自适应相似图联合优化的多视图聚类

相比于单一视图学习,多视图学习往往可以获得学习对象更全面的信息,因而在无监督学习领域,多视图聚类受到了研究者的极大关注,其中基于图的多视图聚类,近年来取得了很大的研究进展.基于图的多视图聚类一般是先从各个视图原始数据学习相似图,再进行视图间相似图的融合来获得最终聚类结果,因此,多视图聚类的效果是由相似图质量和相似图融合方法共同决定的.然而,现有基于图的多视图聚类方法几乎都聚焦在视图间相似图的融合方法研究上,而缺乏对相似图本身质量的关注.这些方法大多数都是孤立地从各视图的原始数据中学习相似图,并且在后续图融合过程中保持相似图不变.这样得到的相似图不可避免地包含噪声和冗余信息,进而影响后续的图融合和聚类.而少量考虑相似图质量的研究,要么相似图构造和图融合过程是直接联立迭代的,要么在预定义相似图过程中提前利用秩约束进一步初始化,要么就是利用相似图存在的一些底层结构来获取融合图的.这些方法对相似图本身改进很小,最终聚类性能提升也十分有限.同时现有基于图的多视图聚类流程也缺乏对各视图间一致性和不一致性的综合考虑,这也会严重影响最终的多视图聚类性能.为了避免低质量预定义相似图对聚类结果的不利影响以及综合考虑视图间一致性与不一致性来提升最终聚类效果,本文提出了一种自适应相似图联合优化的多视图聚类方法.首先通过Hadamard积来获得视图间高质量一致性部分信息,再将每个预定义相似图和这部分信息对标,重构各个视图的预设相似图.这个过程强化了各视图间的一致性部分,弱化了不一致性部分.其次设计了相似图重构改进和图融合联合迭代优化框架,实现了相似图的自适应改进,最终达到相似图和聚类结果共同提升的效果.该方法将相似图改进过程与图融合过程联合起来进行自适应迭代优化,并且在迭代优化中不断强化各视图间的一致性,弱化视图间的不一致性.此外,本文的方法也集成了现有多视图聚类方法的一些优点,自加权以及无需额外聚类步骤等.在九个基准数据集上与八个对比方法的实验验证了本文方法的有效性与优越性.

考虑识别鲁棒性和虹膜颜色影响的瞳孔精准定位方法

准确的瞳孔定位广泛应用于疲劳监控、注意力分析、凝视跟踪等领域.当前,对于瞳孔定位的研究,还存在两个难点问题:(1)瞳孔检测的精准率受到图像分辨率、照明、头部姿态的影响,因而自然条件下的定位精准度较低;(2)虹膜颜色影响定位精准率,但当前对于不同虹膜颜色的瞳孔定位方法的研究还不完善.针对以上问题,提出一种新的适用于包含全脸图像的瞳孔定位方法.所提方法无需训练,可直接用于瞳孔定位任务.方法核心是将表示局部径向对称性的自相似性分数,与根据瞳孔和周围区域之间的梯度信息计算得到的眼部区域梯度辐射分数相结合,取联合分数峰值坐标为瞳孔中心.在BioID数据集和GI4E数据集上评估本方法.在归一化误差e≤0.05的情况下,准确率分别为94.67%(BioID),97.09%(GI4E),在e≤0.10的情况下,准确率分别为99.47%(BioID),99.51%(GI4E).所提方法在由低分辨率深色虹膜的人脸图像组成的自制数据集上准确率为98.66%(e≤0.05)和100%(e≤0.10),表明所提方法对于虹膜颜色有较好的鲁棒性.

基于Transformer紧凑编码的局部近重复视频检测算法

针对现有局部近重复视频检测算法特征存储消耗大、整体查询效率低、提取特征时并未考虑近重复帧之间细微的语义差异等问题,文中提出了一种基于Transformer紧凑编码的局部近重复视频检测算法。首先,提出了一个基于Transformer的特征编码器,其学习了大量近重复帧之间细微的语义差异,可以在编码帧特征时对各个区域特征图引入自注意力机制,在有效降低帧特征维度的同时也提高了编码后特征的表示性。该特征编码器通过孪生网络训练得到,该网络不需要负样本就可以有效学习近重复帧之间的相似语义信息,因此无需沉重和困难的难负样本标注工作,使得训练过程更加简易和高效。其次,提出了一个基于视频自相似度矩阵的关键帧提取方法,可以从视频中提取丰富但不冗余的关键帧,从而使关键帧特征序列能够更全面地描述原视频内容,提升算法的性能,同时也大幅减少了存储和计算冗余关键帧带来的开销。最后,基于关键帧的低维紧凑编码特征,采用基于图网络的时间对齐算法,实现局部近重复视频片段的检测和定位。该算法在公开的局部近重复视频检测数据集VCDB上取得了优于现有算法的实验性能。

基于Roberta的中文短文本语义相似度计算研究

针对传统基于孪生网络的文本语义相似度计算模型中存在特征提取能力不足的问题,提出一种融合孪生网络与Roberta预训练模型SRoberta-SelfAtt。在孪生网络架构上,通过Roberta预训练模型分别将原始文本对编码为字级别向量,并使用自注意力机制捕获文本内部不同字之间的关联;通过池化策略获取文本对的句向量进而将表示结果交互并融合;在全连接层计算损失值,评价文本对的语义相似度。将此模型在两类任务下的三种数据集上进行实验,其结果相比于其他模型有所提升,为进一步优化文本语义相似度计算的准确率提供有效依据。

基于融合距离的极化SAR图像非局部均值滤波

在极化合成孔径雷达(synthetic aperture radar,SAR)图像降噪领域,常见的非局部均值滤波仅依靠像素间的统计距离进行相似性度量,忽略了像素点的空间信息。本文结合极化SAR数据统计特性和图像空间特征作为像素间的相似性度量,提出了一种利用融合距离来计算相邻窗口权重的方法——基于融合距离的非局部均值滤波器。融合距离的引入使得滤波器能够更全面的评估像素间的相似性,从而得到更合适的像素权重。此外,本方法还引进变异系数对邻域窗口的权重进行评估,通过该参数可以控制滤波的程度。在多幅极化SAR图像上的实验结果表明,所提出的滤波器能够在有效抑制斑点噪声的同时保留较为完整的图像边缘信息和极化散射特性。

基于流量自相似性的网络队列管理算法

网络流量的自相似性会导致数据突发状态持续,传统队列管理算法无法对网络流量突发状态进行预测,从而影响网络端到端时延、丢包率和吞吐性能。针对该问题,提出一种基于网络流量预测的主动队列管理算法P-ARED。基于网络流量的均值和方差给出网络流量等级的概念,讨论网络流量等级转移概率与Hurst参数之间的关系,提出基于贝叶斯估计思想的网络流量等级预测方法。在此基础上,在对自相似网络流量环境下的平均队列长度、缓存队列长度最小阈值等参数优化设置的基础上,基于Hurst参数和自相似流量等级预测结果,重新设计ARED算法中分组丢弃概率的计算方法,以提高缓存队列长度的稳定性。仿真结果表明,P-ARED算法与对比的主动队列管理算法相比,降低了网络端到端时延和丢包率,提高了端到端吞吐性能,其中平均吞吐量最高提升7.63%,平均时延最多降低17.52%。

基于分层软总线的新型通用操作系统结构模型

传统的操作系统设计所面临的主要挑战是需要管理的资源数量,多样性,分布范围不断增加以及系统状态频繁变化.然而,现有操作系统结构已经成为应对上述挑战的最大障碍,原因如下:(1)紧耦合和中心化的结构不仅损害了系统的灵活性和扩展性,还导致了操作系统生态分离;(2)系统中单一的隔离机制,如内核态-用户态隔离,造成了各种能力之间的矛盾,如安全性和性能等.为此,结合简捷的分层软总线设计思想和多样化隔离机制来组织操作系统组件,提出一种新型操作系统模型——Yggdrasil.Yggdrasil将操作系统功能分解为以软总线相连接的组件节点,其通信被标准化为经软总线的消息传递.为支持特权态等隔离状态的划分和不同的软件层次,Yggdrasil还引入桥节点实现多层软总线的级联和受控通信,通过自相似的拓扑特性使操作系统的逻辑表述能力和扩展性都得到了极大的强化.此外,软总线的简单性和层次性也有助于实现去中心化.构建操作系统的分层软总线模型实例HiBuOS,通过3方面的具体设计验证并展示基于Yggdrasil思想来开发新型操作系统的可行性:(1)根据目标操作系统的规模和要求设计规划多层总线结构;(2)选择具体的隔离和通信机制实例化桥节点和软总线;(3)实现基于分层软总线风格的操作系统服务.对HiBuOS的评估表明,它没有引入明显的性能损耗,而且还在提高系统可扩展性,安全性和生态发展方面具有显著的优势和潜力.

一种基于自注意力机制的自动人脸替换方法

针对DeepFakes人脸替换方法生成人脸图像分辨率低、质量差等问题,提出一种基于自注意力机制的生成对抗网络的自动人脸替换方法,生成对抗网络主体采用类似U型自编码对称结构减少特征信息的损失,引进自注意力机制能够更好地学习图像的纹理特征,提高生成图像的重建质量,应用卡尔曼滤波器平滑处理每一帧上的边界框位置,降低人脸抖动。在FaceForensics++数据集上与DeepFakes替换方法进行对比实验,定性和定量的实验结果证明了该方法能够较好地提升生成图像质量,减少脸部抖动。

联合高阶目标感知与相似匹配的目标跟踪算法

视觉目标跟踪算法利用自注意力机制增强上下文联系,但面对复杂场景时,自注意力机制中的相关性易发生失配,为此提出一种联合高阶目标感知与相似匹配的目标跟踪算法。构建高阶目标感知模型,针对自注意力机制中的一阶自注意图,利用坍塌的极化过滤方式进行空间和通道维度的正交化建模,优化内部相关性;同时组合非线性拟合函数避免坍塌引起的信息损失,进而获得高阶自注意图,捕获具有高阶上下文信息的感知特征。通过不同维度分解目标的感知特征来细化匹配区域,抑制背景噪声并约束当前帧的响应图,提高网络的判别力。在OTB100和UAV123基准的实验结果表明,所提算法有更好的跟踪性能,可以有效应对相似干扰等问题。

基于故障时刻自同步的波形比较式多端配电网快速保护方案

为打破电气量的同步采集技术壁垒,并合理应对不平衡差流问题,分析了基于故障检测时刻保护数据自同步的实现方法,利用多端电流合成和Tanimoto系数构建了波形相似度比较式保护新判据。基于5G网络数据实时传输功能,形成了一套适用于多端配电网的综合快速保护方案。经PSCAD/EMTDC软件仿真,验证了所提方案能够快速可靠地确定故障区段,能很好地适应配电网复杂故障场景。

多种及多尺度注意力混合的图像超分辨率重建

图像自身信息对图像重建具有天然鲁棒性,但多数超分辨率方法并未充分利用全局特征信息。文中提出了一种新图像超分辨率模型,混合了多种及多尺度注意力,包括多尺度混合非局部注意力上采样模块和残差密集注意力模块两个新的模块。与以往非局部方法不同,多尺度混合非局部注意力上采样模块混合了基于像素和基于块的非局部注意力,并在多个尺度上建立块级别的上采样映射关系,使全局搜索空间更广。残差密集注意力模块建立通道和空间维度的注意力关联,通过密集连接增强了前后注意力信息的传递和融合。在多个基准数据集上进行了定量和定性评估,实验结果表明,该模型在性能和重建质量方面优于同类超分辨率模型。

结合相位对称与基于排序LSS的多模态遥感影像匹配

针对多模态遥感影像存在非线性辐射畸变的问题,本文提出了一种结合相位对称特征与基于排序局部自相似性的多模态遥感影像匹配方法.首先,利用影像的局部相位信息构造相位对称图,在此基础上利用加速分段测试特征提取算法(features from accelerated segment test,FAST)对相位对称图进行特征提取.然后结合基于排序的局部自相似性与相位一致性构造一种新的特征描述符RPCLSS(combining rank,phase congruency and local self-similarity descriptor).最后利用快速抽样一致性算法(fast sample consensus,FSC)进行误匹配点剔除.将本文方法在公开的多源遥感影像数据集上与现有的5种先进匹配方法进行对比实验.实验结果表明,本文方法在正确匹配点数量、匹配精度和匹配正确率方面,优于现有的先进多模态遥感影像匹配方法.

基于表观细粒度辨别网络的近海船舶目标检测方法

近海船舶目标检测是一项非常具有挑战性的任务,受到学者专家广泛关注。基于卷积神经网络(CNN)和注意力机制的检测器在近海船舶目标检测方面的应用取得了显著成就。然而,船舶目标检测存在着表观相似和背景干扰导致检测过程中出现误检的问题。为此,本文提出了一种用于Faster RCNN (更快的基于区域的卷积神经网络)的表观细粒度辨别的检测头模块。该模块包括类别细粒度分支和高效全维动态卷积定位分支。其中类别细粒度分支通过全局特征建模和灵活的感知范围来挖掘和利用类别细粒度辨别特征,高效全维动态卷积定位分支通过高效灵活的感知船舶边界信息来区分目标与背景,从而减少误检漏检问题。通过在近海船舶公开数据集Seaships7000上进行实验验证,本文算法减少了误检漏检,提升了检测器性能。

一类Sierpinski型自相似测度的非谱性研究

令μ_(ρQ,D)为平面上的Sierpinski型自相似测度,其中ρ为大于1的实数,Q为2×2的正交对合矩阵,D={(00),(10),(01),(-1-1)}为4个元素数字集.证明了当ρ=±^(2r)√2q/p且r>1时或者ρ=2q/p且ρQ∈M_(2)(Q)时,Hilbert空间L^(2)(μ_(ρQ,D))具有指数型的无穷正交集但没有正交基,即μ_(ρQ,D)不是谱测度,这为解决平面上测度的谱性提供了新的刻画.

自相似嵌套金属多胞管耐撞性研究

层级多胞结构具有良好的吸能特性,可以广泛应用于汽车、飞机等交通工具的能量吸收装置中。创新性地设计了两种类型的自相似嵌套金属多胞管,通过数值仿真对其轴向冲击下的耐撞性能开展了系统的研究。结果表明,无论是相同质量还是相同壁厚,高阶多胞管相比低阶多胞管都具有更好的能量吸收能力。相同质量情况下,高阶多胞管的比能量吸收最高提升了36.45%,冲击力效率最高提升了35.42%;相同壁厚情况下,高阶多胞管的比能量吸收和冲击力效率最大分别增加了80.40%、59.64%。研究表明,所提出的自相似嵌套金属多胞管相比传统多胞管的耐撞性能具有明显改善。最后,系统地开展了阶数、壁厚等结构参数对自相似嵌套金属多胞管耐撞性能的参数化研究。

关于水流挟沙力的非完全自相似分析

张瑞瑾挟沙力公式在泥沙工程计算中已得到广泛应用,然而如何确定公式中的系数和指数,目前尚无有效的直接计算方法。从量纲分析入手,基于非完全自相似原理,提出了一种新的挟沙力分析方法,并采用水槽实验资料进行了检验和详细说明。分析结果表明:张瑞瑾公式中的指数可表达为V/ω(其中V为水流平均流速,ω为泥沙颗粒沉速)的对数函数,而其系数则与V/ω成幂函数关系。通过考虑V/ω对公式系数和指数的影响后,挟沙力公式的预测精度明显提高,计算误差可减少36%~49%。由于所用资料的范围有限,提出的公式普适性有待验证,但所采用的分析方法可能也适用于其他挟沙力问题。

基于跨尺度低秩约束的单幅图像盲超分辨率算法

单幅图像盲超分辨率方法是在模糊核未知的情况下仅利用单幅低分辨率图像重建高分辨率图像,这是一个严重的欠定逆问题.超分辨率正则化方法通过正则化约束项引入附加信息,为低分辨率图像恢复或重建合理的高频成分.本文将跨尺度自相似性与低秩先验相结合,提出了一种基于跨尺度低秩约束的单幅图像盲超分辨率方法,采用联合建模的方法同时估计模糊核与高分辨率图像.利用高分辨率图像、低分辨率图像及其降采样图像之间的跨尺度自相似性,对于低分辨率图像中的图像块在降采样图像中搜索相似块,将该图像块在高分辨率重建图像中对应的父块与其相似块在低分辨率图像中对应的父块合并,构造跨尺度相似图像块组矩阵.由于低分辨率图像中的跨尺度相似图像块能够为重建图像块提供潜在的细节信息,因此对相似图像块组矩阵进行低秩约束,在迭代求解过程中迫使重建图像恢复高频成分,进而促使模糊核的估计更加准确.此外,低秩约束能够表示数据的全局结构,对噪声具有鲁棒性.在真实和模拟图像上的实验表明,本文的算法能够准确地估计模糊核,重建高分辨率图像的边缘和细节,优于现有的自监督盲超分辨率算法.

基于双重聚合和自合并网络的小样本图像语义分割

小样本图像语义分割是一种非常具有挑战性的任务,它试图使用几个带标签的样本来分割新类对象。主流方法常会存在特征鉴别性不高和原型偏差等问题。为缓解这些问题,本文提出一种基于双重聚合和自合并网络的小样本图像语义分割方法,能够充分挖掘特征相似性并减小原型偏差。首先,提出一个特征-掩码双重聚合模块,在支持特征和查询特征之间构建覆盖所有空间位置的密集相似关系,为特征聚合和掩码聚合提供全局语义信息。具体来说,通过对特征相似矩阵进行特征和掩码双重聚合,可以为查询图像获取具有引导信息的增强特征和初始掩码。然后,提出自合并解码器,通过合并基于初始掩码的自原型和已知的支持原型来减小原型偏差,并通过融合增强特征与合并原型向解码器传递丰富的类别语义信息。最后,利用基类预测信息进一步优化来自解码器的预测结果。本文方法在数据集PASCAL-5i上的mIoU在1-shot和5-shot情况下分别取得了68.3%和71.5%,在数据集COCO-20i上的mIoU在1-shot和5-shot情况下分别取得了46.5%和51.4%,优于主流方法的分割性能,能够更准确地分割出新类的目标区域。

基于相似度的自适应多目标粒子群算法

在多目标粒子群优化的设计中,收敛性和多样性的正确管理是获得接近真实帕累托前沿并分布良好的近似解的关键。为了更好地平衡收敛性和多样性,防止算法过早收敛,提出了一种基于相似度的自适应多目标粒子群算法(SAMOPSO)。首先,算法利用存档中每个解与其他解之间的相似度和适应度值来维护存档获得高质量的候选解。其次,引入了一种基于各粒子信息的自适应飞行参数调整机制,进一步提高SAMOPSO算法的进化性能。最后,将SAMOPSO算法与六个经典多目标优化算法在15个基准测试函数上进行比较,结果证实了该算法的有效性。

社会化阅读背景下自媒体洗稿著作权侵权认定研究

【目的】对自媒体洗稿的行为属性进行界定,分析传统著作权侵权认定规则——“实质性相似+接触”应用到自媒体洗稿问题上存在的困境,探究更具操作性的自媒体洗稿侵权认定方法。【方法】从自媒体洗稿行为的表现形式入手,并进行相关概念辨析,明确自媒体洗稿行为本质。结合国内外实践案例,分析不同的“实质性相似”判断方法的认定思路。【结果】洗稿行为是指通过各种方式来变换表达,但仍与原文基本意思保持一致的行为。在对洗稿作品进行侵权认定时,实践中的“整体观感法”“抽象分离法”和“结合法”,各有利弊。【结论】在对作品进行侵权比较时,可考虑将作品逻辑链作主要参考因素。对“结合法”进行改良,先对作品内容进行抽象概括,再以普通读者的视角对作品的逻辑链进行比较,看洗稿作品是否会对原作品产生替代。