基于小波变换网络的自监督单目深度与位姿估计

基于小波变换与运动恢复结构的自监督学习范式,将二维离散小波变换嵌入神经网络并实现梯度传播,提出了一种新的单目深度与位姿估计算法。传统的神经网络在降采样过程中会造成信息丢失,且丢失的信息在后续阶段无法复原,对于深度估计任务,结构信息的丢失会降低模型性能。本文使用二维离散小波变换层替代传统的降采样操作,更好地保留图像中的结构细节并避免噪声累积。在上采样解码深度图的阶段,采用小波逆变换层取代传统的插值上采样方法,更有效地恢复图像信息,得到更精确的深度图。提出的算法相比传统的神经网络对噪声更有鲁棒性。在KITTI数据集上进行实验,证明了所提出的算法在自监督单目深度与位姿估计任务中有优异的性能表现。     

基于数据预处理深度置信网络的药物与非药物分类（英文）

制药工业的一个主要趋势是整合传统意义上被认为早期阶段药物发现的分子描述.为了更好的将药物和非药物分类,本文提出了基于深度信念网络(DBN)的分类模型.首先,对分子特征进行预处理以保证有价值的信息得到保留,其次,该模型将DBN和反向传播(BP)分类器结合去对药物/非药物进行检测和分类.DBN由几个受限玻尔兹曼机(RBM)层组成,当特征向量转移到下一层时这些RBM层尽可能多的保留具有重要的影响的信息.BP层训练的最后一个RBM层生成特征分类.结果表明,该方法是提取高层次特征的药物和非药物分类任务中一种成功的方法,分类精度高达85.3%,高于传统的支持向量机和神经网络方法.同时,预处理对分子特征的提取更为有效,从而在一定程度上提高了分类的准确性.     

无线传感器网络中基于网络编码的容错路由

针对无线传感器网络中节点被窃听和盗用对数据安全传输所带来的影响,提出了一种基于网络编码的容错路由(fault-tolerant routing based on network coding,FR-NC).该路由算法利用网络中大多数节点能正确传输数据的特点,通过选举保证数据一致性,从而防止了盗用节点对数据的篡改;同时对随机编码系数进行加密,起到了对数据安全的监督和保护作用.通过对实验结果的分析,可以发现当网络中存在一定数量的盗用节点时,FR-NC具有较好的健壮性.     

基于降噪自编码的电能质量扰动识别

针对目前电能质量扰动识别时特征提取不充分,造成识别精度不高的问题,引入了降噪自编码算法。降噪自编码算法起源于自动编码算法,两者都属于深度学习算法。其中,自动编码算法已经被应用于电能质量扰动识别,并取得了一定的成果。但是,自动编码算法对含噪声干扰的电能质量扰动信号的识别精度还不是很理想。本文采用降噪自编码算法,将克服这一问题。首先对无噪声的扰动信号用噪声进行"破坏",然后用带噪声信号去重构原始信号,得到扰动信号波形的固有特征,最后通过BP神经网络分类器对整个网络进行微调,得到最后用于分类的特征样本。该方法降低了传统特征提取算法对特征选取不当,造成分类识别精度不理想的风险,并在一定程度上提高了含噪声的电能质量扰动信号的识别精度。仿真结果表明,该方法在识别含噪声的电能质量扰动信号上有很大的优势。     

基于深度学习的PowerShell恶意代码家族分类研究

由于PowerShell具备隐蔽性高、易用性好、运行环境简单等特点,近年来已被广泛应用于高级持续性威胁攻击中.对PowerShell恶意代码进行基于功能的家族分类是检测其新型变异代码的关键.针对已有工作主要集中于PowerShell代码的恶意性检测,缺乏对其功能层面深入挖掘的问题,提出了一种基于功能类型的PowerSh...     

基于贝叶斯网络的稀疏出租车GPS轨迹路径还原方法

为提高出租车GPS大数据的可用性, 提出一种基于贝叶斯网络研究稀疏出租车GPS轨迹路径还原的方法. 与传统仅基于时空变量的研究方法不同, 新算法同时考虑天气条件、驾驶员特性、车辆行驶特性与出租车的载客状态等因素来进行路径还原预测. 以宁波市体育中心周围的路网为例, 将出租车服务信息管理平台的GPS轨迹数据作为测试对象, 验证本文方法的适用性. 结果显示, 基于多因素的贝叶斯网络方法在还原精度方面(达到91.4%)优于Logit选择模型. 此外, 新算法尤其适用于出租车轨迹数据缺失率较高的场景, 比如缺失轨迹点跨度在5 min左右.     

双向中继网络中基于压缩感知的稀疏信道估计

为提高双向中继网络中稀疏信道估计的精度并减少训练序列的长度, 利用双向中继信道(Two-way Relay Channel, TWRC)的潜在稀疏特性, 研究了基于压缩感知的稀疏TWRC估计问题, 提出了一种改进的正交匹配追踪(Improved Orthogonal Matching Pursuit, IOMP)算法. 新算法运用迭代重加权最小二乘估计代替了正交匹配追踪(Orthogonal Matching Pursuit, OMP)算法中的最小二乘估计过程, 通过对样本进行迭代重加权, 逐步减小了异常样本的影响, 不断地修正了估计值, 在使用相同长度的训练序列时, 提高了估计的精度. 与传统的最小二乘估计算法相比, 新算法能够在获得相同估计效果的情况下, 显著减少所需训练序列的长度. 仿真结果验证了基于新算法的稀疏TWRC估计的有效性.     

基于半监督子空间迁移的稀疏表示遥感图像场景分类方法

利用已有的标记数据对新领域图像进行分类是遥感图像场景分类的重要研究方向。提出了一种基于半监督子空间迁移的稀疏表示（sparse representation method based on semi-supervised transfer learning subspace,SR-SSTLS）遥感图像场景分类方法。为减少源域和目标域数据分布变化,将不同数据域的遥感图像投影至共享子空间。源域和目标域数据在投影子空间协同学习共享字典,使得带标记的源域数据辅助目标域模型的建立。同时,建立了基于源域、目标域、源域-目标域标记数据的拉普拉斯图矩阵和目标域未标记数据的拉普拉斯正则化项,使得目标域中的数据均得到很好编码。在多个遥感图像数据集上的实验结果均证明了SR-SSTLS方法的有效性。     

基于运动一致性的3D-HEVC深度视频帧间编码快速算法

针对深度视频在3D-HEVC编码框架中编码复杂度较高, 提出了一种基于运动一致性的深度视频快速帧间编码算法. 首先把深度视频划分为4个区域: 彩色和深度视频均运动区域、彩色视频运动但深度视频静止区域、彩色视频静止但深度视频运动区域以及彩色和深度视频均静止区域. 然后, 根据不同分区对最大编码单元设计不同的编码策略. 结果表明, 本算法与原始测试平台HTM-10.0相比, 在绘制的虚拟视点质量几乎一致的情况下, 各序列深度视频编码时间平均节省了63.58%, 总体编码时间节省了40.13%.     

一种基于网络编码的组播共享树算法

针对无线传感器网络中网络资源消耗过快和带宽利用不足问题,提出了一种基于网络编码的组播算法.算法在目标节点和源节点之间建立两条冗余路径,每个目标节点的冗余路径整合成了组播共享树,在冗余路径上利用Dijkstra算法选择编码节点,利用网络编码技术对数据编码传输.仿真结果表明该算法提高了网络带宽利用率,降低了网络资源消耗和传输时延.     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。     

植物叶片中轴图式的形态机理研究

中轴图式是生物组织一个普遍而显著的特征.为探讨植物叶片中轴图式的形态机理,采集了双子叶植物叶片的坐标数据并生成了叶片模型.依数学与形态的关系计算了叶片边缘与叶脉之间的角度,从理论上分析出叶脉其实是一个完美的等角坐标系.叶脉在结构上实际上是一种对称特征,在传递养料方面路径是最短且最有效的,完全符合路径最短与对称原理.建立了叶脉的分枝模型,分析了叶片主脉两侧生长的力学平衡关系.由于环境应力的不对称性使得叶片左右两侧的生长速度并不相等,但差异并不大.对侧脉的角度测量表明,叶脉分布体现了叶脉传输物质路径的最短形式,与其保持自身的能量稳定性有很大关系,植物叶片在生长过程中是符合最大生长率与系统最小势能的生态学约束关系的.     

基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类

土地利用信息是国土资源管理的基础和重要依据,随着高分辨率遥感图像数据的日益增多,迫切需要快速准确的土地利用分类方法。目前应用较广的面向对象的分类方法对空间特征的利用尚不够充分,在特征选择上存在一定的局限性。为此,提出一种基于多尺度学习与深度卷积神经网络（deep convolutional neural network,DCNN）的多尺度神经网络（multi-scale neural network,MSNet）模型,基于残差网络构建了100层编码网络,通过并行输入实现输入图像的多尺度学习,利用膨胀卷积实现特征图像的多尺度学习,设计了一种端到端的分类网络。以浙江省0.5 m分辨率的光学航空遥感图像为数据源进行了实验,总体分类精度达91.97%,并将其与传统全卷积网络（fully convolutional networks,FCN）方法和基于支持向量机（support vector machine,SVM）的面向对象方法进行了对比,结果表明,本文所提方法分类精度更高,分类结果整体性更强。     

MANET中基于二次置换多项式的滑动窗口网络编码算法

针对移动自组网络(mobile Ad hoc network,MANET)的数据传输机制和数据吞吐量问题,提出了一种MANET中基于二次置换多项式的滑动窗口网络编码(quadratic permutation polynomials-based sliding window network coding,QPPSWNC)算法。该算法根据QPP理论优化滑动窗口的大小,对进入滑动窗口中的分组进行网络编码操作,恢复原始数据分组,降低每个滑动窗口的编码/解码复杂性。利用NS-2仿真器进行了仿真实验,分析本文算法性能。仿真实验结果表明,相较于典型的Block-LDPC和ACODI算法,本文算法可以优化MANET中编码开销、解码时延和网络吞吐量等性能。     

基于虚拟坐标的移动自组织网络组播路由

为提高移动自组织网络QoS特性,减小组播的时延,利用群论中的直积方法构建了一个类超立方体拓扑结构,它具有对称性强,直径小的特点,给移动自组织网络结点分配虚拟坐标,使其嵌入到该类超立方体中,并在此基础上提出了一种确定性的组播路由算法.理论分析与实验结果表明,所设计的组播路由算法在端到端时延,网络带宽消耗以及组播数据分发的成功率方面更能适应移动自组织网络的需求,并为大规模的移动自组织网络组播通讯在带宽,时延和负载均衡等优化策略方面提供了解决方案.     

一类具有优良自相关函数的二进编码信号

本文给出一类二进编码信号,它是类似Barker码的自相关I';'"1数.这类码的长度可以超过13.本文最后给出一个信号码长为26的这类二进码,其自相关L!'I数副瓣电平只有一26.85 db.     

基于栈式降噪自编码的变压器“快速发展型”沿面放电状态评估

超、特高压变压器结构紧凑、绝缘裕度低,在高电压作用下场强集中区易引发“快速发展型”放电故障。本文通过搭建基于“针-板”缺陷的变压器油纸绝缘“快速发展型”沿面放电试验平台,获取了其不同放电发展状态下的高频脉冲电流信号,根据其相位-幅值和相位-放电次数图谱的差异将其放电过程分成了“前期”(稀疏放电)、“中期”(大幅值剧烈放电)和“后期”(小幅值密集放电)三个发展阶段。在根据其PRPD图谱提取的特征参量基础上,构建了栈式降噪自编码联合支持向量机的评估方法,对变压器“快速发展型”沿面放电的发展状态进行了评估,取得了良好的效果。     

基于自组织神经网络与主成分分析的多维度网络成瘾研究

应用陈淑惠编制的中文网络成瘾量表对分别座落于我国东部和西部的2所高校的420名学生进行了问卷调查,采用自组织神经网络与主成分分析技术,对测试样本的网络成瘾总分进行聚类分析,并探求了网络成瘾的主要影响因素.结果表明:(1)上述方法能有效利用样本数据之间的相似性,发现其内在本质联系;(2)能够对测试样本进行更为有效的分类;(3)发现时间管理能力与强迫性上网行为等是造成网络成瘾的决定性因素.自组织神经网络对网络成瘾程度有更好的区分度,可以在宏观和微观2个层面对网络成瘾提出针对性的防范措施.     

基于VO的视频编码技术研究

MPEG-4视频编码既提供了传统的基于帧的编码方法也提供了基于视频对象的编码方法,为高效压缩与基于内容的交互提供了坚实的基础.本文介绍了MPEG-4的基于对象编码、时空域可扩性等新特点及优势,同时介绍了一些适用该标准的关键算法.     

基于自组织特征映射(SOM)网络对潜在客户的挖掘

通过自组织特征映射网络（SOM）帮助市场分析人员对消费者的消费记录进行分析,从而概括出每一类消费者的消费模式。实现对消费群体的区分和对潜在客户的挖掘。SOM神经网络是一种基于模型的聚类方法。该网络通过对样本数据实施标准化、规范化的规定,将每条样本数据看作为一个基因数据,通过对基因数据的聚类,找出功能相似的基因。从而达到对潜在客户的挖掘。抽取一定量的样本数据,通过Matlab平台建立一个SOM人工神经网络对数据进行训练,结果可以发现当训练步骤达到一定量的时候,样本数据向不同的“中心点”聚集,最后达到聚类的效果,从而发现一些容易被忽视的点,也就是潜在客户。