基于改进在线多示例学习算法的机器人目标跟踪

提出基于改进的在线多示例学习算法(Improved multiple instance learning,IMIL)的移动机器人目标跟踪方法.该方法利用射频识别系统(Radio frequency identification,RFID)粗定位IMIL算法的搜索区域,然后应用IMIL算法实现目标跟踪.该方法保证了机器人跟踪系统的连续性,解决了目标突然转弯时的跟踪问题.IMIL算法采用从低维空间提取的压缩特征描述包中示例,以降低算法耗时.通过最大化弱分类器与极大似然概率的内积,选择判别能力强的弱分类器,避免了弱分类器选择过程中多次计算包概率和示例概率,进一步提高算法的实时处理能力.计算包概率时该算法平等对待各示例,保证概率高的示例对包概率的贡献度,克服跟踪漂移问题.跟踪过程中,结合当前跟踪结果与目标模板间的相似性分数在线实时调整分类器,提高了算法的自适应能力.最后将本文方法在视频和移动机器人上进行实验.实验结果表明,该方法在目标运动突变及外观改变时具有较强的鲁棒性和准确性,并满足系统的实时性要求.

改进在线最小二乘支持向量机的合金成分预测

针对硅锰合金埋弧冶炼过程中合金成分检测困难、离线化验滞后大、难以实时控制的问题,提出一种改进在线最小二乘支持向量机(IOLSSVM)的合金成分预测模型。该模型对每一个新增样本采用增量式学习,根据样本对模型贡献的不同删除样本集中对模型贡献最小的样本数据,利用递推计算增强模型的在线学习能力。将此模型应用于30MVA硅锰合金埋弧炉冶炼过程合金成分预测,实际生产运行数据表明了此方法的有效性。

一种改进的OCSP证书撤销方案

在WPKI中,无线终端设备必须验证服务器证书是否己经撤销。撤销验证是一个复杂的处理过程,因此要选择一个代价较小、简单可靠、适合无线环境的撤销验证方案。在已有的OCSP(On-line Certificate Status Protocol)方案基础上提出一种新的方案,称之为改进的OCSP方案。它是对OCSP协议的改进,能够用较小的代价获得证书的实时状态。给出了这种方案的详细设计,并和其他方案进行了比较。

基于3D云设计平台的家装设计服务模式改进基础研究

本文的研究目的是研究现有的线上家装设计服务模式。探索服务模式中影响用户的不满意度因素,从而构建出线上家装设计中影响用户的满意度模型,为定量的用户满意度研究打下理论基础,并用与改善家装设计服务模式的服务质量,提高用户满意度。在研究中,首先通过对现有的线上家装设计服务模式进行分析,总结出他的工作流程以及服务蓝图,服务蓝图分为六个部分,分别为服务阶段的划分,展示服务的图形,消费者行为和服务提供者的前后台行为和消费者行为,以及支持流程部分。并将服务流程细分为六个部分。然后,挑选了八名设计师以及八名体验过线上家装设计服务的顾客进行深度访谈,以对线上家装设计服务不满意的环节作为谈论研究的出发点进行深度访谈,将采集来的访谈信息,使用KJ分析法对其进行分类整理,通过信息之间的亲和性,找出各个信息之间的关联性,分析出用户真正有满意度的需求,从而根据分析结果提出建议,更好的指导服务模式的改进。

上下文敏感的横向传播方法

为了有效提高基于调用图的上下文敏感指针分析能力及其上的环消除算法的时间分析效率问题,提出一个新的上下文敏感的横向传播算法。该算法使用当前最优秀的基于包含的指针分析在线改进技术。首先对新约束图的定义进行说明,将其初始化;为了证明上下文敏感的横向传播算法能精确有效地对源程序进行上下文敏感的指针分析,引入实例进行论述;最后用CIL工具进行实验,实验证明上下文敏感的横向传播算法在分析大规模程序时的时间花费减少了9s左右。