计算机应用研究杂志

计算机应用研究杂志2020年第5期

• 基于特征点法和直接法VSLAM的研究

  邹雄,肖长诗,文元桥,元海文,

  基于视觉的同时定位和建图（VSLAM）分为前端和后端，前端包括视觉里程计和回环检测，后端包括后端优化和建图。按照估计相机运动的不同方式，将VSLAM分为特征点法和直接法，首先从这两个方面对前端进行综述，阐述其中的关键技术和最新的研究进展，对比分析不同方法的优缺点；然后详细分析优化后端与滤波器后端的区别，进一步对多个开源代码进行比较研究，分析它们的优劣势和适用场合；再讨论深度学习、语义地图和多机器人在VSLAM领域的研究进展，以及相关技术与VSLAM的结合方式及前景；最后对VSLAM的未来进行展望。

• 残差网络研究综述

  郭玥秀,杨伟,刘琦,王玉,

  概述了残差网络的研究背景及意义，对残差单元和残差网络的框架进行了综述，并从残差单元、网络框架和混合改进三方面阐述了残差网络的模型改进。最后总结了残差网络在一些领域的成功应用和未来可能的发展趋势。

• 基于出租车司机经验的约束深度强化学习算法路径挖掘

  黄敏,毛锋,钱宇翔,

  利用出租车司机经验，提出约束深度强化学习算法（CDRL）在线计算不同时间段内OD间最快路线。首先描述了路段经验数据库（ERSD）的提取； 然后介绍了CDRL方法，包括可选择约束路段生成和深度Q-lear-ning算法两个阶段，在第一阶段，生成OD（起终点）间可选择约束路段，在第二阶段，设计深度Q-learning算法学习出租车司机的经验，并根据他们的出发时间计算给定OD间的最快路线；最后在广州CBD进行了应用实验。结果表明，CDRL方法计算在旅行时间上优于最短路径（SR）方法，且与最快路径（FR）方法计算路径差别不大；此外，CDRL方法在计算效率方面明显优于FR和SR方法，因此更适合OD间最快路径的在线计算。

• 引入评分偏置的二项矩阵分解推荐算法

  张笑虹,张奇志,周亚丽,

  针对推荐系统中的评分预测问题，在矩阵分解的基础上实现了一种修正的二项矩阵分解算法。假设用户对物品的评分基于二项分布，由于用户的评分习惯存在差异，物品的受欢迎程度也存在差异，导致用户—物品评分矩阵存在偏置量。通过引入偏置量对矩阵分解和评分预测进行修正，采用最大后验估计建模，并通过随机梯度下降算法优化模型。实验结果表明，在MovieLens 100K数据集上，引入评分偏置的二项矩阵分解算法在推荐精度、离线计算时间等方面均优于传统的二项矩阵分解算法。

• 移动环境下基于情境感知的个性化影视推荐算法研究

  罗国前,刘志勇,张琳,张家鑫,何卓桁,张欣,

  针对在移动环境下使用传统推荐算法进行个性化影视推荐时存在的准确度不高的问题，提出了一种基于情境感知的矩阵分解算法。该算法在基本矩阵分解算法的基础上，通过融入全局偏置和情境偏置来进行未知评分预测。该算法的优势在于：一方面，使用矩阵分解的方式使得矩阵的规模远远小于原始评分矩阵；另一方面，该算法充分融入了情境要素对评分的影响，使得预测评分更加精准。通过在LDOS-CoMoDa数据集上进行实验，结果表明，该算法在准确度上优于基于用户的协同过滤算法、基本矩阵分解算法和baseline预测算法。

• 基于ranking的深度张量分解群组推荐算法

  杨丽,王时绘,朱博,

  针对当前群组推荐研究中，对于用户偏好建模时大多忽略了群组偏好与个人偏好之间的相互影响以及建模初始化问题，提出了一种基于ranking的混合深度张量分解群组推荐算法（R-HDTF）。该算法首先利用基于深度降噪自动编码器的混合神经网络对群组、个人和项目等信息进行初始化；然后提出基于成对张量分解模型来捕获群组、个人和项目之间的相关关系；最后，采用BPR标准优化张量分解的损失函数，学习提出算法的参数。在真实数据集上的实验结果表明，该算法性能优于传统的主流群组推荐算法。

• 融合协同过滤的XGBoost推荐算法

  齐德法,徐连诚,朱振方,

  在推荐系统中，针对用户的冷启动问题，提出一种融合协同过滤的XGBoost推荐算法。根据基于用户相似度的协同过滤推荐算法进行粗粒度召回，得到部分用户的召回集，使用XGBoost算法对召回集中的项目进行预测。对于存在冷启动问题的用户，直接使用XGBoost算法对候选集中的项目进行预测。该算法采用CCIR2018个性化推荐评测的在线评测数据集，并将推荐结果投放到知乎提供的线上平台进行评测。评测结果表明，该算法可以解决用户的冷启动问题，具有很高的执行效率，准确度高，在线上评测中取得显著的推荐效果。

• 多MapReduce作业协同下的大数据挖掘类算法资源效率优化

  廖彬,张陶,于炯,黄静莱,国冰磊,刘炎,

  由于任意的MapReduce作业都需要独立地进行任务调度、资源分配等一系列复杂的操作，这使得同一算法协同的多个MapReduce作业之间，存在着大量的冗余磁盘I/O及资源重复申请操作，导致计算过程中资源利用效率低下。大数据挖掘类算法通常被切分成多个MapReduce job协作完成。以ItemBased算法为例，对多MapReduce作业协同下的大数据挖掘算法存在的资源效率问题进行了分析，提出基于DistributedCache的ItemBased算法，利用DistributedCache将多个MapReduce job之间的I/O数据进行缓存处理，打破作业之间独立性的缺陷，减少map与reduce任务之间的等待时延。实验结果表明，DistributedCache能够提高MapReduce作业的数据读取速度，利用DistributedCache重构后的算法极大地减少了map与reduce任务之间的等待时延，资源效率提高3倍以上。

• 基于印象空间的互联网广告效果评价

  宋永强,王红,王露潼,胡晓红,

  互联网广告效果评价是网络营销的核心问题，评价方法存在信息源单一、无差别假、全局假设等问题，对互联网广告效果评价提出了巨大挑战。寻找一种全新的衡量互联网广告效果的评价指标成为亟待解决的任务。首先，创新地提出印象空间概念，作为更有效的网页广告效果评价指标，以解决信息源单一问题；其次，分析用户类型、行为方式、行为过程等特征对互联网广告效果评价标准的影响，消除用户无差异假设所造成的评价偏差；再次，引入网页的局部性特征，分析页面布局、广告与页面内容相关性等因素对互联网广告效果的影响，以消除全局性假设；最后，构建基于多模态特征的印象空间模型来预测互联网广告效果。实验结果表明，提出的印象空间对互联网广告质量评价的准确率显著提升，达到92.4％。而且印象空间模型的预测结果不仅更加准确科学，而且具有明显的可解释性。

• 基于微博的UVFR谣言传播模型研究及仿真

  肖晓艳,刘万平,王越,范海波,

  针对微博网络谣言的传播机制进行了研究，根据其传播特征将微博谣言的受众用户划分为未知者、浏览者、转发者、评论者四类，从而构建一个UVFR网络谣言传播模型。利用该模型分析主要参数对传播过程的影响，提出相应的控制策略。模型的主要特点是重新定义了谣言传播规则和传播动力学方程，使得传播过程的描述更加符合微博用户行为。使用多主体仿真平台在无标度网络结构下对谣言的传播行为进行了仿真研究。通过将仿真结果与新浪微博真实数据进行比较，证实了所得结论的合理性和有效性。仿真实验结果表明，初始传播节点越多，谣言传播的速度越快；转发概率越大，谣言传播的范围越广。

• 利用词项语义共现和社团划分发现微博热点事件

  李晓红,孔文文,马堉垠,马慧芳,

  针对传统词项之间语义关系抽取难以适用于微博，导致发现微博热点事件不敏感的问题，提出一种基于词项语义共现和社团划分的方法发现热点事件。首先利用热度定义对微博数据进行初次筛选，通过构建共现词项图来模拟词项间的语义相关性，并结合修改的TF-IDF公式计算词项间的语义相关度；借助社区划分和模块度的概念对词项图进行划分，完成词项聚类，进而获得热点事件。实验结果表明，与同类方法相比，该方法的准确率较高，发现的热点事件与实时事件基本保持一致，具有较好的热点识别效果。

• 基于模糊蚁群的加权蛋白质复合物识别算法

  毛伊敏,刘银萍,胡健,

  针对蚁群融合FCM聚类算法在蛋白质相互作用网络中进行复合物识别的准确率不高、召回率较低以及时间性能不佳等问题进行了研究，提出一种基于模糊蚁群的加权蛋白质复合物识别算法FAC-PC（algorithm for identifying weighted protein complexes based on fuzzy ant colony clustering）。首先，融合边聚集系数与基因共表达的皮尔森相关系数构建加权网络；其次提出EPS（essential protein selection）度量公式来选取关键蛋白质，遍历关键蛋白质的邻居节点，设计蛋白质适应度PFC（protein fitness calculation）来获取关键组蛋白质，利用关键组蛋白质替换种子节点进行蚁群聚类，克服蚁群算法中因大量拾起放下和重复合并过滤操作而导致准确率较低和收敛速度过慢的缺陷；接着设计SI（similarity improvement）度量优化拾起放下概率来对节点进行蚁群聚类进而获得聚类数目；最后将关键蛋白质和通过蚁群聚类得到的聚类数目初始化FCM算法，设计隶属度更新策略来优化隶属度的更新，同时提出兼顾类内距和类间距的FCM迭代目标函数，最终利用改进的FCM完成复合物的识别。将FAC-PC算法应用在DIP数据上进行复合物的识别，实验结果表明FAC-PC算法的准确率和召回率较高，能够较准确地识别蛋白质复合物。

• 基于链路预测的有向互动影响力和用户信任的推荐算法

  魏映婷,倪静,

  针对传统推荐算法存在忽视社交网络结构紧密强度对用户信任传递的影响和缺乏社交心理解释等问题，提出基于链路预测的有向性互动影响力和用户信任的推荐算法。首先利用融合用户偏好行为和社交圈的综合相似度识别出目标用户的相似朋友圈；其次通过结合节点引力指数和有向性影响因子获得目标用户之间的有向性互动影响力，再利用由有向性互动影响力和用户评分信任得出的综合用户信任值在目标用户的相似朋友圈中寻找出值得信任的相似用户集合，有效提高了推荐的精确性，最后产生推荐。结果表明，所提推荐方法较之前的社会网络推荐算法在性能上具有显著提高。

• 基于PageRank的多维度微博用户影响力度量

  罗芳,徐阳,蒲秋梅,邱奇志,

  以新浪微博为研究对象，提出一种适用性更广、考虑因素更全面的微博用户影响力度量算法，将用户基本属性、用户交互行为和用户博文内容三个维度因素融入传统PageRank算法中，提出了一种多维度微博用户影响力度量算法MDIR。实验结果表明，MDIR算法相较于其他常用的五种影响力度量算法，能更加全面、真实地反映微博用户的实际影响力。

• 融合内容与矩阵分解的混合推荐算法

  王永贵,陈玉伟,

  传统基于内容的推荐算法往往具有较低的准确性，而协同过滤推荐算法中普遍存在数据稀缺性和项目冷启动问题。为解决上述问题，提出了一种融合内容与协同矩阵分解技术的混合推荐算法。该算法实现了在共同的低维空间中分解内容和协同矩阵，同时保留数据的局部结构。在参数优化方面利用一种基于乘法更新规则的迭代方法，以此提高学习能力。实验结果表明，该算法优于其他具有代表性的项目冷启动推荐算法，有效缓解了数据稀疏性，提高了推荐准确性。

• 社会网络环境下基于信任传递的推荐模型研究

  陈文俊,倪静,

  现有基于信任的推荐算法中没有充分挖掘用户间的信任关系，且缺乏合理的信任关系传递规则，极大地影响了推荐算法的可靠性和准确性。针对上述问题，通过用户评分数据与用户的社会关系建立信任传递模型，提出一种基于信任传递的推荐算法。该算法首先利用评分数据计算信任传递模型中用户的隐式直接信任关系，其次通过求解有序加权平均算子融合多条信任传递链的间接信任关系，最后将计算出的用户信任度与相似度融合为综合相似度进行预测推荐。实验结果证实了所提算法可有效提升系统的推荐质量。

• 基于多特征和深度神经网络的维吾尔文情感分类

  买买提阿依甫,吾守尔·斯拉木,艾斯卡尔·艾木都拉,杨文忠,帕丽旦·木合塔尔,

  针对传统机器学习的情感分类方法存在长距离依赖问题与深度学习存在忽略情感词库的弊端，提出了一种基于注意力机制与双向长短记忆网络和卷积神经网络模型相结合的维吾尔文情感分类方法。将多特征拼接向量作为双向长短记忆网络的输入来捕获文本上下文信息，使用注意力机制和卷积网络获取文本隐藏情感特征信息，有效增强了对文本情感语义的捕获能力。实验结果表明，该方法在二分类和五分类情感数据集上的F1值相比于机器学习方法分别提高了5.59%和7.73%。

• 利用改进蚁群算法的重叠社团检测分析方法

  许英,

  针对重叠社团检测准确率提升问题，提出了一种基于改进蚁群算法的新型重叠社团检测算法。该算法包含位置初始化、运动和后处理三个阶段，分别通过初始位置识别与标签列表存储、基于节点间相似度的启发式信息重定义、合作保持标签列表等方式，使算法在合成数据集与现实世界数据集中的重叠社团与节点检测方面具有更好的性能。实验结果表明，在合成网络与现实世界网络平台上使用不同检测算法，提出方法对重叠社团与重叠节点的检测准确率较传统检测方法更高，因而对重叠社区检测问题求解与理解网络功能结构具有重要的参考与借鉴意义。

• 基于稠密连接记忆神经网络的文本推理

  潘永华,闭应洲,潘怀奇,郑思霞,

  由于传统的端到端记忆神经网络模型特征表示能力不足、无法很好地表示各个记忆之间的联系，导致其在数据集bAbI中的位置推理和路径查找问题正确率不高，针对此问题，提出了一种结合稠密连接和多层感知机的记忆神经网络。该模型利用稠密连接与全连接层获取关系特征，增强了模型的特征表示能力。利用bAbI数据集对模型进行推理正确率的评估，实验结果表明，与传统的记忆神经网络以及端到端记忆神经网络相比，该模型能有效提升文本推理的正确率。

• 基于高斯扰动和指数递减策略的改进蝙蝠算法

  宋一民,李煜,

  针对基本蝙蝠算法后期收敛速度慢、收敛精度不高、稳定性不强等问题，提出基于高斯扰动和指数递减策略的改进蝙蝠算法（GDEDBA）。将指数递减策略引入速度更新公式，使算法迅速进入局部寻优并展开精确搜索；构造高斯扰动项加入到局部新解产生公式，使局部新解中所有粒子与当前全局最优粒子产生信息交流与学习，防止陷入局部最优，增加种群多样性；设计扰动控制因子来控制高斯扰动的扰动范围，增强算法的稳定性。15个测试函数的仿真结果表明，改进算法的寻优性能显著提高，收敛速度更快，求解精度更高，稳定性更强。

• 基于金字塔结构的群智能演化策略求解混合整数规划问题

  唐荷花,彭斯俊,王占占,

  混合整数非线性规划问题（mixed-integer nonlinear programming，MINLP） 广泛应用于科学及工程系统设计，传统的群智能算法在求解混合整数规划问题时，未能很好地解决种群内部个体或者种群之间开采与探索、竞争与协作的矛盾。为了解决这两个矛盾及更高效率地寻优，提出一种基于金字塔结构的群智能演化策略（swarm intelligent evolution strategy based on pyramid structure）的PES算法来求解混合整数规划问题。PES算法中明确的分工机制能够平衡全局与局部搜索的能力，晋升机制解决了种群间竞争与协作的矛盾。利用标准测试函数进行仿真，对比改进的粒子群算法（CLSPSO、CLSPSO2）及改进的差分进化算法（ridDE、ridDE2）的结果，发现PES算法在成功率与精度方面具有优势，也体现了PES算法的有效性。

• 基于决策树的敏感词变形体识别算法研究及应用

  余敦辉,张笑笑,付聪,张万山,

  针对网络中敏感词变形体识别效率不高的问题，提出了基于决策树的敏感词变形体识别算法。首先，通过分析汉字的结构和读音等特征，研究敏感词及变形体；其次，基于敏感词库构建敏感词决策树；最后，通过多因子改进模型，对微博等新媒体的文本敏感程度进行计算。实验结果表明，该算法在识别中文敏感词及变形体时，查全率和查准率最高分别可达95%和94%，与基于确定有穷自动机的改进算法相比，查全率和查准率分别提高了19.8%和21.1%；与敏感信息决策树信息过滤算法相比，查全率和查准率分别提高17.9%和18.1% 。通过分析，该算法对敏感词变形体的识别和自动过滤是有效的。

• 非数值化特征的条件概率区域划分(CZT)编码方法

  贺亮,徐正国,李赟,沈超,

  非数值化特征经常出现在数据中，对其有效编码是采用机器学习模型解决问题的关键。针对目前被广泛使用的one-hot编码方法的编码结果具有较大的稀疏性，并且编码出的数值仍然没有明确的物理意义等问题，提出一种基于条件概率的区域划分编码算法CZT（conditional-probability-based zone transformation coding）。该方法首先对特征进行条件概率计算，并依据条件概率划分特征区域，按照区域内的联合条件概率进行编码；然后将CZT编码算法与one-hot算法进行对比分析，从理论上推导并证明CZT编码对特征的压缩率至少为每个特征取值空间的平均大小，同时证明经过CZT编码后的问题具有更简单的优化目标形式，有利于设计后续机器学习算法；最后通过采用相同结构的神经网络进行分类，在Titanic数据集下对比CZT算法和one-hot算法编码数据后对分类器性能的影响，结果表明CZT编码的数据的分类准确率和稳定性均有提升。

• WP可解公式上警示传播算法收敛的有效条件

  崔立,王晓峰,牛进,

  通过对警示传播（warning propagation，WP）算法的数学原理分析，高概率确定的部分变元与公式的骨干集和后门集有密切关系。针对WP算法收敛性的研究，基于骨干集和后门集定义WP-可解公式，利用在G（n，3，m）模型和植入指派模型下证明WP算法的收敛性，给出算法收敛的充要条件。最后，通过在植入指派的公式产生模型上进行数值实验验证，结果表明：如果一个可满足性公式WP-可解公式，当且仅当WP算法高概率收敛。

• 无线传感网络干扰最小化问题的一种缩边贪心算法

  杜磊,付喜梅,杨文瀚,

  无线传感器网络的最大干扰最小化问题可以被描述为已知平面上n个点的位置及发射半径的阈值，要求设置发射半径使得任意点被其他点发射范围覆盖的最大数量达到最小。为了有效求解该问题，提出了一种新的贪心算法——缩边算法。不同于已有算法的构图方式，该算法是通过采取缩边的方式构造网络通信拓扑图，并结合了操作系统中批量处理的思想对贪心算法进行了加速，缩短了算法的运行时间。通过实验验证，该算法相比于已有算法在随机产生的算例上能产生更优的解。

• 迭代自组织哈希算法

  韩雪莲,田爱奎,王振,卢海涛,

  为了解决现有哈希算法的中心点不确定性和离散编码表达有限的问题，提出迭代自组织哈希算法（iterative self-organizing hashing，ISOH）。该算法采用迭代自组织数据分析量化空间，以提高近邻检索准确率；在聚类中心初始化方面，使用最远平均距离方法选择初始聚类中心，避免初始聚类中心的随机性；为解决固定编码长度所表示的二值编码种类有限的问题，提出建立多重编码机制；在时间复杂度方面，ISOH算法采用乘积空间，以较低的代价得到更长的编码。实验结果表明，在SIFT、GIST和CIFAR10数据集上与K-均值哈希和可扩展图哈希等具体化哈希算法相比，ISOH算法能有效提高近邻检索的准确率。

• 不完备混合决策系统的三支决策模型与规则获取方法

  钱文彬,彭莉莎,王映龙,段德林,

  现有三支决策主要针对各类完备信息系统或不完备单一型信息系统进行研究，而现实应用领域中数据往往呈现不完备性和复杂性等特征，为此，构建面向不完备混合决策系统的三支决策模型与规则获取方法。首先，计算不完备混合数据的完备邻域容差类，并将其代替等价类计算三支决策模型的条件概率；然后，根据扩展的损失函数区间概念获取各对象在乐观、折中和悲观决策下的不同阈值，进而针对不完备混合决策系统构造三种决策风险下的三支决策模型；最后，通过理论分析和医疗诊断实例详细分析了算法的有效性和可解释性，并通过实验比较和分析可知，所构模型较其他已有模型的分类过程更加合理有效，同时该模型也扩充了三支决策模型和知识发现的理论与应用研究。

• 基于学者社交网络的论文与项目关联模型

  王柳,汤庸,杨佐希,傅城州,毛承洁,毛超丹,

  针对学者社交网络的独特用户，提出一种基于学者社交网络的论文与项目数据的协同关联模型。首先采用两步特征选择方法预处理数据，去除无关和冗余特征，得到影响论文与项目关联的有效特征；然后通过文本向量空间模型TVSM（text vector space model）计算论文与项目之间的文本相似度，为不同的论文/项目形成推荐集合。通过面向科研人员的社交网络（学者网）数据，实现模型并真实应用于学者网。在线应用情况和用户反馈表明，该模型具有较好的准确性和实用性，可更加充分地挖掘论文与项目之间蕴涵的丰富信息，给用户提供更加高效方便的学术科研管理服务，为分析学术大数据提出了新颖的研究方法。

• 基于深度学习的人脸识别算法研究

  胡亚洲,周亚丽,张奇志,

  考虑到现实环境中的人脸图片在角度、光线、分辨率上的复杂程度，对Inception-ResNet-V1网络结构进行了改进，同时完成了数据集制作、超参数调节等相关工作，并在家庭服务机器人平台上进行了实验研究。实验结果表明，改进的网络结构在LFW测试集上准确率达到99.22%，高于原始网络结构的99.05%；在亚洲人脸数据集上准确率达到99.20%，高于原始网络结构的97.10%；在自建非匹配人脸数据集上误识别率为3.43%，低于原始网络结构的12.28%。可以看出，与原始网络结构相比，改进网络结构提升了人脸识别的准确率且降低了误识别率。

• 基于声源阵列的空间麦克风定位方法研究

  陈晓辉,孙昊,张恒,翟葆朔,

  针对当前麦克风位置估计方法出现较少且只对平面的麦克风阵列进行位置估计的问题，提出了一种基于声源阵列的空间麦克风定位方法。该方法将四个声源按照正四面体形式排列，在利用其对称性保证定位全向性的同时，根据时延估计的测距方法计算麦克风与各个声源之间的距离，之后根据几何关系确定麦克风位置坐标，实现在线的基于声源阵列的空间麦克风位置估计。通过进行MATLAB仿真实验，验证了该方法的可行性和有效性。

• 基于多因素稀疏回归预测模型的商家客流量预测

  郑增威,杜俊杰,周燕真,孙霖,霍梅梅,

  针对智能商业平台中的大数据预测问题，提出一种多因素稀疏回归预测模型。以离散余弦变换为基础，构建包含多个外部因素（节假日、天气、温度）的字典集，通过LASSO方法定量求解稀疏编码模型中各外部因素的影响。实验对2 000个商家的客流量进行预测。实验结果表明，外部因素不同程度地影响客流量，在预测模型中叠加外部因素后可以有效提高预测的准确性。同时，与其他方法对比表明，多因素稀疏回归预测模型比RNN、ARIMA 等模型的预测效果更好。

• 基于范畴论的业务目标模型形式化

  李宗花,李必信,

  面向目标需求语言（goal-oriented requirement language，GRL）模型聚焦于待定的需求，被广泛地应用于业务系统的初始需求建模，其模型的正确性影响到业务系统的开发质量。鉴于业务目标模型的形式化可以验证模型的正确性，提出了一种利用范畴论形式化GRL模型的方法。首先，依据GRL元模型结构，应用范畴论中的态射机制形式化描述GRL模型中目标与目标、目标与任务以及任务与任务等节点之间的关系；然后，通过增加范畴模型中的初始对象和终止对象，设计紧邻序列来表示多个目标与任务实施的因果关系；最后，设计业务目标模型系统的正确性结构性质。应用Web Payment系统实验表明，形式化业务范畴模型能够验证GRL模型的正确性，提高目标建模的质量。

• 基于改进YOLOv2的无标定3D机械臂自主抓取方法

  余玉琴,魏国亮,王永雄,

  提出了一种多物体环境下基于改进YOLOv2的无标定3D机械臂自主抓取方法。首先为了降低深度学习算法YOLOv2检测多物体边界框重合率和3D距离计算误差，提出了一种改进的YOLOv2算法。利用此算法对图像中的目标物体进行检测识别，得到目标物体在RGB图像中的位置信息； 然后根据深度图像信息使用K-means++聚类算法快速计算目标物体到摄像机的距离，估计目标物体大小和姿态，同时检测机械手的位置信息，计算机械手到目标物体的距离； 最后根据目标物体的大小、姿态和到机械手的距离，使用PID算法控制机械手抓取物体。提出的改进YOLOv2算法获得了更精准的物体边界框，边框交集更小，提高了目标物体距离检测和大小、姿态估计的准确率。为了避免了繁杂的标定，提出无标定抓取方法，代替了基于雅克比矩阵的无标定估计方法，通用性好。实验验证了提出的系统框架能对图像中物体进行较为准确的自动分类和定位，利用Universal Robot 3机械臂能够对任意摆放的物体进行较为准确的抓取。

• 基于开放域对话系统的自动化评测方法研究

  王春柳,杨永辉,赖辉源,邓霏,

  开放域对话系统的研究在近年来取得了很大的进展，然而基于该类系统的自动化评测依然是目前亟待解决的问题。针对目前各类评测方法需要大量标注数据和评测准确率较低等问题，提出了一种利用长短期记忆网络和注意力机制判别问题—回复对是否为真实对话的评测模型。该模型基于连续的对话语料进行建模，解决了目前基于参考回复的评测模型需要大量标注数据的弊端。在Cornell和Reddit数据集上，该模型分别取得了57.2%和71.8%的准确率，与现有几种评测模型相比准确率有明显提升。

• 基于改进ER的生鲜冷链物流服务质量评估方法

  耿秀丽,谷玲玲,

  针对生鲜冷链物流服务质量评价信息高度冲突问题，采用改进的证据推理（evidence reasoning，ER）方法处理指标评估信息。首先，考虑各专家对生鲜冷链物流服务供应商的指标评估具有不确定性特点，提出采用ER方法处理每个供应商的指标评估信息；其次，考虑各专家对每个供应商的评估信息具有高度冲突问题，采用cosine相似函数衡量冲突变化程度，利用证据间的一致性计算证据权重，并对评估信息进行修正；然后，再运用证据推理方法集成修正后的供应商评估信息；最后以某企业选择生鲜冷链物流服务供应商为例进行分析，并将分析结果与对比方法计算的结果相对比。结果表明，所提方法能有效解决高度冲突问题，并能降低因冲突引起的不确定性。

• 结构化数据的隐私与数据效用度量模型

  谢明明,彭长根,吴睿雪,丁红发,刘波涛,

  针对隐私保护中数据隐私量和数据效用的量化问题，基于度量空间和范数基本原理提出了一种结构化数据隐私与数据效用度量模型。首先，给出数据数值化处理方法，将数据表转变为矩阵进行运算；其次，引入隐私偏好函数，度量敏感属性随时间的变化；然后，分析隐私保护模型，量化隐私保护技术产生的变化；最后，构建度量空间，给出了隐私量、数据效用和隐私保护程度计算式。通过实例分析，该度量模型能够有效反映隐私信息量。

• GIFT-64算法的Biclique分析

  郭伟博,刘彬,王洋,

  GIFT算法是一种实现效率高、所需功耗低的轻量级分组密码算法，现有评估其安全性的研究成果较少。利用Biclique攻击方法，结合算法密钥调度方式以及轮函数结构的信息泄露规律，分别给出了对于GIFT-64算法的平衡Biclique攻击和Star攻击结果。对于GIFT-64算法的平衡Biclique攻击所需的数据复杂度和计算复杂度分别为232和2127.36；对于GIFT-64算法的Star攻击所需的数据复杂度和计算复杂度分别为2和2127.48。这是首个对于全轮GIFT-64算法的安全性分析结果。

• 基于堆稀疏自编码的二叉树集成入侵检测方法

  柳毅,阴梓然,洪洲,

  为了解决大规模入侵数据的分类问题，提出了堆稀疏自编码的lightGBM（light gridient boosting model）二叉树算法。首先将类别标签分为五类，构造成二叉树结构；然后通过上采样方法解决数据分布的不平衡问题，以上处理可以将大规模的数据分解开来以便之后分开训练；再采用稀疏自编码器网络进行特征降维，采用该种降维方法可以保证在原始数据中抽取出更深层特征的基础上节省降维时间；最后通过lightGBM集成算法进行分类，而采用lightGBM模型相比其他模型可以在保证分类性能的情况下节省训练时间。实验利用NSL-KDD数据集测量了所提方法的准确率、精确率、召回率，并且综合评价指标F1在五类分类上平均分别达到了87.42%、98.20%、91.31%，优于对比算法，且明显节省了运算时间。

• 自适应分块的医学图像混沌加解密算法

  拜亚萌,张燕玲,邓小鸿,

  针对现有基于混沌的医学图像加密算法未考虑图像纹理特征的不足，提出了一种自适应分块的医学图像混沌加解密算法。首先利用2D Sine Logistic混沌系统生成两个具有良好混沌特性的安全序列；然后将图像分成固定尺寸的图像块，并计算图像块的最大像素差和方差，根据设定的阈值将图像块划分成纹理平滑块和纹理复杂块；最后利用混沌序列1对平滑块进行密文反馈加密，利用混沌序列2对复杂块进行明文反馈加密，得到加密后的图像。算法有效地考虑了图像块的纹理特性，优化了混沌加密算法，提高了医学图像的加解密效率。实验仿真结果表明，提出的算法具有高的安全性和加解密效率，相比现有方法加解密速度提高1倍左右。算法适用于大数据量的医学图像实时加解密。

• 一种基于双重KGC的无证书短签名方案

  左黎明,张梦丽,胡凯雨,易传佳,

  为了解决无证书短签名方案中单KGC权力过于集中的问题，提出一种基于双重KGC的无证书短签名方案，其中双重KGC之间相互制约，有效地减少了单KGC主密钥泄露和被恶意操控带来的危害。随后在随机预言机模型、k-CAA和Inv-CDH问题困难性假设下，证明了签名方案在适应性选择消息攻击下是存在性不可伪造的。最后与其他无证书数字签名方案进行了比较，并用C语言实现了该方案.实验结果和分析表明该方案计算量较低，运行效率和安全性较高。

• 基于IBU模型的信息传播

  范海波,刘万平,肖晓艳,

  考虑到发布信息用户的可信度差异对信息传播过程具有一定的影响，针对真假信息传播的广度和效果，提出了一个新的IBU模型，研究了信息内容真实性以及发布信息用户的可信度对信息传播动力学过程的影响。通过MATLAB仿真对该模型的传播效果进行实验，实验结果表明，无论发布信息用户的可信度有多大，与信息可信本身无关，只与信息内容本身是否可信有关；信息发布者可信度越大，对于信息传播的时间就越长；相反，信息发布者的可信度越低，传播时间越短，但并不会改变信息内容真假的性质。研究成果为相关职能部门在信息管控方面提供了理论基础。

• 基于多类别参数随机调优的境外活动安全评估模型研究

  郭孟杰,许志伟,刘利民,郭美城,王永生,杨皓麟,

  为保障境外出行人员的境外活动安全，针对现有的数据存在数据缺失、类型多样且类型不一致等问题，在相关评估标准缺失的情况下提出了一种基于多类别参数随机调优的境外活动安全态势评估模型，构建数据量化、筛选机制，自适应调整模型参数，获得安全评估结果并分级，最终实现对安全态势评估和预警。通过与相关评估方案及国际范围内的真实恐怖袭击事件的分布进行比对分析，验证了安全评估模型的准确性，相应系统具有一定的实用价值。

• 车联网环境下基于重复博弈的恶意车辆节点检测机制

  董文远,朱研,王永红,张光华,

  针对车联网内部存在的虚假信息攻击，以及节点动态变化快及密集程度不同造成的恶意车辆节点检测机制效率低下，提出了一种基于重复博弈的恶意车辆节点检测机制。首先，根据车辆在信息交互中的行为建立重复博弈模型，并利用生成的节点收益计算出信任值与动态阈值，经两者比较，筛选出可疑的恶意车辆节点；其次，通过权值投票算法从可疑的恶意车辆节点中判定出恶意车辆节点；最后，从邻居列表中选取信任值最高的下一跳车辆节点进行合作。仿真和分析表明，与现有的相关机制相比，该机制提高了对虚假信息攻击的检测率，降低了误检率。

• 基于异质移动网络的破坏性病毒传播模型

  刘超,黄诗雯,黄贤英,刘小洋,杨宏雨,

  针对现有研究没有考虑移动网络节点异质性与没有构建破坏性病毒传播模型的问题，提出一个基于异质移动网络的破坏性病毒传播模型。通过考虑移动网络节点的异质性，进一步将易感染状态划分为新系统状态和旧系统状态，并结合破坏性病毒的潜伏与爆发特性将感染状态划分为潜伏状态和爆发状态。计算了模型的平衡点与传播阈值，并指出当传播阈值大于1时，模型在正平衡点处不稳定；当传播阈值小于1时，模型在正平衡点处局部渐近稳定。在NW小世界网络和BA无标度网络上进行仿真对比实验，仿真结果表明，两个网络的病毒传播速度不同，NW网络存在病毒完全消除的情况，而BA网络中的病毒不会被完全清除。

• 基于深度学习的OFDM系统窄带干扰消除方法研究

  马涛,李悦,杨峰,丁良辉,

  针对正交频分复用（OFDM）系统中的窄带干扰（NBI）引起的性能下降问题，提出了两种基于深度学习（DL）的窄带干扰消除结构。在两种结构中，首先分别对接收信号进行预处理，然后利用卷积神经网络（CNN）从时域上对经过预处理的数据进行特征提取并获得干扰估计，最后将干扰估计量从接收信号中消去。仿真结果显示，两种结构可以有效学习出OFDM系统中的窄带干扰，并提升系统性能。

• 基于前导干扰消除的FBMC系统加权信道估计算法

  董春波,罗志年,

  针对FBMC系统信道估计时存在虚部干扰问题，提出一种新的信道估计算法。首先，该算法采用了基于虚部干扰消除的新导频结构；然后，利用两列导频分别作粗信道估计；最后，对粗信道估计采用加权方式进行精信道估计，进一步提高信道估计性能。仿真结果表明，与传统虚部干扰消除算法（IIE）相比，新导频结构算法在误码率为1%时，可获得1~2 dB的性能提升。

• 基于条件的边界平衡生成对抗网络

  王硕诚,苟刚,葛梦园,

  目前没有能够使用简单网络结构生成高质量特定图像的生成模型，针对这一项任务，结合边界平衡生成对抗网络（boundary equilibrium generative adversarial network，BEGAN）的优点，添加附加条件特征以及均方误差损失，建立了条件边界平衡生成对抗网络（conditional-BEGAN，C-BEGAN），使用这种方法提取其中的生成模型用于特定图像的生成，实验结果表明，该方法相比于其他监督类生成模型可以使用更简单的网络达到更快的收敛速度，并且能够生成具有更好质量以及多样性的图片。

• 基于LoRaWAN的自适应多帧高效传输方法

  任智,秦军,姜楠,王坤龙,

  针对LoRaWAN协议中LoRa网关与LoRa终端间数据多帧传输方式存在控制开销和传输时延较大的问题，提出一种基于LoRaWAN的自适应多帧高效传输方法（adaptive multi-frame efficient transmission，AMFET），包含自适应多帧发送机制、自适应多帧接收确认机制和丢帧识别机制。自适应多帧发送机制对需确认数据消息设置优先等级，对高级需确认数据消息进行立即确认，对低级需确认数据消息在自适应发送模式结束后统一进行确认，同时将Fpending机制引入LoRaWAN上行多帧传输；自适应多帧接收确认机制通过位向量压缩技术记录已接收数据帧信息，从而单次对多个需确认数据消息进行合并确认；丢帧识别机制利用需确认帧编号（confirmed data identity，CDID）识别低级需确认消息是否丢失，避免终端异常进入休眠模式。通过数学分析和实验测试，分别对AMFET方法的性能进行了理论验证和实验验证，验证结果表明，相对于原LoRaWAN多帧传输方式，AMFET方法在保证数据传输可靠性的前提下，有效降低了数据传输时延和数据传输能耗。

• 空间通信中GMSK信号的载波恢复与时钟同步

  唐智灵,邹鑫,李思敏,

  在空间通信中，过大的多普勒频移和多普勒变化率会造成相干解调接收机无法进行载波恢复与时钟同步。为此，针对高斯最小频移键控（GMSK）信号提出一种可靠且快速克服大多普勒频移的改进平方环方法。首先通过频率估计模块获取粗略载波频率，其次应用改进平方环结构实现GMSK信号的载波恢复和时钟同步。仿真结果显示，在输入信噪比Eb/N0=5 dB以及环路噪声带宽为50 kHz的条件下，载波恢复环路与时钟同步环路锁定时间约为3.6 ms。在低信噪比及大多普勒频移的条件下，该方法能够快速且稳定地实现GMSK信号在空间通信中的载波恢复与时钟同步。

• RS译码优化及卫星通信CCSDS下RS译码仿真

  王兵锐,杨晓非,姚行中,

  针对里德所罗门（RS）译码的关键步骤错误值求解不灵活的问题提出一种更加通用的求解算法。该算法融入多种本原元运算，使得对不同参数都普遍适用； 针对该算法在求解错误值多项式时计算量过大，根据伽罗华域的特征提出了一种优化方法，从而省去一半运算以及节省存储资源；针对RS译码另一个步骤求解错误位置多项式时迭代复杂度过高的问题，经过对补偿差值的详细分析，给出了一种快速搜索迭代次数的算法，且迭代复杂度由O（n2）下降了一个数量级到O（n）。以卫星通信中的国际空间数据系统咨询委员会（CCSDS）标准下RS（255，223）为具体研究对象，结合优化后的译码算法进行了数据仿真分析和误比特率测试。实验结果表明，采用改进的求错误值算法和优化的迭代次数搜索算法，可以有效快速地解码。

• 多层变耦合星型网络同步性研究

  李晓霞,李艳雨,冯志新,张启宇,

  针对多层变耦合星型网络的同步性进行了研究：在层内耦合强度总值一定的前提下，令网络中部分耦合强度分别按照正比例函数、反比例函数、指数函数、对数函数以及三角函数等规律变化，然后严格推导多层变耦合星型网络的超拉普拉斯矩阵及其特征值谱，依据主稳定函数法，研究网络同步能力。数值仿真结果表明：当网络中部分耦合强度发生变化时，其余耦合强度随之以相反的趋势变化；在某些变化规律下，可能出现不同区间内网络同步能力的变化趋势不同的情况；另外，同步域有界时网络同步能力可能达到极大的值。综合分析可以得出结论：网络同步能力的变化趋势始终与较小耦合强度的变化趋势相同，且同步域有界时更容易实现网络同步。

• 基于混合型MUSIC算法对相干信源DOA估计

  张权,李思敏,唐智灵,

  在实际通信环境中，由于传播环境的复杂性使空间中存在大量的相干信号，从而导致信源协方差矩阵的秩亏缺。为使得矩阵的秩恢复到等于信号源数并解决相干信源波达方向（direction of arrival ，DOA）估计问题，提出了一种混合型MUSIC算法。该算法通过前后向空间平滑技术对天线阵列进行预处理，并将得到的新协方差矢量矩阵应用于改进的IMUSIC算法进行信号数据处理分析，得到相干信号的DOA角度估计。仿真结果表明，在信噪比低的情况下，信号间隔很小且存在相关信号时，混合型MUSIC算法能准确地估计出信源的DOA，验证了该算法的高分辨率和高性能。

• 基于原型与正交投影学习的图像集分类算法

  任珍文,吴明娜,

  为了利用图像集中的集合信息来提高图像识别精度以及对图像变化的鲁棒性，从而大幅降低诸如姿态、光照、遮挡和未对齐等因素对识别精度的影响，提出了一种用于图像集分类的图像集原型与投影学习算法（LPSOP）。该算法针对每个图像集学习有代表性的点（原型）以及一个正交的全局投影矩阵，使得在目标子空间的每个图像集可以被最优地分类到同类的最近原型集中。用学习到的原型来代表该图像集，既能降低冗余图像干扰，又能减少存储和计算开销，学习到的投影矩阵能够大幅提高分类精度与噪声鲁棒性。在UCSD/Honda、CMU MoBo和YouTube celebrities这三个数据集上的实验结果表明，LPSOP比目前流行的图像集分类算法具有更高的识别精度和更好的鲁棒性。

• 基于改进阈值函数的小波变换图像去噪算法

  张绘娟,张达敏,闫威,陈忠云,辛梓芸,

  针对传统硬阈值函数在阈值处的不连续、软阈值函数中小波系数与小波估计系数之间存在的恒定偏差问题，提出一种基于改进阈值函数的图像去噪算法。该算法结合改进阈值函数的优点，通过设置适当的调整参数动态选取固定阈值，增加调节因子来降低原小波系数和估计小波系数之间的恒定偏差，从而提高重构图像和原图像的逼近程度。改进后的阈值函数在阈值处满足连续性，同时满足函数的渐近性和高阶可导性。仿真结果表明，采用改进后的阈值函数进行图像去噪，视觉效果好，PSNR和SNR都提高了，MSE有所降低，去噪效果得到了优化。

• 基于非归一化直方图的GrabCut图像分割算法改进

  孔显,马晓珂,

  针对GrabCut算法在图像分割中存在迭代求解耗时长、分割结果欠分割的问题，提出了一种基于非归一化直方图改进的GrabCut算法。在保留GrabCut第一次分割结果的基础上，通过非归一化直方图计算像素点属于前景或背景的方法来代替高斯混合模型迭代学习的过程；在构图过程中引入一类新的节点Bin进行构图以提高分割精度。选取MSRA1000数据集中部分图片进行实验验证，结果表明该算法在分割效果和效率上都有明显的提升，在进行背景复杂图像的分割时改进算法优势更加明显。

• 减少色彩失真的自适应单幅图像去雾算法

  唐慧,任杰文,鲍旭东,

  基于暗通道先验的单幅图像去雾算法是目前最为高效的图像去雾技术，然而当图像中某些场景不完全满足暗通道先验时，去雾处理后的图像中常常出现大量伪影和色彩失真，因此需要根据图像对该方法进行修正。假设图像场景亮度越高，暗通道越不可信；场景饱和度越低，暗通道越不可信。基于该假设重新设计了图像的暗通道置信度，以补偿场景不完全满足暗通道先验时估算过大的暗通道值；另外对图像进行后置增强处理，以提升图像的视觉效果。对三类具有代表性的雾天图像进行实验，实验结果显示，与相关算法相比，该算法在缓解色彩失真、去除伪影等方面表现更好。该算法通过设计暗通道置信度克服了图像场景不完全满足暗通道先验时暗通道值估计偏大的问题，显著提升了暗通道先验去雾模型对不同雾天场景的适应能力。

• 利用稀疏语义结合双层深度卷积神经网络的敏感图像检测方法

  如先姑力·阿布都热西提,亚森·艾则孜,孙国梓,

  互联网技术的飞速发展导致敏感内容图像由原先基本隐蔽的内容交换变为海量的数据共享，传统基于图像特征提取的敏感内容检测方法不再适用。针对上述难点，提出基于稀疏语义和双层深度卷积神经网络相结合的敏感内容检测方法。上层网络首先进行训练样本的预处理，并通过构造图像的稀疏语义表示作为神经网络的输入；而下层网络则进一步考虑第三方管控机制（如政府代理等），提出针对特定群体的敏感内容图像检测方法。与现有常用敏感内容图像检测方法相比，该检测方法可有效降低训练样本数量，且检测精度比传统图像检测方法（如基于视觉词袋方法等）提升7%以上。

• 基于自适应半耦合字典学习的超分辨率图像重建

  黄陶冶,孙恬恬,周正华,赵建伟,

  在超分辨图像重建领域，如何平衡字典学习中表示系数的稀疏性和协同性对重建效果具有重要意义。针对该问题，在半耦合字典学习的超分辨重建基础上，利用核范数构建一个新的正则项，将稀疏性和协同性作为一个整体进行考虑，并用交替方向乘子法（ADMM）求解优化模型，得到了基于自适应半耦合字典学习的超分辨率图像重建算法。实验结果表明，该方法比现有的一些基于字典学习的重建方法具有更好的重建效果，其能根据字典的变化自适应地平衡稀疏性与关联性，并通过两者之间的协调产生一个最合适的系数，因此在噪声环境下具有一定的抗干扰能力。

• 利用结构化SVM结合CNN的层次化目标检测与人体姿态估计方法

  孙新领,张皓,赵丽,

  针对现有姿态估计方法不能准确提取特征参数的问题，提出了一种基于结构化支持向量机（SSVM）与卷积神经网络（CNN）的层次化模型。首先，展示了一个基于PS部件模型的SSVM如何实现为一个两层的神经网络，其中第一层是卷积层，另一层是损失增强推理层；通过将模型的结构化形式转换为模型中的一个神经网络，提出方法可以同时学习结构模型和外观模型，同时反向传播误差以学习底层的可学习参数，这些参数可从外观模型特征中提取出来；最后，将SSVM模型转换为神经网络模型，将误差反向传播到较低层，并计算确切的SSVM损失，同时通过基于次梯度的方法来学习原始SSVM。将该模型与当前较为先进的识别模型进行了对比，结果证明提出的层次化模型的识别成功率比对比方法平均高6%，具有更强的识别性能。

• 基于矩阵补全的自适应去雨雪算法

  田文英,黄成泉,冉龙才,

  传统去雨雪方法通常没有考虑参数的自适应问题。为了提高视频去雨雪的效果，在Kim方法的矩阵补全模型中添加了一个自适应参数并提出了基于矩阵补全的自适应去雨雪算法。首先，简要地描述Kim方法的主要工作；其次，把自适应参数添加到经典的Kim模型的第二项；最后，使用各种雨雪视频验证了该参数的有效性及优异性，并使用网格搜索法找到去雨效果最好的参数。实验结果表明，添加的自适应参数能够有效地去除视频中的雨雪。

• 结合DCGAN与LSTM的阿兹海默症分类算法

  林颖,何啸峰,陈灵娜,陈俊熹,

  针对传统的阿兹海默症（AD）分类3D模型参数过多以及2D模型缺乏连续性特征的问题，提出了一种结合2D卷积神经网络与长短时记忆网络的脑部核磁共振成像（MRI）图像分类算法。利用深度卷积生成对抗网络（DCGAN），卷积层能够在无标签的情况下自动提取到图像特征。首先以无监督的方式训练卷积神经网络；然后将MRI图像序列转换为特征序列，再输入到长短时记忆网络进行训练；最后结合特征序列与LSTM的隐藏状态进行分类。实验结果显示，相比3D模型，该算法有着更少的参数，对于NC与AD的分类达到了93.93%的准确率，对于NC与MCI的分类达到了86.27%的准确率。

• 基于改进的深度残差网络的表情识别研究

  何俊,刘跃,李倡洪,沈津铭,李帅,王京威,

  提出了一种基于改进的深度残差网络（residual network，ResNet）的表情识别算法。采用小卷积核和深网络结构，利用残差模块学习残差映射解决了随着网络深度增加网络精度下降的问题，通过迁移学习方法克服了因数据量不足导致训练不充分的缺点；网络架构使用了线性支持向量机（SVM）进行分类。实验中首先利用ImageNet数据库进行网络参数预训练，使网络具有良好的提取特征能力，根据迁移学习方法，利用FER-2013数据库以及扩充后的CK+数据库进行参数微调和训练。该算法克服了浅层网络需要依靠手工特征，深层网络难以训练等问题，在CK+数据库以及GENKI-4K数据库上分别取得了91.333%和95.775%识别率。SVM在CK+数据库的分类效果较softmax提高了1%左右。

• 基于二次二维经验模态分解去噪的湍流退化图像复原算法

  徐斌,葛宝臻,吕且妮,陈雷,

  为实现大气湍流环境下的高质量成像，将自适应光学波前探测技术与数字图像处理技术相结合，并提出了一种基于二次二维经验模态分解去噪的湍流退化图像复原算法。通过在光学系统中使用哈特曼—夏克波前传感器探测波前信息，进而计算光学系统点扩散函数；然后使用改进的二次二维经验模态分解算法进行图像去噪，最后利用R-L算法实现对湍流退化图像的复原。通过搭建光学实验系统，对实际拍摄的湍流退化图像进行了复原实验。结果表明，该算法能够有效减弱噪声放大现象，得到更加稳定的高质量大气湍流退化图像复原结果。

• 基于去相关高精度分类网络与重排序的行人再识别

  韩光,葛亚鸣,张城玮,

  目前基于深度学习的行人再识别方法通常将分类网络作为基础网络进行训练，再用其提取行人图片的深度特征，最后在欧氏距离度量下计算特征间相似度并建立排序表。因此，分类网络的特征表达能力将影响到再识别的准确率，而特征表达之间的相关性也会使相似度计算存在误差。针对这些问题，采用精度更高的分类网络作为行人再识别的特征提取网络，并使用奇异值分解来降低权向量之间的相关性，优化深度学习过程。此外，使用基于K互近邻的方法，对候选库中需要检索的图片进行重排序，也将进一步提升再识别的精度。在Market-1501数据集上的实验结果表明，该方法能显著提高行人再识别的准确性。

• 结合自适应空间与CRF的遥感影像变化检测

  杨景玉,吴磊,王阳萍,杜晓刚,

  提出了一种结合自适应空间与条件随机场（CRF）的新框架用于高分辨率遥感影像变化检测，解决了两幅影像配准误差造成的噪声和条件随机场产生的过平滑问题。通过加权自适应空间（WAS）获取差异图像消除了因配准误差造成的部分噪声，采用基于形态学重构的FCM聚类方法（MFCM）构建CRF一阶势减少了斑点噪声；引入带光谱—空间约束的模型改进CRF二阶势，进一步提高了算法的抗噪性能并可防止过平滑现象。与现有方法相比，该算法的检测精度、虚检率和漏检率都得到明显改进，同时较好地保留了边缘信息。

• 直推式遥感图像场景零样本分类算法

  吴晨,袁昱纬,王宏伟,刘宇,刘思彤,全吉成,

  针对遥感图像场景零样本分类算法中的空间类结构不一致以及域偏移问题，提出基于Sammon嵌入和谱聚类方法结合的直推式遥感图像场景零样本分类算法。首先，基于Sammon嵌入算法修正语义特征空间类原型表示，使其与视觉特征空间类原型结构对齐；其次，借助结构迁移方法得到视觉特征空间测试类原型表示；最后，针对域偏移问题，采用谱聚类方法修正视觉特征空间测试类原型，以适应测试类样本分布特点，提高场景零样本分类准确度。在两个遥感场景集（UCM和AID）上分别获得52.89%和55.93%的最高总体分类准确度，均显著优于对比方法。实验结果表明，通过显著降低视觉特征空间和语义特征空间的场景类别结构不一致性，同时减轻了域偏移问题，可实现语义特征空间类结构知识到视觉特征空间的有效迁移，大幅提升遥感场景零样本分类的准确度。