容迟网络体系结构及其关键技术研究

当前的Internet体系结构和其中许多协议无法很好的适用存在高延迟和频繁割裂的网络.当端节点具有严格的能量和存储限制时,这一问题将更加恶化.由于移动性和特殊应用需求,使得像陆地移动网络、军事无线自组织网络、星际网络及无线传感器网络等这样的受限网络缺乏"保持连接"的基础结构.这些受限网络有它们自己的专有协议而不采用TCP/IP协议.为了实现这些网络之间的互联,国际上提出了在端到端连接和节点资源都受限时的一种新型网络体系结构和应用接口,称为延迟容忍网络(简称容迟网络,DTN,Delay-Tolerant Networks).DTN作为网络互联时传输层上的覆盖网可用来满足随意的异步消息可靠转发.本文研究分析了容迟网络的应用背景、体系结构、关键技术和一些开放问题,并给出了未来的发展方向和应用前景.

基于局部特征的目标识别技术研究

针对基于全局特征的目标识别技术存在的不足,介绍基于局部特征的目标识别技术。研究局部特征的特点和优势,阐述点、线、面3种类型的局部特征的研究现状和主流算法,探讨算法所面临的难点问题,并对基于局部特征的目标识别问题的研究前景进行展望。

流媒体分发系统关键技术综述

流媒体将是未来通信中的杀手业务.本文讨论了流媒体分发系统的关键技术,阐述了基于CDN(Con-tent Distributed Network)和基于P2P(Peer to Peer)的流媒体的研究现状,针对基于CDN的流媒体,研究了流媒体调度算法,代理服务器缓存算法,基于CDN的交互式操作.针对基于P2P的流媒体,研究了数据分配算法,激励机制,流媒体对象的放置,应用层组播,基于P2P的交互式操作.指出了流媒体的未来研究方向.

基于能量约束和历史信息的容迟网络路由算法

基于已有容迟网络(DTN)路由算法对能量考虑不足的问题,提出了基于能量约束和历史信息的DTN路由算法(ERHR),并在The One(the opportunistic networking environment)平台上,用Java语言进行仿真比较.仿真结果表明,ERHR在能量消耗、传递成功率和平均缓冲时间等性能上优于其他DTN路由算法,适应DTN网络的需求,是一种有效的DTN网络路由解决方案.

基于多重线性非参数化特征提取算法的人脸识别技术

针对人脸识别技术的特征提取方法存在不准确等问题,提出了基于张量空间模型的多重非参数化特征提取算法,给出了算法的基本原理,最后通过在ORL标准人脸数据库上的实验结果,验证了MNFA方法要明显优于MDA方法.

一种改进的视频分割网络及其全局信息优化方法

提出了一种基于注意力机制的视频分割网络及其全局信息优化训练方法.该方法包含一个改进的视频分割网络,在对视频中的物体进行分割后,利用初步分割的结果作为先验信息对网络优化,再次分割得到最终结果.该分割网络是一种双流卷积网络,以视频图像和光流图像作为输入,分别提取图像的表观信息和运动信息,最终融合得到分割掩膜(Segmentation mask).网络中嵌入了一个新的卷积注意力模块,应用于卷积网络的高层次特征与相邻低层次特征之间,使得高层语义特征可以定位低层特征中的重要区域,提高网络的收敛速度和分割准确度.在初步分割之后,本方法提出利用初步结果作为监督信息对表观网络的权值进行微调,使其辨识前景物体的特征,进一步提高双流网络的分割效果.在公开数据集DAVIS上的实验结果表明,该方法可准确地分割出视频中时空显著的物体,效果优于同类双流分割方法.对注意力模块的对比分析实验表明,该注意力模块可以极大地提高分割网络的效果,较本方法的基准方法(Baseline)有很大的提高.

上下文建模与推理的视频异常事件检测

视频异常事件检测旨在从视频中自动地检测出不符合正常事件规律的视频事件.视频中许多正常和异常的事件是由目标与场景或其它目标交互而产生的,即它们是以目标为中心且高度上下文相关的.如何从底层的视频特征中提取事件高层语义上下文信息,并根据上下文信息进行视频异常事件检测仍是一个开放的难题.为此,本文提出了一种新的上下文建模与推理的视频异常事件检测方法.本文方法通过建立视频的上下文图,自动地推理事件相关的语义上下文信息,以缩小底层视觉特征与异常事件高层语义之间的差距,实现异常事件检测.具体来说,首先使用了预训练的目标检测网络,提取目标初始的表观特征、目标之间的时空关系特征和场景特征;其次设计了一个上下文图推理模块,通过建模时空上下文图,将提取到的特征显式地建模为三类语义上下文,包括事件目标的个体行为、不同目标之间的时空关系以及目标与场景之间的交互,其中图的节点表示目标/场景,图的边表示时空关系;最后构建了一个异常预测模块,根据推理到的语义上下文信息进行异常事件检测.本文的上下文图推理模块基于平均场理论,通过使用多个带有消息传递模块的循环神经网络,迭代更新图的节点和边的状态,目的是从底层的视觉特征中推理得到高层的语义上下文.本文的异常预测模块包括注意力池化网络层和全连接网络层,通过输入语义上下文信息,计算视频帧的异常分数,从而正确地进行异常事件检测.实验中,设计了一个自训练策略,分别使用了无监督、半监督、弱监督和监督四种训练策略,以端到端的方式训练时空上下文图推理模块和异常预测模块.本文方法在四个公开的数据集上进行了实验,包括三个半监督的数据集Subway (Entrance/Exit)、Avenue和ShanghaiTech,以及一个监督的数据集UCF-Crime.与不使用上下文的方法相比,本文方法在Subway(Entrance/Exit)、Avenue和ShanghaiTech数据集上的无监督AUC指标分别提高了2.7%/3.1%、2.0%和2.9%,半监督AUC指标分别提高了3.5%/3.3%、4.0%和4.3%.在监督数据集UCF-Crime上,与没有使用上下文的方法相比,本文方法在半监督AUC、弱监督AUC和监督AUC的指标上分别提高了2.1%、0.4%和9.2%,取得了有竞争力的表现.

混合曲率空间中的几何自适应元学习方法

元学习通过学习先验知识,能帮助模型快速适应新任务.在适应新任务的过程中,空间几何结构与数据几何结构的匹配程度对模型泛化起着重要作用.现实世界数据具有多样的非欧几何结构,例如自然语言具有非欧层级结构,人脸图像具有非欧环状结构等.已有研究表明,真实数据的非欧结构同黎曼流形的几何结构相匹配,从理论上提供了利用黎曼流形来建模数据的可行性.本文提出了混合曲率空间(mixed-curvature space)中的几何自适应元学习方法,利用多个混合曲率空间来表示数据,并生成与数据非欧结构相匹配的黎曼几何.本文构建了多混合曲率神经网络,将混合曲率空间的几何结构表示为曲率空间的曲率、数量和维度,由此通过梯度下降过程实现对数据非欧结构的几何自适应.本文进一步引入几何初始化生成策略和几何更新策略,通过少数几步迭代,空间几何结构即可快速匹配数据非欧结构,加速了梯度下降过程.本文在小样本分类和小样本回归等任务上进行了实验验证.与欧氏空间的元学习方法相比,本文方法在小样本分类任务上取得了约3%的准确率提升,在小样本回归任务上将均方误差减少了一半,验证了本文方法的有效性.

一种基于主动轮廓模型的心脏核磁共振图像分割方法

提出一种基于主动轮廓模型的左室壁内、外膜分割方法.首先构造了主动轮廓模型的广义法向有偏梯度矢量流外力模型GNBGVF,作为对梯度矢量流(GVF)的改进,该外力场同时保持了切线方向和法线方向有偏的扩散,具有捕捉范围大、抗噪能力强,且在弱边界泄漏等问题上性能突出.就左室壁内膜的分割而言,考虑到左室壁的近似为圆形的特点,引入了圆形约束的能量项,有利于克服由于图像灰度不均、乳突肌等而导致的局部极小.对于左室壁外膜的分割,采用内膜的分割结果初始化,即通过重新组合梯度分量来构造外力场.该外力场能够克服原始梯度矢量流的不足,使得左室壁外膜边缘很弱时也能得到保持,可以自动、准确地分割外膜.实验结果表明,该方法能高效准确地分割左室壁内、外膜.

基于时空单词的两人交互行为识别方法

文中提出一种基于时空单词的两人交互行为识别方法,该方法从行为视频中提取丰富的时空兴趣点,基于人体剪影的连通性分析和时空兴趣点的历史信息,把时空兴趣点划分给不同的人体,并在兴趣点样本空间聚类生成时空码本(spatial-temporal codebook).对于给定的时空兴趣点集,通过投票得到表示单人原子行为的时空单词(spatial-temporal words).采用条件随机场模型建模单人原子行为,在两人交互行为的语义建模过程中,人工建立表示领域知识(domain knowledge)的一阶逻辑知识库,并训练马尔可夫逻辑网用以两人交互行为的推理.两人交互行为库上的实验结果证明了该方法的有效性.

一种基于映射法的散乱点云Delaunay三角剖分算法

针对直接在三维空间构建海量点云的Delaunay三角网格效率低下,提出一种新的基于映射法的Delaunay三角网格构建算法。首先提出一种基于区域增长法的点云分片方法,能够保证对分片后的点云数据进行映射而不产生重叠;然后保持空间点云之间的距离特性,将三维点云映射到二维平面;在二维平面内进行Delaunay三角剖分,再将结果返回到三维空间内。实验结果表明,算法能够构建质量较好的三角网格。由于该算法将点云的三角剖分转换到低维空间,通过实验结果对比本算法与其他算法效果,证明该方法能够更快地完成重构。

一种基于运动目标检测的视觉车辆跟踪方法

针对复杂交通场景中动态光照变化、阴影和遮挡等因素带来的影响,提出了一种基于运动目标检测的高效、鲁棒的车辆跟踪方法.采用自适应背景建模获取动态场景中的运动信息,通过阴影去除获得准确的运动区域,并针对场景中的遮挡问题提出了相应的遮挡检测与处理策略,最后通过区域匹配获得跟踪结果,同时使用Kalman滤波器建立车辆的运动模型,对跟踪结果进行了约束和优化.实验结果表明,提出的视觉车辆跟踪方法可以在复杂多变的室外场景下有效地解决场景中的阴影和遮挡问题,得到鲁棒的车辆跟踪结果.

基于法向夹角的点云数据精简算法

随着三维扫描技术的不断发展,获得的点云数据规模也日益庞大。存储、处理或显示这些数据都将消耗大量的时间和计算机资源,因此需要对点云数据进行精简。提出一种基于法向夹角的点云数据精简算法,通过对不同的点云数据使用本算法和传统方法进行实验,表明该算法能够在移出冗余数据的同时,在特征区域保留更多的细节。

基于自重构粒子滤波算法的目标跟踪

该文提出了一种对粒子滤波跟踪器进行分裂和合并的自重构算法.该算法能够通过分裂跟踪器以应对复杂多变的跟踪环境,同时,合并过程能够从多个跟踪器中选出最优跟踪器,合并冗余的跟踪器以达到减少计算量的效果.通过使用分裂和合并,能够在使用较少粒子的情况下达到很好的跟踪效果,在一定程度上解决了粒子滤波跟踪中计算量大的问题.分裂出来的多个跟踪器能够同时从多个位置多个方向跟踪目标,降低了复杂环境下目标跟踪丢失的概率,避免了粒子滤波中跟踪丢失时需重新选定目标的问题.通过和其他算法对比,文中提出的算法在跟踪准确性和跟踪效率两个方面表现优秀.

存储有效的多模式匹配算法和体系结构

多模式匹配是基于内容检测的网络安全系统的重要功能，同时，它在很多领域具有广泛的应用．实际应用中，高速且性能稳定的大规模模式匹配方法需求迫切，尤其是能够在线实时处理网络包的匹配体系结构．介绍了一种存储有效的高速大规模模式匹配算法及相关体系结构．研究从算法所基于的理论入手，提出了缓存状态机模型，并结合状态机中转换规则分类，提出了交叉转换规则动态生成的匹配算法ACC（Aho．Corasick．CDFA）．该算法通过动态生成转换规则降低了生成状态机的规模，适用于大规模模式集．进一步提出了基于该算法的体系结构设计．采用网络安全系统中真实模式集进行的实验结果表明，该算法相比其他状态机类模式匹配算法，可以进一步减少80％-95％的状态机规模，存储空间降低40．7％，存储效率提高近2倍’算法单硬件结构实现可以达到11Gbps的匹配速度．

一种自适应正则化的图像超分辨率算法

提出一种自适应正则化的图像超分辨率重建算法.首先,利用局部残差均值自适应地计算各低分辨率图像通道的权值参数矩阵,可有效地利用各通道对应区域间的交叉信息;其次,利用正则项局部误差均值自适应地计算平衡正则项和保真项的正则化参数矩阵,能较好地保持图像边缘纹理等信息.实验结果表明本文算法不但具有较高峰值信噪比(Peak signal to noise ratio,PSNR)和结构相似度(Structural similarity,SSIM),而且在边缘、纹理等细节区域具有更好的重建效果.

一种基于时间窗的多阶段混合流水车间调度方法

考虑同时包含单处理机和批处理机的多阶段混合流水车间调度问题,设计一种基于时间窗的蚁群算法,以最小化最大完工时间为优化目标。在解决整体调度问题的过程中,通过蚁群算法实现工序分派、排序、组批三个阶段的协同优化调度;另外在工件组批阶段加入时间窗策略,利用前瞻性算法动态构建组批方案,通过分析批处理机的时空关系设计合理的组批时间窗,以获得较高的机器利用率。试验结果表明,与无时间窗的蚁群算法相比,时间窗策略在确保最小化最大完工时间的同时,提高了批处理机的利用率;与CPLEX相比,基于时间窗的蚁群算法在最大完工时间和计算效率方面均有较大优势。蚁群算法与时间窗的结合兼顾了多个阶段多种机型的生产特点,适用于解决多阶段混合流水车间的调度问题。

一种移动传感器网络精确部署算法

针对未知环境下移动传感器网络的部署问题,提出了一种基于虚拟力的精确部署算法(virtual force based precision self-deployment algorithm,VFPSA).引入"引力线"的概念,并在此基础上构建节点与引力线之间的斥力,通过它们实现了Sink节点到目标Target路径的自动快速生成.模拟实验表明,与同类方法相比,该算法具有的平均移动距离和最大移动距离均更短,收敛时间更快.

一种柔性路径下的跨单元调度方法

针对单元制造系统(Cellular manufacturing system,CMS)中需要多个单元协作完成的特殊工件,提出柔性路径下跨作业(Job shop)单元的特殊工件调度方法—基于信息素的方法(Pheromone-based approach,PBA).基于多Agent对单元制造系统建立模型,提出了冗余单元的概念,建立了多Agent之间的协商机制.同时通过建立Agent联盟,减少通信量的同时增强系统的鲁棒性和调度优化的全局性.实验结果表明,与常见的组合调度规则相比,本文提出的方法在5种性能指标上具有显著优势.

基于特征保持的半自动化动态网格简化方法

传统的网格简化方法都是按照某种简化算法,通过对模型参数的计算来决定简化的序列和结果,无法进行人为的干预。而在很多情况下,对于某些模型,用户干预可以很大程度地提高简化效果。基于半边折叠和二次误差度量算法,创新性地提出一种半自动化的网格简化方法。简化系统提供自动误差修正和用户误差修正两种误差修正途径,不仅对已有的简化算法进行了改进,而且还提供了一个友好的用户交互平台,通过用户对简化误差的修正来达到用户期望的简化效果。使用动态半边树状层次结构满足了实时仿真的需求,该方法可不绑定特定算法,适用于各种模型简化算法。最后通过对不同类型模型的对比实验,发现与传统的特征保持的网格简化算法相比,使用改进的自动误差修正算法可以很大程度地提高较规则模型的简化质量;而对于构造复杂的模型,通过用户误差修正算法,在优化的基础上结合用户的意愿,对模型指定的特征区域可以完好地保留,很大程度地提高了简化后的外观特征。