单源点疏散问题的Online探索算法研究

课题所研究的问题是受困人员如何从未知情形的受灾区域中尽快地完成撤离.单源点疏散问题是指受灾人员位于危险区域P中的某个位置,需要找到一条能够快速地到达安全位置(P的边界)的疏散路线.由于受灾人员不知道P边界的任何信息,所以采用online探索算法,针对单组单源点疏散问题,提出了三角形疏散策略探索凸多边形区域,计算出所提算法的竞争比为19.48,低于已有算法的竞争比,即优于现有求解该问题的其它算法.同时提出了分组数为2的半圆疏散策略用于探索P为任意多边形区域的情形,得到了一个较小的竞争比,结果表明,单源点半圆疏散策略可以较好地解决疏散区域为非凸多边形的疏散问题.

汉语语义依存分析

语义依存分析建立在依存理论基础上，是一种深层的语义分析理论。同时融合了句子的依存结构和语义信息，更好地表达了句子的结构与隐含信息。在许多高层次的研究和应用上，语义依存分析都大有用武之地。语义依存分析主要面临两方面的难题，一是语义体系的确定，其次是自动语义依存分析算法。将重点从语义体系的确定以及自动语义依存分析算法的角度上对语义依存分析进行系统的介绍。

基于改进YOLOv3的街道行人检测与跟踪方法

针对室外街道的行人检测与跟踪,提出一种改进YOLOv3与简单在线实时跟踪(simple online and real-time tracking,SORT)算法相结合的检测及跟踪方法。首先,引入距离和比例交并比(distance and proportional-IOU,DPIOU)损失,将原有的损失函数中的均方误差(mean square error,MSE)部分进行变化,从而得到更精确的检测框;其次,将网络结构中的RestNet进行优化,改变下采样区域,增加池化层,进而减少特征信息的丢失;最后将检测结果输入SORT算法进行建模和匹配。实验结果表明,在室外街道的场景下,改进的算法与YOLOv3相比较,损失值收敛更快,平均准确率高出4.85%,跟踪准确率上升3.4%,同时,模型的速度有所提高,最快可达14.39 FPS。