不同故障下故障可检测性和可分离性的量化指标，由于稀疏内核密度估计和蒙特卡洛算法的引入，克服了K-L散度计算中残差概率密度函数难以估计和非线性结构的K-L散度计算复杂度高的困难；其次，以故障可诊断性的定量评价为基础，借助于动态规划方法给出了系统满足期望故障可诊断性的传感器最优集合；最后，通过数值仿真和实体实验仿真验证了文中方法在故障诊断系统传感器优化配置中的有效性.
2018, 44(6): 1138-1152.
doi: 10.16383/j.aas.2017.c160475
摘要:
传统模型匹配跟踪方法没有充分考虑目标与所处图像的关系，尤其在复杂背景下，发生遮挡时易丢失目标.针对上述问题，提出一种前景约束下的抗干扰匹配（Anti-interference matching under foreground constraint，AMFC）目标跟踪方法.该方法首先选取图像帧序列前m帧进行跟踪训练，将每帧图像基于颜色特征分割成若干超像素块，利用均值聚类组建簇集合，并通过该集合建立判别外观模型；然后，采用EM（Expectation maximization）模型建立约束性前景区域，通过基于LK（Lucas-Kanade）光流法框架下的模型匹配寻找最佳匹配块.为了避免前景区域中相似物体的干扰，提出一种抗干扰匹配的决策判定算法提高匹配的准确率；最后，为了对目标的描述更加准确，提出一种新的在线模型更新算法，当目标发生严重遮挡时，在特征集中加入适当特征补偿，使得更新的外观模型更为准确.实验结果表明，该算法克服了目标形变、目标旋转移动、光照变化、部分遮挡、复杂环境的影响，具有跟踪准确和适应性强的特点.
传统模型匹配跟踪方法没有充分考虑目标与所处图像的关系，尤其在复杂背景下，发生遮挡时易丢失目标.针对上述问题，提出一种前景约束下的抗干扰匹配（Anti-interference matching under foreground constraint，AMFC）目标跟踪方法.该方法首先选取图像帧序列前m帧进行跟踪训练，将每帧图像基于颜色特征分割成若干超像素块，利用均值聚类组建簇集合，并通过该集合建立判别外观模型；然后，采用EM（Expectation maximization）模型建立约束性前景区域，通过基于LK（Lucas-Kanade）光流法框架下的模型匹配寻找最佳匹配块.为了避免前景区域中相似物体的干扰，提出一种抗干扰匹配的决策判定算法提高匹配的准确率；最后，为了对目标的描述更加准确，提出一种新的在线模型更新算法，当目标发生严重遮挡时，在特征集中加入适当特征补偿，使得更新的外观模型更为准确.实验结果表明，该算法克服了目标形变、目标旋转移动、光照变化、部分遮挡、复杂环境的影响，具有跟踪准确和适应性强的特点.
