基于全局一致性网络的参数化人体网格重建

人体网格重建(HMR)在人机交互和虚拟/增强现实等领域有广泛应用。为了进一步提高基于图像的人体网格重建中人体姿势和形状估计的精度,提出了基于混合逆运动学的全局一致性深度卷积神经网络,用于参数化人体网格重建(GloCoNet)。为了增强网络的全局一致性和全局上的长程依赖,该网络在特征提取网络基础上,设计了全局一致性增强器(GCB)模块,它能够增强模型对全局信息的感知能力和表达能力,并且使模型能够自适应地调整不同通道和空间位置的特征图权重。然后引入了多头注意力机制(MHSA)来捕获模型全局上的长程依赖,它可以帮助模型在处理长期依赖时更好地捕捉到关键的关系和模式,并建模全局上下文信息,从而更好的丰富特征子空间的多样性。同时,该网络采用混合逆运动学的方法弥合人体网格估计和3D人体关节点估计之间的差距,最终提升人体3D姿势和形状估计的准确度。实验结果表明,GloCoNet模型在公开的Human 3.6 M数据集上以平均每关节51.3 mm的位置误差(MPJPE)显著优于先前的主流方法。

基于全局一致性增强的多偏好会话推荐模型

基于会话的推荐旨在根据一组匿名会话预测用户下一个可能交互的物品.现有的基于图神经网络的会话推荐模型对全局信息的利用不足.为此,文中提出基于全局一致性增强的多偏好会话推荐模型(Global Consistency Augmented Multi-preference Session-Based Recommendation Model,GCAM).首先,在利用全局信息时,通过最短路径搜索算法构建一致性全局图,捕捉强依赖的物品关系,过滤不可靠的物品关系,从而保证全局信息的一致性.然后,应用一种多偏好标签平滑策略,从历史会话中充分挖掘协同信息,对标签进行平滑化,拟合用户偏好的真实分布.在3个数据集上的大量实验表明GCAM的优越性.

一类具有时变时滞的复值忆阻神经网络的全局一致渐近稳定性

利用Yang不等式以及构造Lyapuonv函数等技巧,给出了一类具有时变时滞的复值忆阻神经网络平衡点的全局一致渐近稳定性的新结果。最后,通过实例验证了所得结果的有效性和可行性。

基于多级特征全局一致性的多焦距图像融合去雾方法

雾气是降低多焦距图像清晰度的重要影响因素之一,为了最大程度地提高图像质量,提出基于多级特征全局一致性的多焦距图像融合去雾方法。考虑多焦距图像成像的环境因素,构建大气散射退化模型。在IMF分量融合规则支持下,融合多焦距图像样本,从纹理和颜色两个方面提取图像特征。计算多焦距图像环境光与透射率作为去雾参数,根据局部特征与全局特征差异,完成图像多级特征一致性转换,实现多焦距图像的融合去雾。实验结果表明,所提方法有效去雾系数提升了0.21,图像的对比度和信息熵分别提升了2.6和2.7 bit,即所提方法在多焦距图像去雾方面具有较好的应用效果。

一类连续级联系统的全局一致稳定性

针对一类非线性连续级联系统,利用齐次系统的齐次性质给出了其全局一致稳定性分析结果.假设级联系统中的驱动子系统和被驱动子系统分别满足全局一致渐近稳定且满足一定的齐次度,若级联项也满足一给定齐次不等式,则整个非线性级联系统为全局一致渐近稳定的.若驱动子系统和被驱动子系统都具有负的齐次度,则该非线性级联系统为全局一致有限时间稳定的.与传统的ISS假设或级联项增长假设相比,文中方法所给的齐次不等式条件更容易验证.且文中方法不仅适用于Lipschitz连续的系统,而且适用于非Lipschitz连续的系统.两个例子验证了该方法的有效性.

一类非线性时滞微分方程的全局一致渐近稳定性

研究了一类带有时滞的非线性动力系统的渐近行为.利用非线性测度以及微分不等式技巧,得到了系统全局一致渐近稳定的一个充分条件,改进了Kolmanovskii与Myshkis的相关结果.

适合分布式实时内存数据库的全局一致性模糊备份策略

当站点介质故障导致本地磁盘数据库和日志文件都遭受破坏的情况下,为了确保能迅速而有效地将全局数据库恢复到某个一致性状态,全局备份操作策略变得非常关键。本文提出了一个适合分布式实时内存数据库的全局一致性模糊备份策略,在此基础上给出了相应的故障恢复方法。

基于粒子滤波与局部全局一致性学习的目标跟踪算法

针对目标形变及复杂背景条件下的目标跟踪问题,利用基于图的半监督学习方法,结合粒子滤波,提出一种自适应的目标跟踪算法。该算法利用局部全局一致性学习(LLGC)算法建立代价函数,将当前的候选状态作为未标记样本,以所有样本为顶点建立图,以代价函数的最优解作为当前的状态,从而得到当前帧的目标位置;同时利用跟踪结果对标记样本进行实时更新,以适应目标形变,部分遮挡以及环境光照的变化。实验结果表明,该方法能够很好地处理目标跟踪中常见的遮挡、相似背景干扰等复杂情形,实现对目标的鲁棒跟踪。

多比例时滞细胞神经网络的全局一致渐近稳定性

对一类具多比例时滞细胞神经网络进行研究,利用变换()()t i i z t y e,将具多比例时滞细胞神经网络变换成变系数常时滞的细胞神经网络。通过构造合适的Lyapunov泛函,给出了几个保证该系统全局一致渐近稳定的时滞独立的充分条件,并给出例子验证所得结论的正确性。

全局一致性优化的无人机大倾角影像相对定向

针对无人机拍摄的大数据量大倾角影像三维重建,为获取影像的相对位姿,解决影像相对定向迭代不收敛、鲁棒性低等问题,提出了一种基于全局一致性优化的无人机相对定向方法。通过对增量式相对定向算法全局一次性平差优化改进,得到影像的高精度位姿信息。实验表明,该方法进行相对定向的效率与精度得到明显提高,并具有较好的鲁棒性。

基于稀疏分解的局部全局一致性学习算法

提出一种基于稀疏分解的l0构图法,通过稀疏分解系数矩阵得到图中邻接矩阵和边的权重。将l0构图法应用到局部全局一致性学习(Learning with Local and Global Consistency,LLGC)算法中,并通过K-均值聚类优化稀疏分解所需字典,以降低计算复杂度。在8个UCI数据集上的实验表明,与经典LLGC算法相比,新算法能在消耗时间不增加的情况下提高分类精度,提升算法性能。

全局一致终端滑模控制

根据终端滑模控制的机理及终端函数构造准则,提出了一种在任意初始状态下系统可在给定的有限时间内一致到达原点邻域的全局一致终端滑模,并给出了构造全局终端函数的准则。理论研究和仿真结果表明:全局一致终端滑模控制可使系统收敛时间不受初始状态的影响。

基于局部全局一致性学习算法的故障选线方法

针对现有故障选线方法用于中性点经消弧线圈接地系统或相电压过零点附近发生故障时选线不准确的问题,提出一种基于局部全局一致性学习算法的小电流选线方法,即首先对线路接地故障原始信号进行傅里叶变换,然后将各故障信号的特征量输入局部全局一致性学习算法,通过标签循环传递判断故障特征信号,从而选出故障线路。通过Matlab仿真模型与实验室测试平台对该方法进行了研究,结果表明该方法具有较高的选线可靠性与准确性。

一种基于多Agent的分布对象全局一致性模型

提出了一种基于多Agent的分布对象全局一致性模型,该模型模拟了一种复制的分布对象在更新(写操作)时的一致性问题解决方法,使用演算精确地描述了模型中各主机Agent之间的并发交互过程,体现了基于感知复制的分布对象交互.此模型在系统不具有可靠的广播机制的情况下使用较好.

船舶全局一致渐进路径跟踪变积分增益导航策略(英文)

本文利用一种新的导航策略和反馈控制器解决了欠驱动船舶受到外部扰动作用下的保持直线运动问题.与传统的视野线(line-of-sight,LOS)导航策略相比,改进的LOS导航策略具有变积分增益能够补偿外部环境扰动引起的侧滑效应并且能够避免积分饱和影响,其中积分增益是以垂直距离误差为函数引导船舶灵活快速地趋向期望的轨迹.本文所提出的积分导航策略和基于积分器反演控制策略组成一种串联结构的系统,并且证明了当所有控制目标实现时整个系统是全局一致渐进稳定的.仿真结果说明了所提出内容的有效性和性能.

实时更新的全局一致三维栅格建图

在未知的三维环境中,移动机器人自主导航通常需要实时构建与环境全局一致的栅格地图,而现有大部分系统缺少地图更新策略,构建的栅格地图与实际环境不一致.文中将同步定位与建图模块获得的环境信息以点云形式提供给栅格建图模块处理,同时提出基于关键帧的高效数据结构和地图实时更新策略,实时构建可用于移动机器人自主导航的全局一致的地图.室内动态的实验数据测试表明,文中方法可以有效实时更新地图,生成与环境一致的三维栅格地图,支持其后续的自主导航操作.

基于局部和全局一致性的多标签分类算法

针对局部和全局一致性的分类算法LGC未考虑标签之间的相关性,提出了一种基于局部和全局一致性的多标签分类(MLGC)算法。该方法新增加了一个标签与标签之间的约束,在分类时考虑了标签之间的相关性,再取出1/10的数据集使用该算法,求出每个标签的自适应阈值,利用阈值对整个数据集进行预测。实验结果表明,所提出算法在Emotion和Yeast数据集上均优于原来算法,将此算法应用于区域医疗大数据的项目中,也取得了良好的分类结果。

分布式仿真系统中的全局一致性问题研究

系统一致是分布仿真应用DSA的基础和前提。为提高DSA的全局一致性程度,获得真实、可信的仿真结果,首先阐述了DSA全局一致性问题;然后以某分布仿真系统为例,系统阐述了其全局不一致现象;在此基础上,分析了DSA系统的全局一致性需求;最后,重点给出了模型域、服务域和认知域内的一致性控制策略与建议。本研究可为DSA系统设计与开发人员提供技术与方法指导。

基于全局一致性的土地利用总体规划实施评价研究——以甘肃省麦积区为例

【目的】克服土地利用总体规划实施评价中过度强调耕地保护和建设用地约束的弊端,阐明规划指标完成程度与规划目标实现程度的关系,探讨评判规划指标执行情况的新思路.【方法】基于规划指标全局一致性的思路,以规划指标实现值与目标值的接近程度来判定规划目标的实现程度为标准,对比分析规划实施结果.【结果】1)传统方法规划综合评分80.51,结果良好,改进后为69.84,结果一般;规划指标执行、用地集约程度、用地结构布局变化这3个准则层传统方法的评分分别为97.01、58.86、75.38,改进后为92.78、0,73.03;主要指标耕地保有量、城乡建设用地、新增建设占用耕地、人均农村居民点传统方法评分分别为100、89.2、100、88.4,改进后为92.51、90.1、83.25、0;2)对比分析发现:虽然多数改进方法所得评价分值较之传统方法有所降低,但更能反映规划实施以来土地供应对需求结构的适应情况.【结论】规划评价中当且仅当指标恰好完成才是规划目标完好实现,否则指标实现值与目标值的接近程度越高则规划目标达成情况越好,以此思路进行指标评判不仅破除了评价过度强调保护与约束的弊端,而且提升了规划评价结果的科学性.

基于自适应邻居局部与全局一致性的雷达辐射源识别

为了实现在只有少量训练样本情况下的雷达辐射源识别,本文将局部与全局一致性(Learning with local and global consistency,LGC)算法引入到雷达辐射源识别领域,并针对传统的K近邻图局部与全局一致性算法对参数K较为敏感的问题进行改进,研究一种基于自适应邻居局部与全局一致性的雷达辐射源识别方法。该方法用自适应邻居图代替传统的K近邻图,根据每个样本数据所处位置的密度为每一个样本自适应地选取不同的K近邻个数,有效解决了传统方法参数敏感问题。仿真结果证明,改进后的算法能够在训练样本较少条件下对雷达工作状态进行有效识别,在消除了参数影响的同时还在一定程度上提高了识别准确率。