一种提高802.11无线Ad Hoc网络公平性的新机制-FFMA

实现多个数据流对无线信道的公平共享是802.11无线Ad Hoc网络中的一个重要议题,但802.11DCF机制在无线Ad Hoc网络中存在严重的公平性问题,甚至有可能出现单个节点或数据流独占信道而其他节点和数据流处于“饥饿”状态的情况.论文提出了一种新颖的保证数据流间公平性的MAC层接入机制FF-MA(Flow rate-based FairM edium Access),通过公平调度和公平竞争的方式,FFMA能够在数据流间公平地分配信道带宽资源.仿真结果表明,在无线Ad Hoc网络中,FFMA可以在保证信道吞吐量的前提下取得远优于802.11 DCF的数据流间的公平性.

一种新的多速率时频码MB-OFDM超宽带系统模型

该文提出了一种新的多用户超宽带系统模型,该模型基于MB-OFDM系统,各个用户的数据通过在时域和频域同时进行的一种编码(Time-FrequencyCode,TFC)进行区分。同时给出了针对这种系统的一种自适应TFC分配算法,该算法在保证每个用户的最小传输速率请求的前提下,使传输功率最小化。理论分析和实验表明,该系统及其相应的TFC分配算法可以有效地增加多速率用户接入系统的能力,并且有效地节省发射功率,而这正是一个超宽带系统所需要的。

基于扩散模型的条件引导图像生成综述

基于人工智能技术的生成内容(artificial intelligence generated content,AIGC)已成为当下的热门话题。在众多生成模型中,扩散模型因其高度可解释的数学特性及高质量和多样性的结果引起广泛关注,在条件引导的图像生成领域已取得显著成果,被广泛应用于电影、游戏、绘画和虚拟现实等领域,在文本引导的图像生成任务中,扩散模型不仅能生成高分辨率的图像,而且能保证生成图像的质量。首先介绍了扩散模型的定义和相关背景,然后重点介绍了扩散模型在条件引导的图像生成领域的发展历程和最新进展,最后探讨了扩散模型面临的挑战和潜在的发展方向,旨在为广大研究人员提供相关领域的研究概况和前沿动态。

一种自适应的EMD端点延拓方法

由美国国家航空航天局(NASA)的Huang等发明的经验模态分解(EMD)是一种先进的信号处理方法,能够有效地获得非平稳信号的时频特征,但是其利用样条曲线构造信号上下包络线的过程中存在严重的端点问题.在研究了该问题已有方法的基础上,提出了一种基于波形匹配的自适应端点延拓方法,采用信号内部和端点处变化趋势最为相似的子波来对端点处的信号进行延拓.该方法充分考虑了信号的内在特性以及边缘处的变化趋势,使端点处的延拓更加合理,从而使得三次样条曲线在端点处不会发生大的摆动.实验表明该方法能够有效地抑制端点效应.

姿态鲁棒的分块稀疏表示人脸识别算法

针对稀疏表示人脸识别算法对姿态变化敏感的问题,提出一种姿态鲁棒的分块稀疏表示人脸识别算法,通过对人脸进行分块表示并利用仿射变换模型对姿态变化建模,提高稀疏表示人脸识别算法对姿态变化的鲁棒性.同时,通过最小化图像分块重构误差来估计仿射变换参数初值,有效提高仿射变换参数估计精度,进而提升人脸识别算法的性能.实验结果表明,本文算法可在一定程度上克服姿态变化造成的对齐误差,比现有相关算法具有更好的姿态鲁棒性和识别性能.

采用对象特征向量表示法的标签聚类算法

在社会化标记系统中,常采用聚类等数据挖掘技术来解决标签冗余和语意模糊的问题.现有标签聚类算法大多根据不同标签在对象中共同出现的次数来计算它们之间的相似度,但是这种方法聚类的精确度与召回率并不高.针对此问题,提出一种新的标签聚类算法,充分考虑标签的标记信息,采用基于对象的特征向量来精确地表征一个标签,根据余弦相似度公式得到较为准确的标签相似度,然后采用K-Means算法将用户标签进行聚类.实验结果表明该算法能够得到更加精确的聚类结果.

视线跟踪过程中变形瞳孔的定位

在视线跟踪过程中,变形瞳孔的定位至关重要。针对眼部图像出现干扰情况下的变形瞳孔定位,该文提出了一种基于3点的随机采样一致性定位算法RANSAC_3,即利用随机采样到的2点(以及它们的梯度方向)和搜索获得的1个点来确定椭圆参数。由于该算法在确定参数时只需随机采样两个点,从而大大降低了采样到干扰点的几率,利用搜索到的第3点来决定是否对当前点进行参数计算,有效地解决了标准随机采样一致性定位算法中的无效采样和误差累积问题,提高了椭圆拟合效率和瞳孔定位精度。实验证明,该算法对变形瞳孔具有很好的定位效果,对光斑、睫毛、头发、眼镜框以及眼球运动模糊的引起的干扰具有较强的鲁棒性,并且定位速度快,可以达到实时要求。

一种新的用于无线Ad hoc网络中视频传输的多路径包调度算法

该文提出了一种新的在无线Adhoc网络中进行视频传输的多路径包调度算法(MPPA)。该算法充分考虑到视频流传输的特殊QoS要求,针对视频流中的每个数据包进行操作,通过计算将其指定在某条路径上传输。避免了传统多路径传输中的接收端数据包乱序和重新排序的问题,有效地减小了接收端的启动延时和缓冲区需求。同时仿真结果验证了上述理论的正确性。

姿态和光照可变条件下的仿射最小线性重构误差人脸识别算法

传统人脸识别算法通常把光照处理和姿态校正作为两个相对独立的处理过程,难以取得全局最优识别性能.针对该问题,本文根据人脸的非刚体特性,将仿射变换和分块思想融入线性重构模型中,提出了一种基于仿射最小线性重构误差(Affine Minimum Linear Reconstruction Error,AMLRE)的人脸识别算法,在处理光照问题的同时能够补偿姿态变化造成的局部区域对齐误差,以获得更好的全局识别性能.在公共数据集上的实验结果表明,本文提出的算法对光照和姿态有很好的鲁棒性,同时与现有的人脸识别算法相比,本文的算法具有更高的识别率.

基于鲁棒统计量的运动检测与目标跟踪策略

提出了一种基于鲁棒统计量的运动检测方法。该方法通过对全局运动的鲁棒估计和对残差进行假设检验的方法来检测运动物体区域。为了消除遮挡效应的影响,提高算法的精度,在检测过程中,利用双向运动估计的方法来对残差进行归一化。在此基础上,提出了一种鲁棒主动轮廓模型,用于跟踪运动物体轮廓,并采用LevelSet方法对该模型进行求解。实际视频的实验结果表明,该方法能够可靠、准确的检测与跟踪运动物体。

基于主题子空间的文本模糊C均值聚类方法

模糊C均值聚类作为聚类的一种有效方法在数据挖掘和信息检索等领域得到广泛的应用,初始中心和初始隶属度矩阵的建立是决定模糊C均值聚类效果的关键.本文提出一种基于文本主题空间的模糊C均值聚类算法TS2FCM(Topic Sub-Space based Fuzzy C-Means),通过对能够代表文本主题的关键短语(salient phrase)的提取来建立主题子空间,利用主题子空间中的文本向量来提取初始中心和初始隶属度矩阵.实验表明,TS2FCM取得了较好的聚类效果.

基于ASM的人脸特征点自动标定

针对经典弹性图匹配算法中人脸特征点的定位问题,本文提出了一种利用机器自标定来代替传统的手工标定的算法。本文算法首先利用可变形状模型拟合出人脸的轮廓,得到人脸关键特征点位置的初始估计,然后利用参考图像中对应特征点的Gabor系数调整初始位置,最终实现关键特征点的精确定位。实验结果表明,算法可以有效地定位出人脸特征点,定位结果稳定。

一种基于流形正则化的半监督人脸识别方法

在基于流形正则化的框架下提出了一种半监督学习算法(MLapRLS)并将其用于人脸识别.首先构建所有样本的最近邻图来估计数据空间的几何结构,并对多变量线性回归的目标函数增加该流形正则化项,得到针对多类问题的MLapRLS.该方法能充分利用少量有标签样本和大量易于获取的无标签样本来帮助学习以提取有效特征.在Extended YaleB和CMU PIE人脸数据库上的实验结果证明了该方法的有效性.

结合提升自举FLD投影的特征提取算法

针对两类分类问题,提出一种基于自适应提升(Adaptive Boosting,Adaboost)算法的分类特征提取算法.首先对训练样本集进行自举采样从而生成一定数量的训练样本自举子集,然后通过对每个自举子集的Fisher线性判别分析(FLD),得到相应数量的一维自举投影向量.在Adaboost算法迭代的每一步中,具有最小的加权最近邻分类误差的一维自举投影向量被作为分类特征选出,用来构成最终的强分类器.该算法可以有效地克服传统特征提取算法性能依赖于数据分布以及提取准则不直接与训练误差相关的弱点.实验结果表明,相比传统算法,该算法的分类准确度有较明显的提升,并且特别适用于数据分布复杂的情况.

移动自组网中一种基于集群的Byzantine节点检测机制

该文主要介绍了移动自组网中一种基于集群方法的Byzantine错误检测机制。并结合CBRP,提出了一种适合移动自组网的内部出错节点清除算法。通过算法分析证明了所提出的算法可以显著减少清除具有Byzantine错误节点时所需的消息数目,降低了网络负载,有效提高了移动自组网的安全性和可信度。

基于全变分模型的光照处理算法

针对人脸识别中的光照问题,本文提出了一种利用全变分模型的光照处理算法。该算法模型简单,需要设置的参数少,并能有效地减少光晕现象。算法首先利用全变分模型来估计图像中的光照成分,然后恢复出人脸的反射系数图,并以该反射系数图作为光照不变量进行人脸识别。实验表明,基于全变分模型的光照处理算法能有效地提高人脸识别系统在不同光线条件下的识别率。

一种针对大规模网络图像的自动标注改善算法

在对网络图像进行索引时,人们往往利用网页中图像周围的文字作为其近似标注信息,但是这些文字信息质量不高,不足以良好地描述图像内容。该文提出一种综合利用图像视觉特征、相关文本信息以及词汇间语义关系的方法对这些不精确的文本信息进行改善,从而提高图像的索引和搜索质量。在大规模数据集上的实验证明了所提出的方法能够有效改善图像的标注。

基于零树的视频压缩加密联合编码方案

针对可伸缩性视频流的安全性问题,提出了一种与编码相结合的加密方案。该方案以小波变换作为压缩平台,通过在零树生成的过程中对零树符号进行加密来保证视频的安全性,并且采用分级加密来满足不同用户对不同质量服务的需求。实验证明该方案一方面保持了编码的可伸缩性,另一方面提高了视频流的安全性,并且加密处理对压缩效率影响小,适用于网络上的视频流服务。

基于诱导向量的CC4神经网络行为研究

角分类前向神经网络CC 4可以快速对文本数据进行分类处理。本文在定义二值向量的诱导向量的基础上,给出CC 4神经网络隐层、输出层的权矩阵构造方法的诱导向量分析,并给出CC 4神经网络隐层输出的基本原理、基于泛化距离的隐层权矩阵构造方法的几何解释,以及输出层权矩阵构造的约束条件;揭示了角分类神经网络学习、工作的基本原理。本文为基于实向量输入的快速角分类神经网络的设计提供了借鉴及必要的理论基础。

一种用于鲁棒性说话人确认的分段概率分布参数规整方法

目前与文本无关的话者确认系统大都是基于GMM-UBM模型结构的,为了精确的描述说话人语音特征空间的分布,模型混合度M通常都选的很大,因而模型训练需要大量的语音数据。本文提出了一种基于分段估计概率分布函数的规整方法,在概率分布的意义上降低特征参数偏离高斯分布的程度,从而可以用较低混合度的高斯混合模型对其建模。同时,这种映射也是一种无监督规整,因此可以提高系统的鲁棒性及其确认性能。在NIST'03数据库上的实验表明,在使用相同混合度模型的情况下,概率分布规整后的参数相对于变换前的参数系统性能可以提高11%左右。