基于帧间高级特征差分的跨场景视频前景分割算法

当前基于深度学习的有监督前景分割方法得益于大量待分割场景的标注信息,其性能大幅超越传统的无监督方法.然而,获取高精度的像素级标注需要耗费大量的人力和时间成本,这严重限制了有监督算法在无标注场景的部署应用.为解决对场景监督信息依赖的问题,设计了一种与传统的帧间差分法相融合的跨场景深度学习架构,即帧间高级特征差分算法.该算法重点围绕时域变化等跨场景共性知识的迁移,在不依赖待分割场景监督信息的前提下实现高精度分割.面向五类不同模式的困难场景开展实验,本文算法的平均F值达到0.8719,超越了当前最高性能的有监督算法FgSegNet v2(相同的跨场景条件下)和最佳的无监督算法SemanticBS.本文算法对QVGA视频(320×240)的处理速度达到35帧/s,具有较好的实时性.     

复合Petri网的主从式多智能体通信建模方法

针对当前主从式MAS领域通信的硬件成本高、对计算资源占用大等问题,引入复合Petri网建立通信模型。按MAS资源的类型,将复合Petri网的库所设计为状态、行为和时滞3种类型,关联了库所的生效时间。建立了不同优先级消息和通信异常处理的复合Petri网模型,构建了主从式多智能体复合Petri网的通信模型。通过基于主从式小车编队的任务场景实验,验证了多智能体复合Petri网相关模型的可靠性与有效性,缓解了通信消息对系统计算资源的压力,降低了对通信硬件的依赖。     

卫星主动观测的视线云出现频率特征分析

云对气象、测绘、国土资源调查等领域中空基和天基光学、红外传感器的使用有着显著影响。为了分析中国及周边区域不同高度上各视角方向的云出现频率,首先建立了基于卫星主动观测的视线云出现频率计算模型,并利用2006年7月至2009年3月的CloudSat/CALIPSO联合观测资料,对中国及周边地区不同高度多个方向上的云出现频率分布进行统计分析。结果表明：视线上云的出现频率因观测高度、角度的不同而不同,且具有明显的季节变化特征,但观测结果具有方位独立性。在各高度,视线由水平方向移向垂直向下时,云出现频率在某一观测方向存在极小值。此外,对比分析了指定高度上的云出现频率分布特征,结果表明:各高度上的云出现频率分布存在明显的地区差异,在对流层上层,云出现频率与纬度相关,且在热带区域存在局地极大值。     

基于网络表示学习的深度社团发现方法

挖掘复杂网络中的社团结构有助于理解网络内部结构和功能特性,具有重要的理论价值和实际应用意义.随着信息技术的飞速发展,爆炸式增长的网络数据为社团发现任务提出了前所未有的挑战.为此,文中利用深度神经网络将网络表示学习和社团发现领域相连接,提出一种基于网络表示学习的深度社团发现方法.算法首先根据节点潜在的社团成员相似性来量化节点之间的结构相似度,从而构造包含潜在社团结构信息的社团结构矩阵;然后建立由多个非线性函数组成的多层自编码器,将社团结构矩阵作为深度自编码器的输入,获得保存了潜在社团结构的节点低维表示;最后在网络表示上应用K-means聚类策略获得社团结构.在不同规模的真实网络和人工网络上进行了大量的实验,并与典型的算法进行比较,实验结果表明了算法的可行性和有效性.     

200 t转炉交错氧枪设计优化研究

以200t转炉5孔氧枪为原型,优化设计内外喷孔相同倾斜角度下不同流量配比的交错氧枪.基于射流特性仿真研究,通过数值模拟方法,分析交错氧枪喷头射流特性与传统5孔氧枪的不同,探讨内外孔流量比变化对氧枪射流轴向速度衰减和有效冲击面积的影响规律.结果 表明:交错氧枪内孔射流轴向速度大于传统氧枪,外孔的轴向速度与传统氧枪相近,但...     

面向异构通信卫星的地球站组网规划方法

经过多年的建设发展,卫星通信已经形成了多系列卫星并存、相互支撑、相互补充的通信系统。然而,由于各卫星系统建设时间跨度大,通信技术手段存在差异,如何高效利用异构的卫星通信资源成为了一个实际难题。为此,文中首次根据卫星与地球站的可互通条件构建了系统模型,并将其归结为线性约束下离散变量的非线性优化问题,优化目标是异构卫星波束间的负载均衡,并在此基础上设计了一种两阶段的启发式组网规划方法。最后,根据地球同步卫星网络特性设置了合理的仿真参数,利用Matlab平台进行仿真实验。仿真结果表明,所提方法在面对不同规模的地球站组网时,在平均负载和负载均衡性上均优于一般的枚举搜索和遗传优化算法,可以在短时间内对大规模的信道单元进行组网规划。