一种基于非对称决策融合的行人检测方法

行人检测一直是计算机视觉中的热门话题,其重要应用包括视觉监视、机器人技术和汽车驾驶等。而当行人暂时保持静止时,运动信息将消失,运动特征与外观特征均不稳定,故一般特征融合方法在该情况中无法获得良好效果。针对于此类问题,论文提出了一种非对称特征融合方法来处理此类不稳定信息源的融合问题,经实验表明,该方法具有较好的检测效果。

影响图的扩展综述

影响图是单决策人基于不确定信息表示和求解复杂决策问题的图模型,已成为一种流行的标准建模工具。由于决策环境纷繁复杂,决策问题多种多样,没有任何一种建模工具能够普遍适用于各种决策问题。为了表示复杂决策问题,增强影响图的表达能力,研究者对影响图进行了多种扩展。从建模无限制决策问题、非对称决策问题、涉及连续变量的决策问题、涉及非精确变量的决策问题及多Agent决策问题等方面对影响图的扩展进行了较为全面的回顾与分析,指出了有关影响图的进一步研究方向。关键词:决策;影响图;无限制决策;非对称决策;

不确定性、经济选择方式与资源配置效率

在充分分析行为人信息处理能力局限性的前提下,结合心理因素提出了行为人选择中的非对称序贯决策与行为中的试验性动机,非对称序贯决策最基本的功能包括两个方面,一是行为人主观概率判断的改善,另一是基于不确定程度变化的风险有效控制;试验性动机最显著的特点是,行为人以可接受的成本为代价,通过试探性过程的实践学习,达到降低不确定性程度,并以此实现追求确定性收益最大化的目的。以试验性动机为前提的非对称序贯决策,在资源配置上虽不一定是最优的,但其与竞争性市场的结合却是相对有效的;同时,正是人类的这种试验性动机,构成了经济进步的原动力。