基于混合灰狼算法的机器人路径规划

针对传统灰狼算法GWO优化精度低、易陷入局部最优等不足,构建了混合灰狼算法HGWO,并将其应用于机器人路径规划RPP问题。HGWO算法采用反向学习方法构建初始灰狼种群,力求提升初始解的质量。同时,算法在个体位置更新方法中融入自身历史信息以指导种群进化,并借助精英反向学习策略探索当前种群优秀解的反向解空间,以增强算法的勘探能力。为确保路径规划的精度并降低求解难度,利用Spline样条插值法拟合路径曲线。最后,进行了函数优化和路径规划的对比实验,实验结果表明,HGWO算法具有良好的求解精度和稳健的鲁棒性。     

基于改进的Mask R-CNN图像篡改取证方法

随着现代科学技术的进步,图像编辑工具的发展极大地降低了篡改所需成本。图像篡改手段有多种,现有的方法往往存在通用性差的问题。同时,这些方法只关注篡改定位而忽略对篡改手段的分类。本文提出一种基于改进的Mask R-CNN两阶段网络模型用于图像篡改取证。在特征提取部分,结合空域富模型(spatial rich model, SRM)和受约束卷积对输入图像进行预处理,再输入到ResNet101前4层中,以建立能够有效体现各种篡改痕迹的统一特征表示。一阶段网络通过注意力区域提议网络(attention region proposal network, A-RPN)检测篡改区域,预测模块实现篡改操作分类和粗略篡改区域定位。继而,一阶段网络得到的定位信息引导二阶段网络学习局部特征以定位出最终的篡改区域。本文所提出的模型能检测3种不同类型的图像篡改操作,包括复制-粘贴、拼接和移除。实验结果表明,本文所提出的方法在NIST16、COVERAGE、Columbia和CASIA数据集的F1值分别达到了0.924、0.761、0.791和0.473,优于传统方法和一些主流深度学习方法。     

基于VIP处理的O-PLS算法的无创血糖基础研究

为了解决目前无创血糖检测模型的精度不高,预测效果不好的问题,以葡萄糖水溶液为样本,利用近红外光谱透射法测量不同浓度葡萄糖的吸光度。采用偏最小二乘法（PLS)对葡萄糖溶液的光谱和浓度进行建模和预测,通过正交信号校正法（OSC)消除葡萄糖溶液光谱和浓度的主成分中的正交成分,同时,采用了变量投影重要性指标（VIP）筛选出对葡萄糖溶液浓度解释能力强的波长变量。数据结果表明,经过处理后模型验证集的实际值和预测值的相关系数可以达到9977%,预测均方根误差（RMSEP)为00048,通过OSC和VIP可以有效提高PLS模型的准确度和预测能力。     

求解并行机拖期与能耗成本优化调度的混合教一学算法

针对加工时间可控的并行机调度,提出了一类考虑拖期与能耗成本优化的调度问题。首先对调度问题进行了问题描述,并建立了整数线性规划模型以便于CPLEX求解。为了快速获得问题的满意解,提出了一种混合教-学算法。结合问题的性质,设计了编码与解码方法以克服标准教-学算法无法直接适用于离散问题的缺点。同时,构建了基于变邻域搜索的局部搜索算子以强化混合算法的搜索性能。最后,对加工时间可控的并行机调度问题进行了仿真实验,测试结果验证了本文构建的整数线性规划模型和混合算法的可行性和有效性。     

基于传声器阵列网络的改进高斯粒子跟踪算法

针对传声器阵列网络中目标跟踪的特点,建立了基于声阵列网络的目标跟踪模型,在此基础上,提出了一种改进的高斯粒子滤波(GPF)算法。该算法将扩展卡尔曼滤波的状态更新方法引入到GPF算法中,并通过直接更新状态量的高斯分布参数来取代传统GPF中逐个更新粒子的方法。通过蒙特—卡罗仿真结果表明:与扩展卡尔曼粒子滤波(EPF)和传统的GPF算法相比,该算法表现出较高的精度和稳定性。     

融入残差注意力机制的DeepLabV3+图像拼接篡改取证网络

针对现有图像拼接检测网络模型存在边缘信息关注度不够、像素级精准定位效果不够好等问题,提出一种融入残差注意力机制的DeepLabV3+图像拼接篡改取证方法,该方法利用编-解码结构实现像素级图像的拼接篡改定位。在编码阶段,将高效注意力模块融入ResNet101的残差模块中,通过残差模块的堆叠以减小不重要的特征比重,凸显拼接篡改痕迹;其次,利用带有空洞卷积的空间金字塔池化模块进行多尺度特征提取,将得到的特征图进行拼接后通过空间和通道注意力机制进行语义信息建模。在解码阶段,通过融合多尺度的浅层和深层图像特征提升图像的拼接伪造区域的定位精度。实验结果表明,在CASIA 1.0、COLUMBIA和CARVALHO数据集上的拼接篡改定位精度分别达到了0.761、0.742和0.745,所提方法的图像拼接伪造区域定位性能优于一些现有的方法,同时该方法对JPEG压缩也具有更好的鲁棒性。     

分布式传感器网络中基于条件后验克拉美-罗下界的被动声目标跟踪局部节点选择算法

针对分布式传感器网络下的被动声目标跟踪问题,提出了一种基于条件后验克拉美罗下界（Conditional Posterior Cramér-Rao Lower Bounds,CPCRLB）的局部传感器节点选择算法,基于被动声探测背景下的纯方位量测数据,采用粒子滤波器推导得到了CPCRLB的近似解析表达式,进而在该CPCRLB的基础上定义了节点效用贡献作为节点选择准则,结合分布式传感器网络的特点提出了一种局部节点选择方法,节点无需知道全网传感器节点的信息,而是仅利用局部节点信息来决定下一时刻节点的活动状态,从而在实现自治节点选择的同时大大减少网络通信量。通过仿真结果表明,该算法在跟踪精度、能量消耗和计算复杂度方面都表现出较好的性能。     

基于自适应二进制灰狼算法的节点协同跟踪

针对大规模无线传感器网络中目标跟踪时的节点选择问题,为了满足跟踪精度和实时性的要求,提出了一种自适应二进制灰狼优化算法,用于求解基于条件后验克拉美-罗下界构建的节点选择优化模型。该算法采用非线性动态自适应收敛因子,同时引入基于V型函数的位置更新原则。仿真结果表明,该算法能够有效完成目标跟踪的节点选择任务,与二进制灰狼算法和二进制粒子群算法对比,自适应二进制灰狼算法在搜索能力和收敛速度上有更好的表现,能够在满足跟踪精度的同时有效提高跟踪的实时性。