摘要:行为识别技术具有巨大的应用前景和潜在的经济价值,广泛应用于视频监控、视频检索、人机交互、公共安全等领域.图卷积网络表现出基于图数据的依赖关系进行建模的强大功能,成为行为识别领域的研究热点.基于此,主要概述基于图卷积网络的行为识别方法.图卷积网络主要有两大方法:基于频谱的方法和基于空间的方法.首先,从不同侧面分析两种方法的优缺点,概述两种方法在行为识别领域的应用与发展;然后,根据行为识别中图网络模型和算法设计的差异,总结网络构造的关键方面,对比不同算法对模型性能产生的影响;最后,针对图卷积网络在行为识别中存在的问题,对未来图卷积网络的发展进行展望.

摘要:行人重识别是计算机视觉领域极具挑战的研究课题.近年来,伴随大规模行人数据集推出和深度学习发展,针对行人特征提取与描述、距离度量学习两大关键技术的研究取得众多成果.已有综述文献主要对特征提取与描述方法开展了归纳总结,尚缺乏对度量学习方法的全面分析.同时,鉴于度量学习在提升重识别性能中的关键作用,有必要对行人重识别中度量学习研究现状进行系统梳理.基于此,从距离度量方式、度量学习算法和重排序3方面系统总结了行人重识别度量学习方法,比较了部分典型方法的实验效果,并对未来可能的研究方向作了展望.

摘要:由于位置更新公式存在局部开发能力较强而全局探索能力较弱的缺陷,导致蝗虫优化算法(GOA)易陷入局部最优以及早熟收敛,对此,提出一种混合柯西变异和均匀分布的蝗虫优化算法(HCUGOA).受柯西算子和粒子群算法的启发,提出具有分段思想的位置更新方式以增加种群多样性,增强全局探索能力;将柯西变异算子与反向学习策略相融合,对最优位置即目标值进行变异更新,提高算法跳出局部最优的能力;为了更好地平衡全局探索与局部开发,将均匀分布函数引入非线性控制参数c,构建新的随机调整策略.通过对12个基准函数和CEC2014函数进行仿真实验以及Wilcoxon秩和检验的方法来评估改进算法的寻优能力,实验结果表明,HCUGOA算法在收敛精度和收敛速度等方面都得到极大的改进.

摘要:实际生活中存在很多动态多目标优化问题,一旦环境发生变化,就要求进化算法能快速地跟踪优化问题随时间移动的Pareto前沿或Pareto解集.对此,提出一种基于分类的多策略预测方法(CMSP).首先,利用优化得到的近似最优解来检测Pareto解集(PS)的变化类型:不变、平移和其他.然后,针对不同的变化类型,采取不同的应对策略:若为不变,则保留精英个体,并保证多样性;若为平移,则对最优解集的中心点建立时间序列,通过预测梯度策略更新种群,将预测的个体与从旧种群中保留下来的个体进行比较,以保证预测的准确性;若为其他,则对多个特殊点建立时间序列以预测新环境中个体的位置.最后,引入种群保留策略和记忆恢复策略,有利于更充分地利用历史信息.实验结果表明,CMSP可以很好地进行动态多目标优化.

摘要:随着我国高铁建设成网,列车运行环境更加复杂多变,对日常行车调度的精细化提出了更高要求.对此,重点研究在大风、雨、雪等恶劣天气及设备设施故障等突发事件下造成列车运行晚点时,在不改变列车运行路径的前提下,如何通过调整高速列车行车顺序和到发时间,智能高效地恢复列车按图运行.将含有到发间隔、越行等多约束的列车运行时间调整问题建模成三维空间上的最佳路径搜索问题,提出一种改进蚁群算法来实现高速列车行车调度优化,并提出一个面向高铁调度的信息启发式因子和期望启发式因子的权重组合以及挥发因子的动态调整方法,用以提高收敛速度和维持解质量.仿真结果表明,所提出的“时间$=$空间”转换模型和权重自适应调整方法能有效提高蚁群搜索求解高铁调度问题的性能,实现高速列车行车调度优化.

摘要:线性自抗扰控制(linear active disturbance rejection control,LADRC)是不依赖于被控对象的数学模型,在工业过程中具有极大的应用前景,LADRC参数整定是其在工业过程中能否应用的重要环节.鉴于实际工业控制中大都采用PID控制器,通过对二阶LADRC结构与其状态观测器的传递函数进行分析,得到二阶LADRC与PID控制器具有较强的联系,且LADRC比PID有着更好的控制性能.提出一种通过现有PID参数直接得到LADRC参数初始值的方法,以达到更好的控制性能,并基于一阶惯性加时延模型,得到将现有PID整定方法转化为二阶线性自抗扰控制参数整定方法.最后通过基准系统仿真表明所提出方法的有效性.

摘要:采用原始的蒙皮区域卷积神经网络(Mask R-CNN)获取周围神经MicroCT图像中的神经束轮廓时存在收敛慢、精度低等问题.首先构建两个数据子集,然后提出一种密集连接型网络结构,提取神经束区域特征.此外,改进目标检测部分候选框的得分评价规则,并结合迁移学习策略改进原始算法的训练方式.采用准确率和交并比指标评价算法的准确度,精细度阈值指标评价轮廓获取的精度,并确定了精细度阈值的最佳值.实验结果表明,改进后算法在两个数据子集中的准确率和交并比均在83%和87%以上.在精细度阈值为0.85时,获得的神经束轮廓最佳.由此可见,改进后算法能够良好地实现从周围神经MicroCT图像中获取神经束轮廓的目标,为周围神经内部结构的三维可视化奠定基础.

摘要:针对现有大坝变形预测模型的预测精度不高、BP神经网络的参数和结构很难确定且容易陷入局部极值等问题,通过引入小波变换理论把原始的大坝变形序列分解成多个子序列,然后对每个子序列使用头脑风暴优化算法(brain storm optimization,BSO)优化BP神经网络的参数和结构.同时,把差分变异思想引入BSO算法,建立一种基于小波变换和差分变异头脑风暴算法优化BP神经网络的大坝变形预测模型.实验结果表明,与其他预测模型相比,所提出的预测模型具有更高的预测精度.

摘要:航空旅客出行的情况对民用航空机场建设与运营具有重大意义.针对航空旅客出行情况的预测研究,首先定义一种航空旅客出行指数,通过K-means聚类方法对航空旅客出行指数进行分级;然后基于互信息与相关性原理,选取航空旅客出行情况关键影响特征因子,提出一种基于关键影响因子与航空旅客出行指数互信息的MI-SVR(mutual information-support vector regression)机器学习预测模型;最后通过上海机场旅客出行指数预测实验对模型进行验证,实验结果显示MI-SVR模型具有可行性与有效性,同时,相比传统的预测模型预测效果更优.此外,实验结果也表明,相对仅基于历史数据进行独立预测,各模型基于互信息引入影响因子进行预测误差更小,研究结果有助于提升机场建设及运营管理水平,同时也可辅助人们选择通过民航交通方式出行的时段.

摘要:针对泡沫特征复杂繁多不利于建模控制的问题,提出一种基于稀疏化神经网络的泡沫图像特征选择方法.相较于大部分稀疏模型以线性回归模型作为损失函数的情况,选择以更为贴近实际工业过程非线性特点的神经网络模型作为损失函数,并加入$L_{2,1

摘要:卫星舱布局是卫星总体设计的重要组成部分,其研究的是仪器设备在卫星舱内的最佳摆放方式.从空间的角度出发,卫星舱布局的一个设计方案就是不同的仪器设备在容器内占据着不同的空间,当仪器设备所占空间发生变化时,就会形成新的设计方案.因此,卫星舱布局可以看成是将容器空间合理地分配给仪器设备(分配特性),并达到某种最优指标(优化特性).在借鉴蚁群劳动分工任务分配实现卫星舱布局空间分配的基础上,进一步融合卫星舱布局的优化特性,提出一种蚁群劳动分工优化算法.在具体的实现过程中,为基本蚁群劳动分工算法设计启发式占位动作、自适应环境刺激和个性化响应阈值,同时引入禁忌搜索、跳坑策略和接收准则等优化技术,对16个代表性算例的计算结果表明,所提出算法是求解卫星舱布局的有效算法.

摘要:在工业生产中,对系统进行故障检测具有十分重要的作用.改进的偏最小二乘(modified partial least squares,MPLS)是在PLS基础上提出的一种扩展算法,在质量相关故障检测中具有良好的检测效果,但当测试数据中含有质量无关故障时,MPLS算法漏报率较高.另外,MPLS算法的阈值为固定值会导致其误报率增加,这些问题会对工业过程监控产生较大影响.鉴于此,提出一种基于局部信息增量与MPLS的质量相关故障检测方法(local information increment-MPLS,LII-MPLS).在MPLS基础上,通过使用局部信息增量技术对测试数据进行实时更新检测后,质量相关故障的漏报率明显降低.同时,过程复杂化导致静态控制限不能满足故障检测的需求,现存的动态控制限适用范围具有一定局限性,因此改进静态控制限将其推广为局部动态阈值.最后,通过田纳西伊士曼过程(Tennessee Eastman process,TEP)仿真实验验证了所提出算法的有效性.

摘要:首先分析现有fal函数和传统非线性扩张状态观测器中存在的6类问题,提出一种固定时间收敛的fal函数,其收敛速度快于传统fal函数,且收敛时间上界与初始误差无关;然后,分别设计基于新型fal函数的非线性扩张状态观测器、指数收敛非线性扩张状态观测器和全新结构的固定时间收敛非线性扩张状态观测器;最后,通过仿真验证这3种新型的非线性扩张状态观测器的估计总误差相对于传统非线性扩张状态观测器分别减少15.4%、16.9%和93.8%,对应的被控状态总误差分别减少13.6%、30.4%和78.3%.

摘要:受损路网抢修是灾害应急响应中的一个非常重要的基础环节,主要研究如何对道路抢修队进行有效调度,以快速恢复受灾路网的交通能力,为后续顺利展开应急救援工作提供有效的保证.已有方法在路网受损严重的情形下往往难以给出有效的调度策略.为此,在已有工作的基础上,简化路网模型和决策模型,并基于动作集裁减和Q学习设计一种面向严重受损路网的抢修队调度算法.在该算法中,抢修队只能从当前可达的未修复受损路段集合中选择下一个动作,以确保Q学习的连续性.仿真实验结果表明,在节点数和受损率都较大的严重受损路网环境中,所提算法可以保证所有需求节点均可达,具有更高的稳定性和可靠性,且能够在更小的时间和修复代价内给出更优的调度方案.

摘要:提出基于Tustin生成函数的分数阶卡尔曼滤波器设计方法,以解决含有相互关联的分数阶有色过程噪声和分数阶有色测量噪声的连续时间线性分数阶系统的状态估计问题.通过Tustin生成函数方法,对连续时间线性分数阶系统进行离散化,将分数阶系统的微分方程转化为差分方程.利用增广向量法,将分数阶状态方程和分数阶有色噪声作为新的增广状态向量,从而将分数阶有色噪声转化为高斯白噪声.然后,提出一种基于Tustin生成函数的分数阶卡尔曼滤波算法,有效地实现对含有相互关联的分数阶有色过程噪声和分数阶有色测量噪声的连续时间线性分数阶系统的状态估计.与基于Grddotunwald-Letnikov差分的离散化方法相比,所提出的基于Tustin生成函数的卡尔曼滤波算法得到的状态估计精度更高,状态估计效果更好.最后,通过仿真结果验证所提出算法的有效性.

摘要:车辆动态行为的不确定性会造成跟随车辆控制的不确定性.传统的车辆跟随控制方法只是针对车辆的单一行为动态的不确定性进行建模,无法遍历车辆所有可能的控制输入,因而,既无法一次性提供跟随策略下完整的可行控制方案,也不足以在理论上保证对策略安全检测的可信性.为此,提出车辆跟随控制策略的状态可达集建模及验证方法.该方法将控制策略转换为能用可达集计算和表征的多级安全判定事件,利用随机可达集的状态遍历特征描述车辆控制输入的不确定性,通过对可达集交集的判断,辨识所有初始条件对应的危险与安全控制行为,为驾驶员提供完整的可选择控制方案;然后利用马尔科夫链逼近可达集,近似表达车辆行为的不确定性,依据驾驶员行为习惯统计验证策略的安全性,实现对控制策略的有效建模分析.实验结果表明,所提出的建模及验证方法不仅可以完备地表征车辆不确定行为,提供交通情形中跟随策略相应的完整控制方案,也可实现对策略安全性的精确验证.

摘要:宽度学习系统(broad learning system,BLS)作为深度神经网络的替代框架,具有快速自适应模型结构选择和在线增量学习能力,被认为是知识发现和数据工程领域中一种极具前途的技术.传统的BLS主要应用于数据分 布均衡且误分类代价相同的模式分类任务,但大多数实际应用的数据是非均衡分布的,如网络入侵监测、医疗诊断、信用卡欺诈检测等.基于此,提出一种基于数据分布特性的代价敏感BLS(data distribution-based cost-sensitive-BLS,DDbCs-BLS),解决数据分布不均、误分代价不同的模式分类任务.DDbCs-BLS在充分考虑数据统计分布特性的基础上寻找代价敏感型BLS分类器的最佳分类边界,保证少数类样本信息不被丢失,从而提高BLS在各类数据集上的模式分类性能.在多种公共数据集(包括均衡和不均衡数据集)上进行大量的验证性和对比性实验,结果表明DDbCs-BLS能有效确定分类边界线的最佳位置,无论是在均衡数据集还是在不均衡数据集上均能获得更好的分类性能.

摘要:由于人脸表情类内变化和类间干扰因素的存在,人脸表情识别仍面临着巨大挑战.提出一种基于性别条件约束随机森林的深度人脸表情识别方法,解决人脸表情识别中噪声、性别等变化和干扰问题.首先,采用深度多示例学习方法提取鲁棒性人脸特征,解决人脸光照、遮挡和低分辨率等图像变化问题;其次,采用性别条件随机森林分类方法进行人脸表情分类器设计,解决人脸性别因素干扰问题.在公开的CK+、BU-3DEF、LFW人脸表情数据库上进行广泛实验结果表明:所提出方法在3大人脸数据库上分别达到了98.83%、90%、60.58%的识别率,与先进方法相比具有更好的性能和鲁棒性.另外,与其他先进的深度学习方法(需要大量训练数据库)相比,所提出方法只需要小量训练样本就能达到较好效果.

摘要:不同工况下轴承退化数据分布不一致导致深度学习等方法对剩余寿命预测效果有限,而已有迁移学习预测方法未能充分挖掘不同工况退化序列的内在趋势性,为此,提出一种基于深度时序特征迁移的轴承剩余寿命预测方法.首先,提出一种深度时序特征融合的健康指标构建模型,利用时间卷积网络挖掘退化趋势的内在时序特征,得到源域多轴承的健康指标;然后,提出一种最小化序列相似度的领域自适应算法,利用源域健康指标作为退化趋势元信息,选取目标域与源域之间的公共敏感特征;最后,采用支持向量机构建预测模型.在IEEE PHM Challenge 2012 轴承全寿命数据集上进行实验,结果表明,所提出方法构建的健康指标可更有效地反映退化趋势,同时明显提升剩余寿命预测的准确度.

摘要:基于低秩矩阵恢复(low-rank matrix recovery,LRMR)的显著性目标检测模型将图像特征分解为与背景关联的低秩分量和与显著性目标相关联的稀疏分量,并从稀疏分量中获得显著性目标.现有的显著性检测方法很少考虑低秩分量与稀疏分量之间的相互关系,导致检测的显著性目标零散或不完整.为此,提出基于低秩矩阵恢复的显著性目标检测与细化方法来规避该限制.首先,所提方法采用ell_1范数稀疏约束和拉普拉斯正则项对初始显著图进行计算;在显著性细化阶段,由于非局部的ell_0优化可以有效地对显著性区域及其邻接区域之间的相互关系进行建模,结合初始显著图,采用非局部ell_0梯度优化,最小化显著性区域中显著值的变化,从而保证显著性目标的完整性.在4个显著性目标检测数据集上进行实验,通过实验结果验证所提算法的优越性.

摘要:针对多目标柔性作业车间绿色调度问题(MO-FJGSP),建立优化目标为最大完工时间、机器总负荷和能耗最小的多目标数学模型,并设计一种基于Pareto最优解的自适应多目标Jaya算法(SAMO-Jaya)对该问题进行优化求解.算法采用两级实数编码方式实现工序排序与机器分配的编码表示,并设计一种转换机制实现将Jaya连续解空间映射至FJSP离散解空间;然后设计一种混沌序列与均匀分布相结合的混合策略以提高初始种群的质量与全局分散性;此外,在Jaya算法中嵌入自适应调整种群规模的方法以提高算法求解速度.通过10个单目标与3个多目标基准算例测试,并与7个已有算法进行对比分析,结果表明SAMO-Jaya算法能够对MO-FJGSP进行有效求解.

摘要:研究信息非对称下考虑制造商回收行为的闭环供应链协调问题,其中回收率随时间动态变化,制造商的再造品成本为私有信息.通过构建分散决策模型,得到制造商与零售商的最优均衡解,并引入批发价格契约以促使制造商传递真实的成本信息.运用伊藤过程刻画回收率的随机演化过程,通过数值仿真分析信息隐匿度和回收率等参数对供应链的影响.研究表明:回收率在较短时间内能够达到稳定值,并受不确定因素影响在稳定值上下波动.外部激励比外部约束措施更能提升回收率.信息隐匿会降低制造商的回收率和公开利润以及零售商利润,批发价格契约的引入可有效提高供应链成员利润,减小分散决策和信息非对称带来的损失,使供应链实现帕累托改进.

摘要:考虑消费者存在缺货容忍行为,研究变质品的联合订购和信用期决策问题.假设延迟订购消费者面对缺货等待时存在一个容忍期限(即在该容忍期限内零售商无需支付缺货成本),同时考虑市场需求受商业信用期的影响,库存系统允许缺货且短缺量部分延迟订购.以零售商的平均利润最大化为目标,分两种情形构建变质品的订购和信用期决策模型.从理论上证明最优解的存在性和唯一性,给出相关定理结论,并在此基础上设计一个寻找最优解的两阶段迭代算法.最后通过数值算例展示了模型和算法的应用,并完成主要参数的灵敏度分析.研究结果表明:消费者的缺货容忍行为可以有效增加零售商利润,减低产品变质损失,同时还可以激励零售商提供更长的商业信用期,进而实现买卖双方的共赢.

摘要:考虑制造商的公平中性和公平偏好,研究制造商公平偏好程度和企业社会责任(CSR)水平对绿色供应链决策和收益的影响.研究发现:1)制造商的公平偏好行为有利于绿色产品批发价格和零售价格的降低,提高绿色度水平、市场需求和零售商利润,但该行为会在一定程度上损害其自身经济效益,供应链系统利润随制造商公平偏好程度的变化趋势受企业CSR水平的影响;2)制造商分担的系统CSR比例越大,绿色产品的批发价格和制造商利润越低,零售商利润越高,但其CSR行为对产品零售价格、绿色度水平、市场需求、系统利润、消费者剩余及社会福利的影响会因制造商公平偏好程度的不同而不同;3)制造商的公平偏好程度和CSR水平并非越高越好,制造商需在保障自身一定企业盈利的前提下考虑实施公平偏好行为,并将自身公平偏好度与CSR水平控制在合理范围内,不仅有利于产品绿色度水平和系统效率的提高,也有助于实现消费者利益和社会总福利的最优化.

摘要:在竞争企业具有服务差异化的背景下,研究一种定价歧视策略-----基于行为的定价(behavior-based pricing,BBP).采用博弈论方法构建两周期动态定价模型,通过价格和利润的对比分析进一步探讨服务水平差异化企业最优定价策略,最后分析BBP与服务差异化的交互作用.主要研究结论如下:1)服务差异化程度和相对服务成本两大因素交互影响着企业的最优定价策略.具体地,服务差异化程度较低(高)且相对服务成本较小(大)时,竞争企业均不采用(采用)BBP;服务差异化程度较低(高)但服务提升成本较大(小)时,竞争企业存在混合战略纳什均衡,双方有一定概率采用BBP.2)混合战略纳什均衡情形下,BBP导致的激烈价格竞争并不总是损害竞争双方的利润.当服务差异化程度较低且服务提升成本较大时,高服务水平企业反而能在这种价格竞争中实现利润增加.3)当服务差异化程度较高且相对服务成本较大时,BBP与服务差异化的交互作用能够实现服务差异化企业利润的帕累托改进,实现双赢的局面.

摘要:在碳交易和碳税并行的混合碳政策下,考虑由一个制造商和一个零售商组成的供应链系统,通过Stackelberg博弈方法构建供应链系统分散决策模型,确定制造商和零售商的最优减排与定价决策,并基于此分析制造商低碳转型过程中的技术选择策略,探讨低碳产品最优减排率与碳配额和碳税之间的关系,为政府制订政策提供理论依据.研究表明:制造商低碳转型过程中的技术选择主要取决于普通产品与低碳产品碳排放成本的差额,当差额小于阈值时,两种产品共同生产,否则普通产品将被停产;政府可以通过增加碳配额促进低碳产品最优减排率的提升;碳税对低碳产品最优减排率的影响较为复杂,当减排相对成本较低时,提高碳税可以促进低碳产品减排率的提升,而当减排相对成本较高时,碳税的提高会使减排率呈现先增加后下降的趋势.最后通过算例验证了上述结论.

摘要:研究了数据丢包和量化约束下的随机不确定系统分布式状态估计问题.将丢包现象描述为随机Bernoulli序列,采用预测补偿机制对数据丢包进行补偿,将量化引入的误差转化为观测方程中的不确定参数,将系统的模型不确定性描述为系数矩阵受到随机扰动;利用固定时域内的所有观测值构造代价函数,将状态估计问题建模为带不确定参数的鲁棒最小二乘优化问题,并通过将矢量优化问题转化为单峰函数的标量优化问题,实现了鲁棒滚动时域局部估计器的快速求解;对局部估计器的稳定性进行研究,给出了估计误差范数平方期望收敛的充分条件.应用协方差交叉(CI)融合算法进行加权融合,得到了分布式融合估计器.最后通过仿真验证了所提算法的有效性.

摘要:针对决策者在实际决策过程中表现出参照依赖和损失规避的现象,提出一种考虑决策者心理行为的灰色多属性群体决策方法.首先,利用“奖优罚劣”变换算子对原始决策信息进行规范化处理,以充分反映“奖优罚劣”思想;其次,依据决策群体信息,计算两两方案关于属性相比较时收益和损失的优势度,整合得到备选方案的全局优势度;再次,根据极大熵准则和群体意见一致性原则构建决策者权重优化模型,求出备选方案的综合价值并对其排序择优;最后,通过案例分析验证所提方法的可行性、合理性和实用性.

摘要:基于共享单车租赁所具有的随机性特点,构建随机环境下共享单车企业在寡头市场中关于租赁定价与投放数量联合决策的二维Bertrand博弈模型,研究差异定价与协同定价两种情形下共享单车企业的最优策略组合,分析市场潜在需求量和用车区域覆盖难度系数对企业策略以及经营利润产生的影响.研究表明:在差异定价情形下,当用车需求具有概率性特点时,共享单车企业之间的博弈存在唯一的纳什均衡解,且低价企业对市场价格的影响力升高有利于竞争双方利润增加;在协同定价情形下,共享单车市场的平均租赁价格较低,且随市场潜在需求量的增大而增大,但与差异定价情形相比增速较小;协同定价有利于维持共享单车企业在市场规模较小时的盈利,差异定价有利于抑制共享单车企业在市场规模扩大时的过度投放.