压缩感知回顾与展望

压缩感知是建立在矩阵分析、统计概率论、拓扑几何、优化与运筹学、泛函分析等基础上的一种全新的信息获取与处理的理论框架.它基于信号的可压缩性,通过低维空间、低分辨率、欠Nyquist采样数据的非相关观测来实现高维信号的感知.压缩感知不仅让我们重新审视线性问题,而且丰富了关于信号恢复的优化策略,极大的促进了数学理论和工程应用的结合.目前,压缩感知的研究正从早期的概念理解、数值仿真、原理验证、系统初步设计等阶段,转入到理论的进一步深化,以及实际系统的开发与应用阶段.本文分析了压缩感知的原理与应用,综述了压缩感知的最新进展及存在的问题,指出了进一步研究的方向.

基于粗糙集与差分免疫模糊聚类算法的图像分割

提出了基于粗糙集模糊聚类与差分免疫克隆聚类的图像分割算法.该算法在差分免疫克隆聚类算法的基础上,通过引入粗糙集模糊聚类,将差分免疫克隆聚类算法中的硬聚类变成模糊聚类,从而获得更丰富的聚类信息.具体来说,由于粗糙集的优势是处理不确定的数据,因此,加入粗糙集模糊聚类后更有利于算法解决不确定性问题.通过对9幅图像分割实验结果与4种算法的对比,验证了该算法在聚类性能稳定性方面的优越性,结果还同时证明了该算法具有更高的分割正确率和更好的分割结果.

基于多分辨共生矩阵的纹理图像分类

共生矩阵是描述纹理特征的一种常用方法.首先提出一种新的特征提取算法——多分辨共生矩阵.多分辨共生矩阵是通过同时在非下采样小波变换的逼近子带和细节子带上提取共生矩阵来实现的,能够有机整合传统小波的多分辨特性和频谱信息,以及空域灰度共生矩阵的纹理结构信息.其次,分析了多分辨共生矩阵、灰度共生矩阵以及小波能量特征的物理意义,并从相关性出发提出了新的特征选择方法,有效地降低了特征维数.对标准纹理库的分类实验结果表明:多分辨共生特征对纹理具有更好的描述能力,其分类正确率超过小波能量特征、空域灰度共生特征:二者融合以及灰度梯度共生特征的结果;所提出的特征选择方法在降低特征维数的同时,能够保持分类正确率.

基于融合和T-分布的SAR图像水灾变化检测

基于融合和T-分布模型,提出了一种新的SAR图像水灾变化检测方法.首先,结合差值法与对数比的优点,根据经验提出了一种新的融合策略,通过融合差值图像和对数比图像可得视觉效果较好的差异图像.然后根据融合后的差异图像的直方图,确定绝对变化类与绝对非变化类两个区间,从而可得两者之间的模糊区间.假设模糊区间的直方图服从T-分布,根据Kittler-Illingworth(KI)阈值选取准则,提出了一种基于T-分布模型改进的KI阈值法(TM_KI),对融合后的差异图像进行阈值分割得到水灾变化结果.通过实验比较,结果分析表明该方法不但能减少相干斑噪声的影响和增强水灾带来的微弱变化信息,而且能有效地检测面积较小的变化区域,从而改善变化检测性能.

求解偏好多目标优化的克隆选择算法

目标维数较高的多目标优化问题的难题在于非支配解急剧增加,经典算法由于缺乏足够的选择压力导致性能急剧下降.提出了基于偏好等级的免疫记忆克隆选择优化算法,用于解决目标维数较高的多目标优化问题.利用决策者提供的偏好信息来为抗体分配偏好等级,根据该值比例克隆抗体,增大抗体的选择压力,加快收敛速率.根据偏好信息来缩减Pareto前沿,并用有限的偏好解估计该前沿.同时,建立了免疫记忆种群来保留较好的非支配抗体,采用ε支配机制来保持记忆抗体种群的多样性.实验结果表明,对于2目标的偏好多目标问题以及高达8目标的DTLZ2和DTLZ3问题,该算法取得了一定的实验效果.

修正免疫克隆约束多目标优化算法

针对约束多目标优化问题,提出修正免疫克隆约束多目标优化算法.该算法通过引进一个约束处理策略,用一个修正算法对个体的目标函数值进行修正,并对修正后的目标函数值采用免疫克隆算法进行优化,用一个精英种群对可行非支配解进行存储.该算法在优化过程中,既保留了非支配可行解,也充分利用了约束偏离值小的非可行解,同时引进整体克隆策略来提高解分布的多样性.通过对约束多目标问题的各项性能指标的测试以及和对比算法的比较可以看出:该算法在处理约束多目标优化测试问题时,所得解的多样性得到了一定的提高.同时,解的收敛性和均匀性也得到了一定的改进.

合成孔径雷达影像变化检测研究进展

遥感影像变化检测技术用于检测同一地点在一段时间内所发生的变化情况,具有重要的应用价值.而基于合成孔径雷达(synthetic aperture radar,SAR)影像的变化检测由于其传感器具有不受时段、天气条件影响等优良特性而在近年内受到了广泛的关注.针对SAR影像变化检测这一核心任务,首先对其经典步骤以及每一步的传统方法进行介绍,然后对在近年来的诸多新兴热点算法加以归纳总结.这些热点算法对差异图的生成以及阈值、聚类、图切和水平集4种常用的差异图分析法进行了不同程度的研究,将传统方法针对变化检测任务进行了相应改善,取得了良好的效果.在由浅入深地介绍了这些算法的同时也进行了理论上的分析对比.为了验证这些方法的有效性,使用了2组数据集对这些方法进行了测试,定量比较了一些方法的性能.最后针对目前SAR影像变化检测技术中需要进一步研究的内容作了展望.

求解多目标问题的Memetic免疫优化算法

将基于Pareto支配关系的局部下山算子和差分算子引入免疫多目标优化算法之中,提出了一种求解多目标问题的Memetic免疫优化算法(Memetic immune algorithm for multiobjective optimization,简称MIAMO).该算法利用种群中抗体在决策空间上的位置关系设计了两种有效的启发式局部搜索策略,提高了免疫多目标优化算法的求解效率.仿真实验结果表明,MIAMO与其他4种有效的多目标优化算法相比,不仅在求得Pareto最优解集的逼近性、均匀性和宽广性上有明显优势,而且算法的收敛速度与免疫多目标优化算法相比明显加快.

自适应动态控制种群规模的自然计算方法

提出了一种种群规模自适应动态控制策略,实现了种群规模根据进化过程自适应的动态变化.该策略的实现不依赖于算法进化操作的具体步骤,因而适用于各种基于种群优化的自然计算方法.首先给出了动态控制策略的框架;然后,在此框架下,充分利用动态种群规模反馈的有用信息,提出了基于Logistic模型的增加/删除数目自适应变化的方法,设计了自适应地兼顾有效性和多样性的增加算子和基于多样性的删除算子.将该策略应用到两种不同的自然计算方法中,采用经典测试函数和新型CEC05测试函数验证其性能.实验结果均表明,结合了所提出的种群规模自适应动态控制策略的新算法,比原算法在求解精度和收敛速度上均有明显的提升.

基于免疫算法和EDA的混合多目标优化算法

在免疫多目标优化算法的基础上,引入了分布估计算法(EDA)对进化种群进行建模采样的思想,提出了一种求解复杂多目标优化问题的混合优化算法HIAEDA(hybrid immune algorithm with EDA for multi-objective optimization).HIAEDA的进化过程混合了两种后代产生策略:一种是基于交叉变异的克隆选择算子,用于在父代种群周围进行局部搜索的同时开辟新的搜索区域;另一种是基于EDA的模型采样算子,用于学习多目标优化问题决策变量之间的相关性,提高算法求解复杂多目标优化问题的能力.在分析两种算子搜索行为的基础上,讨论了两者在功能上的互补性,并利用有限马尔可夫链的性质证明了HIAEDA算法的收敛性.对测试函数和实际工程问题的仿真实验结果表明,HIAEDA与NSGAII算法和基于EDA的进化多目标优化算法RM-MEDA相比,在收敛性和多样性方面均表现出明显优势,尤其是对于决策变量之间存在非线性关联的复杂多目标优化问题,优势更为突出.

异构无线网络中基于免疫计算的联合会话接纳控制

本文研究了单运营商异构网络环境下的联合会话接纳控制问题,给出了一个基于免疫计算的会话接纳控制方案.设计了联合会话接纳控制问题的数学模型,给出了基于免疫多目标优化算法的控制方案框架,并通过仿真实验验证了本文方案.实验结果表明,与文献方案相比,本文设计的接入控制方案在阻塞率和频谱效用之间获得了更好的性能折中,同时更好地兼顾了同一运营商内各个接入网络之间的公平,具有较好应用价值.

基于免疫计算的IEEE 802.16j网络基站及中继站选址优化

IEEE802.16j标准引入了中继站,从而能获得覆盖能力和容量的提升.与传统的单跳无线接入网络相比,IEEE802.16j网络具有以较低代价获得较高容量的优势.中继站和基站的联合优化是移动网络运营商进行网络规划的重要内容之一.由于中继站建站代价远小于基站建站代价,在给定候选站址和覆盖需求的前提下,通过对中继站和基站的站址进行联合优化可以减少基站的建设数目,从而降低网络的建设总代价.为了解决802.16j网络基站及中继站选址优化问题,给出了一个基于免疫计算的选址优化方案.设计了802.16j网络选址优化问题的数学模型,给出了求解选址优化问题的免疫优化算法,并进行了仿真实验.实验结果表明:所给出的方案能以较小的网络建设代价获得较大的网络容量增益,具有较好的应用价值.