基于Wi-Fi感知的多用户身份识别研究

随着无线感知技术的发展,基于Wi-Fi的身份识别研究在人机交互和家居安防等领域备受关注。尽管基于Wi-Fi信号的身份识别已经取得了初步的成功,但是目前主要适用于用户独立行为场景,并发行为下的多用户身份识别仍然面临着一系列挑战,包括用户之间的相互干扰以及模型鲁棒性差等问题。因此,提出了一种并发行为下多用户身份识别系统Wiblack,其核心思想是训练一个多分支深度神经网络(Wiblack-Net)来提取每个单用户的独特特征。首先,利用主干网络提取多用户之间的共同特征;然后,为每个用户分配一个二分类器以此判断给定群体中是否存在目标用户,在此基础上基于并发行为实现多个用户身份识别。此外,将Wiblack与多个独立的二分类模型和单个多分类模型进行对比实验,对运行效率和系统性能进行分析。实验结果显示,在同时识别3个用户身份时,Wibalck平均准确率达到了92.97%,平均精确度为93.71%,平均召回率为93.24%,平均F1值为92.43%。

面向安防领域的模块化本体重用算法研究

针对独立本体在安防领域中存在的本体复杂度高与本体重用效率低的问题,提出一种模块化本体重用算法。为确定子模块间概念的上下位关系,应用分布式描述逻辑(Distributed Description Logic,DDL)语言构建安防领域模块化本体。在此基础上,使用基于保守扩充理论的模块化本体重用算法,实现模块化本体的模块抽取和重用。在已构建的本体库中对该算法进行评估,提高了重用本体所占被重用目标本体的比重,减少了本体重用模块抽取时间。实验结果表明,该算法可以减轻被重用目标本体复杂度,有效实现模块化本体的重用。

面向会话的需求感知注意图神经网络推荐模型

针对现有基于图的会话推荐方法忽略了反馈数据中由于用户行为不确定性引起的噪声影响,存在无法准确和有效地捕捉用户偏好的问题,提出一种面向会话的需求感知注意图神经网络推荐模型(DAAGNNSR)。将具有时序性的会话数据构建为图,通过引入图神经网络学习图上节点嵌入表示;将提取的项目特征使用需求感知聚合器线性聚合为用户潜在需求矩阵,以自动削弱噪声干扰,同时用低秩多头注意力网络将该矩阵与全部项目特征进行逐项兴趣交互生成需求增强的项目表征;联合独立位置编码进一步分析项目间顺序关联,并且将生成的独立位置嵌入与项目表征进行线性融合;经过预测层生成推荐列表。将所提模型在Diginetica、Tmall和Nowplaying三个公共数据集上进行训练和测试,实验结果表明,该模型的推荐精度在各指标上均优于其他基线模型,与基于图上下文自注意力机制模型(GCSAN)相比,Diginetica上NDCG@10提高了5.6%,Tmall上Recall@10提高了6.4%;与基于图神经网络的SRGNN相比,Tmall上Precision@10提高了5.0%,推荐性能显著提升。

基于CNN的安防数据相似重复记录检测模型

安防行业的结构化数据中存在大量的相似重复记录,传统的相似重复记录检测算法的识别率很难满足安防行业的实际需求。针对这种情况,引入了卷积神经网络模型,设计两种以LeNet-5模型为基础的改进模型,一种是输入为词向量矩阵的模型,另一种是输入为相似度矩阵的模型。实验表明,输入为词向量矩阵的模型的精确率和召回率均达到了96%以上,输入为相似度矩阵的模型的精确率和召回率高达98%,并且K折交叉验证的结果说明模型具有较强的泛化能力。

基于WiFi信道状态信息的人员活动持续时间估计

针对传统人员活动持续时间估计系统隐私性及灵活性较差的问题,分析信道状态信息(CSI)的幅度变化,提出了一个基于WiFi信道状态信息的人员活动持续时间估计系统。该系统重点将连续复杂的人员活动持续时间估计问题转化为离散简单的人员检测问题。首先,采集CSI信息并滤除异常值和噪声;其次,利用主成分分析法(PCA)进行子载波降维,获取主成分以及相应的特征向量;随后计算主成分方差和特征向量一阶差分均值,并将两者比值作为特征值训练反向传输神经网络(BPNN)模型;然后,利用训练好的BPNN模型进行人员检测,并当检测出有人员活动时,进一步对CSI数据进行等宽分割;最后,针对所有分割后的CSI数据实现人员检测,并依据符合人员检测结果的数据来估计人员活动的持续时间。在真实室内环境中对系统进行实验评估,人员检测平均准确率可达到97%,活动持续时间误差不超过10%。实验结果表明,该系统能够有效估计出人员活动的持续时间。

融合上下文信息与自注意力机制的群组推荐算法

针对群组推荐中组内成员存在偏好动态复杂性的问题,群组成员间的偏好会彼此影响,提出了一种融合上下信息与自注意力机制的群组推荐算法。首先,为了更好地捕捉群组成员间的动态关系,利用自注意力机制自动学习群组内用户的上下文信息与群组中其他成员间的关系权重;其次,根据自注意力机制学习到的组矩阵取其均值嵌入得到群组偏好表示;最后,根据群组偏好利用贝叶斯个性化排序方法进行群组推荐。将提出的方法在MovieLens-1M和CAMRa2011两个数据集上进行实验,并且与基准算法进行比较分析,该方法在推荐的命中率HR和NDCG两个指标上均有提升,实验结果证明该方法得到了更优的群组推荐结果。

不确定需求下无人机任务分配的两阶段鲁棒优化方法

灾害场景下依托无人机配送资源应用前景广阔,但应急场景环境复杂多变,各类突发事件在时空上的不确定性会导致目标点对资源需求评估的不准确,进而影响到资源配送中无人机任务分配方案.针对此问题,在无人机任务分配模型中引入两阶段鲁棒优化方法.模型通过将无人机分配和任务分配相结合,充分利用无人机集群资源,实现需求变化最大化时的任务分配成本最低.本文对受伤人数等级与资源需求变化关系建模,将资源需求划分为3个等级,实现了任务分配总成本变化的精确化表达,并采用列和约束生成(Column-and-Constraint Generation,C&CG)算法实现了资源需求不确定条件下的无人机任务分配.最后设计了3种类型的实验,仿真结果验证了算法的有效性和优越性,相比确定性模型,该算法在应对需求变化时展现出更好的鲁棒性.

基于最佳特征子集的自适应非视距身份识别系统

身份识别一直是安防领域的研究重点,其在非视距场景下的研究存在较大意义。针对识别的舒适度和隐私性问题,提出基于最佳特征子集的自适应非视距身份识别系统。通过有效结合多种预处理手段获取Wi-Fi信号的低维有用数据;提出鲁棒性人员检测方法截取有效片段;设计有监督特征提取方法,使用“前向搜索”获取最佳特征子集;改进传统Adaboost算法实现群体变化下的自适应识别。实验评估表明,当系统中志愿者为2~12人时,与相关系统和传统分类算法相比,均具有较好的性能。

联合归一化模块和多分支特征的行人重识别

针对行人重识别技术中存在特征挖掘不充分的问题,提出一种联合归一化模块和多分支特征的行人重识别模型。在主干网络中嵌入注意力机制引导的实例归一化模块,减轻背景等杂波信息的影响。在双级特征融合模块对局部特征进行加权后再聚合形成对行人特征的更细节表达。联合平滑交叉熵损失、三元组损失以及跨分支特征蒸馏损失对网络进行优化。所提模型在Market-1501和DukeMTMC-ReID数据集上首位准确率分别达到了95.7%和89.2%。实验结果表明,该模型增强了对图像特征的提取。

基于GPS轨迹数据的电动出租车充电站选址规划

针对电动汽车保有量持续增长、充电设施匮乏难以满足用户需求的问题,提出一种基于GPS轨迹数据的电动出租车充电站选址规划方案。首先利用出租车GPS数据分析用户潜在充电需求并提取需求分布;其次提出一种基于网格密度分区的DBSCAN聚类方法,与传统算法相比DB指数由0.34降为0.30,对需求进行聚类和划分需求密集区,设置预选站址;最后,构建集合覆盖模型实现站址优化。利用此方案对北京大兴区出租车轨迹数据进行仿真,得出了合理的选址结果,即该方案可为电动出租车充电站规划提供参考。

联合注意力机制和多分支特征的行人重识别

针对行人重识别技术中存在模型识别率低的问题,提出一个联合注意力机制和多分支特征的网络模型。在残差网络中嵌入自注意力机制模块强化图像有效特征的提取,在深度特征挖掘模块,使用全局特征分支、局部关联特征分支以及随机擦除特征分支形成对行人更全面的描述。在优化过程中提出联合余弦交叉熵损失、全样本三元组损失、中心损失以及特征对齐损失对网络使用最小最大策略进行更新。所提方法在Market-1501和DukeMTMC-reID数据集上首位准确率分别达到了95.8%和89.8%。

基于多源城市数据的空气质量预测模型

针对目前空气质量预测研究方法只考虑单一站点时序特性的缺陷问题,提出一种基于多源城市数据的STRGNN模型。将相邻站点之间的空间相关性表示为距离图和相似图,根据领域类别对特征分组;将分组特征与构建的距离图和相似图成对组合输入至模型。通过收集邻近信息捕获空气质量的空间相关性,利用叠加多层的卷积捕获空气质量的时间相关性。仿真结果表明,该模型与GRU、Seq2Seq等4个基准模型相比,在1 h-6 h预测的MAE和RMSE分别降低了3%和1%,预测效果有所提升,验证所提方法与现有方法相比具有优越性。

面向应急场景最小化数据收集时间的无人机路径优化方法

针对应急场景中无人机(Unmanned Aerial Vehicle,UAV)辅助物联网节点(Internet of Things Node,IoTN)收集数据过程数据时效性差的问题,提出了一种基于费马点最小化数据收集时间的UAV路径优化方法。费马点的选取能够有效地优化UAV飞行路径,从而使数据收集时间最小,确保收集数据的及时性。该方法通过路径离散化将UAV飞行路径分段,利用连续凸优化(Successive Convex Approximation,SCA)转化复杂混合整数问题的非凸约束,围绕节点的联通性,优化UAV飞行速度与悬停点,求解出最小化数据收集时间的飞行路径。仿真结果表明,所提方法在收集数据时间方面相较于传统方法有6%的提升。

基于深度强化学习的C+L波段弹性光网络频谱分配算法

针对C+L波段弹性光网络中受激喇曼散射(SRS)效应导致物理层损伤加剧的问题,提出一种基于深度强化学习(DRL)自适应调制格式的频谱分配算法,在路由阶段,采用K最短路由算法为业务请求预计算K条最短备选路径;在波段、调制格式与频谱分配阶段,采用DRL进行智能化决策,并结合了2种奖励函数,以降低网络阻塞率并提高频谱使用效率。仿真结果表明,该算法能够有效降低阻塞率并提高频谱利用率。

基于YOLOv5的行人检测方法研究

针对YOLOv5在检测行人时容易出现漏检目标及检测精度低的问题,提出一种改进YOLOv5网络的行人检测模型。首先,主干网络使用SPD(Space-to-Depth)模块和Ghost卷积组合构造的SPD-GConv模块进行下采样,减少细粒度特征信息的损耗。其次,通过增加小尺寸检测层,增强模型的多尺度检测能力。然后,使用α-EIoU损失函数替换原始CIoU损失函数,提高行人目标定位准确度。使用Crowdhuman数据集进行训练和测试,实验结果表明,所提出算法比原始算法的召回率和平均精度值分别提高了4.7%和3.5%,能够有效提高远距离目标和密集场景下行人检测的准确率。

移动物联网非完整约束中继的协同任务规划

为实现突发事件的应急决策和态势评估,满足对重点区域的地面全景或空间立体信息可靠节能地远距离传输要求,本文将无人机(Unmanned Aerial Vehicle,UAV)作为空基感测平台,研究应急移动物联网应用中无人机编队能量受限条件下的远距离通信问题,提出面向非完整约束多地面移动中继的协同任务规划方法.首先,对该类物联网进行系统建模;其次,根据所建模型中无人机空基平台立体地分布于重点空域的特点,研究了地面移动中继区域分配算法、位置更新算法.在提供可靠节能通信的同时,确定其覆盖范围和最优布署方案.再次,针对地面移动中继非完整约束导致的对UAV空基平台分簇覆盖的拓展性不足,研究了多个地面移动中继的联合运动策略,以应对部分地面移动中继失效或因降低移动物联网的成本而出现地面移动中继数量减少的状况.最后,通过实验验证了本文所提方法的有效性.

基于特征交换的CNN图像分类算法研究

针对深度学习在图像识别任务中过分依赖标注数据的问题,提出一种基于特征交换的卷积神经网络(CNN)图像分类算法。结合CNN的特征提取方式与全卷积神经网络的像素位置预测功能,将CNN卷积层提取出的特征图与同类标签特征图进行交换,充分融合有限的图像特征,以解决图像识别中样本不足的问题。实验结果表明,该算法对标注数据的依赖性较低且有效提升了网络识别准确率,适用于数据量较小的图像分类场景。

基于旋翼无人机近地面空间应急物联网节点动态协同部署

针对基于旋翼无人机的近地面空间应急物联网在缺少地面基站和能量受限的情况下,可靠节能地远距离传输重点区域全信息的要求,研究由无人机组成的移动Ad-Hoc网络的远距离通信问题,提出近地面空间应急物联网空地节点动态协同部署方法.首先,对该类物联网进行系统建模;其次,根据所建模型中无人机编队大范围、队列化、微漂移地分散于监测区域的特点和编队的联合分布情况,在提供可靠通信的同时,将系统通信能耗和移动能耗的计算构建成二次约束二次规划问题;再次,根据Gerschgorin圆盘定理和根的存在性定理,证明了此问题为凸优化问题,进而可求解得到移动地面站的最佳路径点,实现近地面空间应急物联网空地节点动态协同部署.最后,通过实验,从通信耗能和运动耗能两方面验证了本文所提方法的有效性,同时,也分析了影响本文所述方法效能的因素.

基于MTCNN和Facenet的人脸识别系统设计

由于传统人脸识别系统多采用手工进行特征设定,存在识别精度低、速度慢等缺点,因此文中设计一种基于MTCNN和Facenet的人脸识别系统。采用MTCNN模型进行人脸边框回归,通过三阶级联卷积神经网络对人脸图像进行从粗到细的提取;采用Facenet模型进行人脸特征向量提取,构建本地人脸特征库;通过比对待识别人脸特征向量与本地人脸特征库中向量间的欧氏距离,输出识别结果。为验证系统性能,从检测速度与检测精度两方面进行测试。实验结果表明,文中所设计的系统识别速度达25 f/s以上,当特征向量间的欧氏距离的阈值设定为0.60时,在数据集LFW上的识别率最高达到99.27%。该系统检测速度满足实时性的同时具有较高的检测精度。

群智能算法在气体源定位中的应用综述

近几年频繁发生的气体泄漏事件使得气体源定位成为了公共安全领域亟待解决的问题。气体源定位问题本质上可以转化为最优化问题,群智能算法作为一种高效的优化算法,为其提供了一个全新的解决方案。介绍了气体源定位问题的研究背景和研究现状;根据群智能算法在气体源定位中应用的研究思路和研究内容对具有代表性研究成果进行了分类综述和对比分析;对目前基于群智能算法的气体源定位研究中存在的问题和未来发展趋势进行了分析和展望,对气体源定位问题的进一步研究提供一定的参考作用。