Artificial Intelligence and Robotics Research 人工智能与机器人研究, 2015, 4(3), 17-22 Published Online August 2015 in Hans. https://www.doczj.com/doc/9d5958926.html,/journal/airr https://www.doczj.com/doc/9d5958926.html,/10.12677/airr.2015.43003 A Survey on Object Tracking Jialong Xu Aviation Military Affairs Deputy Office of PLA Navy in Nanjing Zone, Nanjing Jiangsu Email: pugongying_0532@https://www.doczj.com/doc/9d5958926.html, Received: Aug. 1st, 2015; accepted: Aug. 17th, 2015; published: Aug. 20th, 2015 Copyright ? 2015 by author and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). https://www.doczj.com/doc/9d5958926.html,/licenses/by/4.0/ Abstract Object tracking is a process to locate an interested object in a series of image, so as to reconstruct the moving object’s track. This paper presents a summary of related works and analyzes the cha-racteristics of the algorithm. At last, some future directions are suggested. Keywords Object Tracking, Track Alignment, Object Detection 目标跟踪相关研究综述 徐佳龙 海军驻南京地区航空军事代表室，江苏南京 Email: pugongying_0532@https://www.doczj.com/doc/9d5958926.html, 收稿日期：2015年8月1日；录用日期：2015年8月17日；发布日期：2015年8月20日 摘要 目标跟踪就是在视频序列的每幅图像中找到所感兴趣的运动目标的位置，建立起运动目标在各幅图像中的联系。本文分类总结了目标跟踪的相关工作，并进行了分析和展望。
战场态势估计
基于多传感器数据融合的战场态势估计 周云 110719 1.引言 近20年来，多传感器信息融合技术受到广泛的关注，成为80 年代形成和发展的一种自动化信息综合处理技术。由于其充分利用多源数据的互补性和电子计算机的高速运算和智能,提高了信息处理结果的质量。该多传感器信息融合是数学、军事科学、计算机科学、自动控制理论、人工智能、通信技术、管理科学等多种学科的交叉和具体运用。该融合技术最初仅用于军事科学，现己广泛适用于民用工程。 多传感器数据融合是一个新兴的研究领域，是针对一个系统使用多种传感器这一特定问题而展开的一种关于数据处理的研究。多传感器数据融合技术是近几年来发展起来的一门实践性较强的应用技术，是多学科交叉的新技术，涉及到信号处理、概率统计、信息论、模式识别、人工智能、模糊数学等理论。 在多传感器系统中，信息表现形式多样，信息数量巨大，同时要求信息处理迅速及时，人脑的信息综合处理能力已经无法胜任，因此，一个新兴的学科——多传感器信息融合便迅速发展起来，并在现代化作战系统和各种武器平台上得到了广泛的应用。 多传感器数据融合技术是通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在时间和空间上的冗余或互补信息依据某种准则进行组合，以获取被观测对象的一致性解释或描述。 多传感器融合技术就是对同一检测对象,利用各种传感器检测的信息和不同的处理方法以获得该对象的全面检测信息,从而提高检测精度和可靠性。在多传
感器系统中,信息表现为多样性、复杂性以及大容量,信息处理不同于单一的传感检测处理技术,多传感器信息融合技术已成为当前的一个重要研究领域。 2.战场感知与理解 战场感知与理解是对战场空间内敌、我、友各方兵力部署，武器装备与作战平台，和战场环境等信息的实时掌握的过程。 战场感知与理解包括战场环境感知与战场态势理解两个层次。战场态势感知综合多个水下信息探测网络和作战平台传感器所获取的关于战场的片面的、离散的信息，提取出目标相关属性。战场态势感知属于信号级的数据融合，所完成的主要功能包括环境监测、目标检测、定位跟踪和分类识别，是进一步实现战场环境理解的基础。战场态势理解则从感知信息中抽象出对战场环境的整体性认识，战场环境理解的研究内容包括了目标行为理解、态势评估、威胁估计等，是决策级信息融合的研究领域。 在战场感知与理解技术中，依靠单一的传感器提供信息已无法满足作战需要, 必须运用多传感器提供观测信息,实时进行目标发现、优化综合处理来获得状态估计、目标属性、态势评估、威胁估计等作战信息。 其中，态势评估是对战场上战斗力量分配情况的评价过程。战场态势评估不仅可以识别观测到敌方事件和行为的可能态势, 而且还能对抗敌方包括伪装、隐蔽和欺骗在内的破坏手段, 帮助指挥员正确判断。因此, 态势评估在现代战场中起着非常重要的作用。 3.战场态势估计
第33卷第11期电子与信息学报Vol.33No.11 2011年11月 Journal of Electronics & Information Technology Nov. 2011 多视角下结合形状和运动信息的三维人体姿态估计 沈建锋*杨文明廖庆敏 (清华大学电子工程系北京 100084) 摘 要：该文以多视角同步视频为输入，提出综合利用形状和运动信息的3维人体姿态估计方法。该方法将人体分为头、躯干和四肢等3部分，每部分利用运动信息来预测当前的状态，并以形状信息作为检测器来确定姿态。这种在姿态估计中使用互补信息的方式极大地解决了漂移和收敛到局部极小的问题，也使系统能自动初始化和失败后重初始化。同时，多视角数据的使用也解决了自遮挡问题和运动歧义性。在包含多种运动类型的序列上的测试结果说明了该方法的有效性，对比实验结果也优于Condensation算法和退火粒子滤波。 关键词：人体姿态估计；体素数据；形状特征；运动信息 中图分类号：TP391.4 文献标识码：A 文章编号：1009-5896(2011)11-2658-07 DOI: 10.3724/SP.J.1146.2011.00208 Multiview 3D Human Pose Estimation with Shape and Motion Information Shen Jian-feng Yang Wen-ming Liao Qing-min (Department of Electronic Engineering, Tsinghua University, Beijing 100084, China) Abstract: This paper presents a method for 3D human pose estimation using shape and motion information from multiple synchronized video streams. It separates the whole human body into head, torso and limbs. The state of each part in current frame is predicted by motion information, and the shape information is used as detector for the pose. The use of complementary cues in the system alleviates the twin problem of drift and convergence to local minima, and it also makes the system automatically initialize and recover from failures. Meantime, the use of multiple data also allows us to deal with the problems due to self-occlusion and kinematic singularity. The experimental results on sequences with different kinds of motion illustrate the effectiveness of the approach, and the performance is better than the Condensation algorithm and annealing particle filter. Key words: Human pose estimation; Voxel data; Shape feature; Motion information 1 引言 基于视频的人体姿态估计在许多领域具有相当广泛的应用前景：首先，人体姿态估计可用于监控，此类应用是用抽取的姿态去自动监控和理解人的行为；另一类应用是控制，它是指用获取的运动提供控制功能。这可被用于游戏接口、虚拟现实或动画制作等；此外，人体姿态估计还可用于运动分析，例如诊断骨科病人或进行体育分析，提高运动员训练水平等。 正是由于广泛的应用需求的驱动，很多研究者都进行了或正在进行着基于视频的人体姿态估计研究。然而，即使是从最新的研究结果来看，从视频中直接自动获取人体运动数据仍面临着诸多的难 2011-03-10收到，2011-07-08改回 国家自然科学基金青年基金(61007004)和深圳市建设国家级信息科学与技术重点实验室基金(010301)资助课题 *通信作者：沈建锋 shenjf07@https://www.doczj.com/doc/9d5958926.html, 题，其中的主要困难来自于人体自身及其运动的高度复杂性和摄像机成像过程固有的信息丢失。此外，视频中人体可能频繁地被遮挡和自遮挡，用于获取视频的摄像机其时间和空间上的分辨率都是有限的等客观存在的因素也使得从视频序列中跟踪和获取人体运动至今仍是一个艰难的技术挑战。目前的研究成果还很难满足实际应用所提出的实时性、鲁棒性和准确性的要求，因此人体姿态估计研究正得到越来越多研究者的关注。根据不同的应用需求，部分研究者使用单视角数据[14]?，但其结果往往比较模糊，特别是在基于目标剪影的方法中，由于多个姿态对应同一个剪影而使系统陷入局部极小。为解决这个问题，其余的研究者采用了多视角数据[512] ?。这方面的最新研究进展可见文献[13,14]的综述。 多视角下的人体姿态估计可被分为基于形状和基于运动两类[8]。基于形状的方法使用2D形状线索如剪影[57]?或3D形状如体素[810] ?。由于实际的人体
基于多传感器数据融合的战场态势估计 周云110719 1.引言 近20年来，多传感器信息融合技术受到广泛的关注，成为80 年代形成和发展的一种自动化信息综合处理技术。由于其充分利用多源数据的互补性和电子计算机的高速运算和智能,提高了信息处理结果的质量。该多传感器信息融合是数学、军事科学、计算机科学、自动控制理论、人工智能、通信技术、管理科学等多种学科的交叉和具体运用。该融合技术最初仅用于军事科学，现己广泛适用于民用工程。 多传感器数据融合是一个新兴的研究领域，是针对一个系统使用多种传感器这一特定问题而展开的一种关于数据处理的研究。多传感器数据融合技术是近几年来发展起来的一门实践性较强的应用技术，是多学科交叉的新技术，涉及到信号处理、概率统计、信息论、模式识别、人工智能、模糊数学等理论。 在多传感器系统中，信息表现形式多样，信息数量巨大，同时要求信息处理迅速及时，人脑的信息综合处理能力已经无法胜任，因此，一个新兴的学科——多传感器信息融合便迅速发展起来，并在现代化作战系统和各种武器平台上得到了广泛的应用。 多传感器数据融合技术是通过对这些传感器及其观测信息的合理支配和使用，把多个传感器在时间和空间上的冗余或互补信息依据某种准则进行组合，以获取被观测对象的一致性解释或描述。 多传感器融合技术就是对同一检测对象,利用各种传感器检测的信息和不同的处理方法以获得该对象的全面检测信息,从而提高检测精度和可靠性。在多传感器系统中,信息表现为多样性、复杂性以及大容量,信息处理不同于单一的传感检测处理技术,多传感器信息融合技术已成为当前的一个重要研究领域。 2.战场感知与理解 战场感知与理解是对战场空间内敌、我、友各方兵力部署，武器装备与作战平台，和战场环境等信息的实时掌握的过程。 战场感知与理解包括战场环境感知与战场态势理解两个层次。战场态势感知综合多个水下信息探测网络和作战平台传感器所获取的关于战场的片面的、离散的信息，提取出目标相关属性。战场态势感知属于信号级的数据融合，所完成的主要功能包括环境监测、目标检测、定位跟踪和分类识别，是进一步实现战场环境理解的基础。战场态势理解则从感知信息中抽
1引言 目标跟踪可分为主动跟踪和被动跟踪。视频目标跟踪属于被动跟踪。与无线电跟踪测量相比，视频目标跟踪测量具有精度高、隐蔽性好和直观性强的优点。这些优点使得视频目标跟踪测量在靶场光电测量、天文观测设备、武器控制系统、激光通信系统、交通监控、场景分析、人群分析、行人计数、步态识别、动作识别等领域得到了广泛的应用[1-2]。 根据被跟踪目标信息使用情况的不同，可将视觉跟踪算法分为基于对比度分析的目标跟踪、基于匹配的目标跟踪和基于运动检测的目标跟踪。基于对比度分析的跟踪算法主要利用目标和背景的对比度差异，实现目标的检测和跟踪。基于匹配的跟踪主要通过前后帧之间的特征匹配实现目标的定位。基于运动检测的跟踪主要根据目标运动和背景运动之间的差异实现目标的检测和跟踪。前两类方法都是对单帧图像进行处理，基于匹配的跟踪方法需要在帧与帧之间传递目标信息，对比度跟踪不需要在帧与帧之间传递目标信息。基于运动检测的跟踪需要对多帧图像进行处理。除此之外，还有一些算法不易归类到以上3类，如工程中的弹转机跟踪算法、多目标跟踪算法或其他一些综合算法。2基于对比度分析的目标跟踪算法基于对比度分析的目标跟踪算法利用目标与背景在对比度上的差异来提取、识别和跟踪目标。这类算法按照跟踪参考点的不同可以分为边缘跟踪、形心跟踪和质心跟踪等。这类算法不适合复杂背景中的目标跟踪，但在空中背景下的目标跟踪中非常有效。边缘跟踪的优点是脱靶量计算简单、响应快，在某些场合（如要求跟踪目标的左上角或右下角等）有其独到之处。缺点是跟踪点易受干扰，跟踪随机误差大。重心跟踪算法计算简便，精度较高，但容易受到目标的剧烈运动或目标被遮挡的影响。重心的计算不需要清楚的轮廓，在均匀背景下可以对整个跟踪窗口进行计算，不影响测量精度。重心跟踪特别适合背景均匀、对比度小的弱小目标跟踪等一些特殊场合。图像二值化之后，按重心公式计算出的是目标图像的形心。一般来说形心与重心略有差别[1-2]。 3基于匹配的目标跟踪算法 3.1特征匹配 特征是目标可区别与其他事物的属性，具有可区分性、可靠性、独立性和稀疏性。基于匹配的目标跟踪算法需要提取目标的特征，并在每一帧中寻找该特征。寻找的 文章编号：1002－8692（2010）12-0135-04 视频目标跟踪算法综述* 蔡荣太1，吴元昊2，王明佳2，吴庆祥1 （1.福建师范大学物理与光电信息科技学院，福建福州350108； 2.中国科学院长春光学精密机械与物理研究所，吉林长春130033） 【摘要】介绍了视频目标跟踪算法及其研究进展，包括基于对比度分析的目标跟踪算法、基于匹配的目标跟踪算法和基于运动检测的目标跟踪算法。重点分析了目标跟踪中特征匹配、贝叶斯滤波、概率图模型和核方法的主要内容及最新进展。此外，还介绍了多特征跟踪、利用上下文信息的目标跟踪和多目标跟踪算法及其进展。 【关键词】目标跟踪；特征匹配；贝叶斯滤波；概率图模型；均值漂移；粒子滤波 【中图分类号】TP391.41；TN911.73【文献标识码】A Survey of Visual Object Tracking Algorithms CAI Rong-tai1,WU Yuan-hao2,WANG Ming-jia2,WU Qing-xiang1 （1.School of Physics,Optics,Electronic Science and Technology,Fujian Normal University,Fuzhou350108,China; 2.Changchun Institute of Optics,Fine Mechanics and Physics,Chinese Academy of Science,Changchun130033,China）【Abstract】The field of visual object tracking algorithms are introduced,including visual tracking based on contrast analysis,visual tracking based on feature matching and visual tracking based on moving detection.Feature matching,Bayesian filtering,probabilistic graphical models,kernel tracking and their recent developments are analyzed.The development of multiple cues based tracking,contexts based tracking and multi-target tracking are also discussed． 【Key words】visual tracking;feature matching;Bayesian filtering;probabilistic graphical models;mean shift;particle filter ·论文·*国家“863”计划项目（2006AA703405F）；福建省自然科学基金项目（2009J05141）；福建省教育厅科技计划项目（JA09040）
用水量预测方法综述 摘要：本文阐述了研究用水量预测方法的目的和意义，简要的介绍了六种目前常用的预测方法，并指出了每种方法的优缺点, 最后对不同情况水量预测方法的择优进行了分析和探讨。 关键词: 用水量预测人工神经网络预测方法择优 一、引言 水是人类赖以生存的基础，没有水，就没有生命。 随着经济建设的发展、产业和人口的增加，我国城市、工业、农业各方面用水量都在迅速增长，缺水城市和地区的范围日益扩大。全国640个城市中有333个城市缺水，其中严重缺水的有108个[1]。同时，水污染是我国面临的又一严峻的问题。缺水、水污染己经对我国的经济建设构成了严重的威胁[2]。因此，水资源规划和供水系统的优化调度变得越来越重要，作为供水管理前提和基础的用水量预测方法的研究也得到了快速的发展。 二、研究用水量预测方法的目的和意义 水量预测工作是水资源管理中掌握未来发展趋势的关键。而合理预测城镇规划期限内的用水量，使其与城镇发展实际相接近，对城镇今后的建设和发展具有极其重要的意义。通过预测未来的用水量，一方面，我们可以大致估计城市和农村的缺水量，着手寻找解决方案，减少经济损失。另一方面，用水量预测是水资源管理规划的重要内容。我国水资源开发利用分好几个部门，如不做好预测工作，就难以制定中长期水资源开发利用的总体规划和供水规划，就会影响国民经济计划的实现。所以预测用水量，无论在经济效益上还是宏观调控上都有重要意义。 三、用水量预测分类以及相应预测方法 用水量的预测方法按用水部门性质可分为生活用水预测、工业用水预测、农业灌溉用水预测、渔业用水预测等几方面。生活用水量的预测方法有综合分析定额法、趋势法和分类分析权重估算法，在预测时，可根据实际情况选用一种为主，其他亏法进行检验、校核。趋势预测法、分块预测法、相关法、分行业重复利用率提高法等是较为常见的工业需水量预测方法. 四、几种常用的用水量预测方法[3] a)自回归移动平均模型ARMA法 ARMA模型是自回归模型和移动平均模型的综合，它通过对相应数学模型的分析研究，能更本质地认识动态数据的内在结构和复杂特性。ARMA模型将预测对象时间序列加工成一个白噪声序列进行处理，所以它可对任何一个用水过程进行模拟，且预测速度快，能得到较高的预测精度。然而，ARMA模型具有预测周期短、所用数据单一的缺点，只能给出下一周期用水量的预测值，且无法剖析形成这一预测值的原因及合理的
我国犯罪时空分析方法综述 摘要：在研究、分析国内外有关研究成果的基础上，从关联分析、趋势分析、热点分析以及异常分析4个方面提出我国犯罪时空分析方法的分类体系框架，并综述每种类型不同时空分析方法的应用特点，以期能够为公安部门进行犯罪预防和警力部署提供一定的参考和帮助。 关键词：时空分析；犯罪；犯罪分析 对犯罪现状的分析和犯罪趋势的预测可以促进公安部门加大执法力度，抑制犯罪率的增长，对维护社会稳定有很好的促进作用[1]。通过犯罪分析，可以系统地识别、分析犯罪的模式和趋势，提高警力部署的效力、制定犯罪预防策略和辅助案件侦破[2]。通过时空的角度来进行犯罪分析则更有利于直观地反映犯罪现象的分布特点及其未来的发展趋势[3]。19世纪早期，地图制图与空间信息就开始在犯罪分析领域得到应用，最早始于法国[4]。1833年，法国统计学家格雷通过犯罪统计得出结论：犯罪现象在时间和空间分布上是不均衡的，随着时间和空间的不同呈现出不同的特点[5]。1900年，纽约市警察局率先使用地图来进行犯罪分析。20世纪80年代初，国外开始将GIS技术应用于犯罪分析领域[5-6]。进入90年代后，由于计算机技术的高速发展，GIS的成本降到了合理的价格，极大地促进了GIS在犯罪分析方面的应用[5]。目前在美国，人数超过100人的警察局中约有70%，人数不到100人的警察局也有40%建立了犯罪分析系统[5]。我国也有不少学者开展相关研究：如金光[7]等人利用数据挖掘技术进行案件类型单维关联分析、不同案件的序列分析以及案件分类；丁世洁[8]运用数理统计的回归分析法等手段，预测刑事案件的发案规律并有效识别案件模式；颜峻[9-10]等人提出一种将动态优化窗宽算法与DENCLUDE算法相结合的优化聚类算法应用于入室盗窃犯罪热点分析；陆娟等人提出一种适用于不同尺度空间聚类的犯罪热点探测方法，主要用于探测犯罪高发地区。本文在研究、分析国内外有关研究成果的基础上，将犯罪时空分析方法分成关联分析、趋势分析、热点分析和异常分析等四种类型，并对其进行综述。其分类体系框架。 1 犯罪时空关联分析 地理学第一定律指出，任何事物都与其周围事物存在联系，与其越相近的事物联系越紧密。因此，大多数学者在进行犯罪时空分析时充分利用了这个规律，寻找各个要素之间的关联。这里所指的关联要素主要包括犯罪类型、犯罪地点、犯罪时间（包括季节、日期、时段等）、犯罪客体以及犯罪密度[11-12]。 通常情况下，针对不同的案事件数据，其关联分析方法也有所不同，一般使用的方法有相关分析法、灰色关联法、数据碰撞法、串案轨迹分析法等[13]，其特点如表1所示。 2 犯罪时空趋势分析 趋势分析用来收集信息，并试图在信息中发现模式或趋势。它不仅可以用来评估过去不确定的事，还可以用于预测未来的事件。犯罪趋势预测分析可分为犯罪时间趋势预测和犯罪空间趋势预测[17-18]。 （1）犯罪时间趋势预测法主要是根据过去的犯罪变化规律来预测未来的犯罪趋势，它假设犯罪的发展变化具有时间上的连续性。因此，是一种在较为理想的假设下的预测方法，常用于短期的犯罪预测，不适合用于长期的趋势分析。它的主要分析方法有移动平均法、指数平滑法和加权平均法等，其特点如表2所示。 （2）犯罪空间趋势预测法主要是根据过去犯罪地点的犯罪密度规律来预测未来的犯罪发
蛋白质结构预测方法综述 卜东波陈翔王志勇 《计算机不能做什么？》是一本好书，其中文版序言也堪称佳构。在这篇十余页的短文中，马希文教授总结了使用计算机解决实际问题的三步曲，即首先进行形式化，将领域相关的实际问题抽象转化成一个数学问题；然后分析问题的可计算性；最后进行算法设计，分析算法的时间和空间复杂度，寻找最优算法。 蛋白质空间结构预测是很有生物学意义的问题，迄今亦有很多的工作。有意思的是，其中一些典型工作恰恰是上述三步曲的绝好示例，本文即沿着这一路线作一总结，介绍于后。 1 背景知识 生物细胞种有许多蛋白质（由20余种氨基酸所形成的长链），这些大分子对于完成生物功能是至关重要的。蛋白质的空间结构往往决定了其功能，因此，如何揭示蛋白质的结构是非常重要的工作。 生物学界常常将蛋白质的结构分为4个层次：一级结构，也就是组成蛋白质的氨基酸序列；二级结构，即骨架原子间的相互作用形成的局部结构，比如alpha螺旋,beta片层和loop区等；三级结构，即二级结构在更大范围内的堆积形成的空间结构；四级结构主要描述不同亚基之间的相互作用。 经过多年努力，结构测定的实验方法得到了很好的发展，比较常用的有核磁共振和X光晶体衍射两种。然而由于实验测定比较耗时和昂贵，对于某些不易结晶的蛋白质来说不适用。相比之下，测定蛋白质氨基酸序列则比较容易。因此如果能够从一级序列推断出空间结构则是非常有意义的工作。这也就是下面的蛋白质折叠问题： 1蛋白质折叠问题（Protein Folding Problem） 输入: 蛋白质的氨基酸序列
输出: 蛋白质的空间结构 蛋白质结构预测的可行性是有坚实依据的。因为一般而言，蛋白质的空间结构是由其一级结构确定的。生化实验表明：如果在体外无任何其他物质存在的条件下，使得蛋白质去折叠，然后复性，蛋白质将立刻重新折叠回原来的空间结构，整个过程在不到1秒种内即可完成。因此有理由认为对于大部分蛋白质而言，其空间结构信息已经完全蕴涵于氨基酸序列中。从物理学的角度讲，系统的稳定状态通常是能量最小的状态，这也是蛋白质预测工作的理论基础。 2 蛋白质结构预测方法 蛋白质结构预测的方法可以分为三种： 同源性（Homology ）方法：这类方法的理论依据是如果两个蛋白质的序列比较相似，则其结构也有很大可能比较相似。有工作表明，如果序列相似性高于75％，则可以使用这种方法进行粗略的预测。这类方法的优点是准确度高，缺点是只能处理和模板库中蛋白质序列相似性较高的情况。 从头计算（Ab initio ） 方法：这类方法的依据是热力学理论，即求蛋白质能量最小的状态。生物学家和物理学家等认为从原理上讲这是影响蛋白质结构的本质因素。然而由于巨大的计算量，这种方法并不实用，目前只能计算几个氨基酸形成的结构。IBM 开发的Blue Gene 超级计算机，就是要解决这个问题。 穿线法(Threading )方法：由于Ab Initio 方法目前只有理论上的意义，Homology 方法受限于待求蛋白质必需和已知模板库中某个蛋白质有较高的序列相似性，对于其他大部分蛋白质来说，有必要寻求新的方法。Threading 就此应运而生。 以上三种方法中，Ab Initio 方法不依赖于已知结构，其余两种则需要已知结构的协助。通常将蛋白质序列和其真实三级结构组织成模板库，待预测三级结构的蛋白质序列，则称之为查询序列(query sequence)。 3 蛋白质结构预测的Threading 方法 Threading 方法有三个代表性的工作：Eisenburg 基于环境串的工作、Xu Ying 的Prospetor 和Xu Jinbo 、Li Ming 的RAPTOR 。 Threading 的方法：首先取出一条模版和查询序列作序列比对(Alignment)，并将模版蛋白质与查询序列匹配上的残基的空间坐标赋给查询序列上相应的残基。比对的过程是在我们设计的一个能量函数指导下进行的。根据比对结果和得到的查询序列的空间坐标，通过我们设计的能量函数，得到一个能量值。将这个操作应用到所有的模版上，取能量值最低的那条模版产生的查询序列的空间坐标为我们的预测结果。 需要指出的是，此处的能量函数却不再是热力学意义上的能量函数。它实质上是概率的负对数，即 ，我们用统计意义上的能量来代替真实的分子能量，这两者有大致相同的形式。 p E log ?=如果沿着马希文教授的观点看上述工作 ，则更有意思：Eisenburg 指出如果仅仅停留在简单地使用每个原子的空间坐标(x,y,z)来形式化表示蛋白质空间结构，则难以进一步深入研究。Eisenburg 创造性地使用环境串表示结构，从而将结构预测问题转化成序列串和环境串之间的比对问题；其后，Xu Ying 作了进一步发展，将蛋白质序列表示成一系列核（core ）组成的序列，Core 和Core 之间存在相互作用。因此结构就表示成Core 的空间坐标，以及Core 之间的相互作用。在这种表示方法的基础上，Xu Ying 开发了一种求最优匹配的动态规划算法，得到了很好的结果。但是由于其较高的复杂度，在Prospetor2上不得不作了一些简化；Xu Jinbo 和Li Ming 很漂亮地解决了这个问题，将求最优匹配的过程表示成一个整数规划问题，并且证明了一些常用
收稿日期：2013-04-05修回日期：2013-06-17 基金项目： 国家自然科学基金资助项目（61174024）作者简介：吴海秀（1986-），女，河北石家庄人，硕士研究生。研究方向：信息融合、态势估计。*摘要：战场态势分析是指挥决策的基础，D-S 证据理论广泛应用于不确定性下的近似推理，尤其在战场的态势估计中起到了重要作用。为了降低命题中含复合焦元时的不确定度，需要运用概率转换方法如Pignistic 方法等对这些焦元进行概率转换。当存在命题的基本信度赋值函数（BBA ）bba （全称）为零的情况时，一些常规的概率转换方法不能处理，即使能处理这种情况的概率转换方法在降低不确定度方面也没有达到理想效果。提出利用HDSmP 方法将信度函数近似转换成概率函数，不仅可解决辨识框架中存在信度为零的命题时的情况，而且可以降低不确定性。此外，对HDSmP 方法中比率再分配因子的取值进行了分析，通过实例验证了该方法在战场态势估计中的可行性和实用性。 关键词：不确定性推理，概率转换，HDSmP ，态势估计 中图分类号：TP18文献标识码：A 基于HDSmP 转换的态势估计方法* 吴海秀，张华涛，彭冬亮 （杭州电子科技大学通信信息传输与融合技术国防重点学科实验室，杭州310018） Situation Assessment Based on Hierarchical DSmP Transformation WU Hai-xiu ，ZHANG Hua-tao ，PENG Dong-liang （Key Discipline Laboratory of Communication Information Transmission and Fusion Technology of National Defense ， Hangzhou Dianzi University ，Hangzhou 310018，China ） Abstract ：The battlefield situation assessment is the basis for decision-making ，Dempster-Shafer evidence theory is widely used for approximate reasoning under uncertainty ，and it plays an important role especially in the battlefield situation assessment.In order to reduce the uncertainty of compound focal elements of propositions ，probability transformation methods such as Pignistic methods are adopted to transform these focal elements into single focal elements with reduced uncertainty.When there is a proposition whose Basic Belief Assignment （BBA ）bba equals to zero ，it is impossible for some conventional probability conversion method to solve the problem.And even if it can be addressed through some probability conversion methods ，it ’s not ideat in reducing the uncertainty after the transformation.In this paper ，the usage of HDSmP transformation method is put forward to approximate a belief function into a probability measure ，which not only solve the situation where there are propositions whose belief values equal to zero in the discernment framework ，but it also reduce uncertainty of the proposition.In addition ，the analysis of the proportional redistribution factor （ratio ）in HDSmP method is presented.Finally ，the feasibility and practicability of the method are illustrated through examples of the battlefield situation.Key words ： uncertainty reasoning ，probabilistic transformation ，HDSmP ，situation assessment 引言 在军事应用领域中，态势估计起着至关重要的作用。在战场不确定性条件下进行态势估计近似推理的最终目标是制定指挥决策。信息融合领域的Dempster-Shafer 证据理论因其信度函数的优越性，文章编号：1002-0640（2014）06-0036-04Vol.39，No.6 Jun ，2014 火力与指挥控制Fire Control &Command Control 第39卷第6期2014年6月 36··
视频目标检测与跟踪算法综述 1、引言 运动目标的检测与跟踪是机器视觉领域的核心课题之一，目前被广泛应用在 视频编码、智能交通、监控、图像检测等众多领域中。本文针对视频监控图像的运动目标检测与跟踪方法，分析了近些年来国内外的研究工作及最新进展。 2、视频监控图像的运动目标检测方法 运动目标检测的目的是把运动目标从背景图像中分割出来。运动目标的有效分割对于目标分类、跟踪和行为理解等后期处理非常重要。目前运动目标检测算法的难点主要体现在背景的复杂性和目标的复杂性两方面。背景的复杂性主要体现在背景中一些噪声对目标的干扰，目标的复杂性主要体现在目标的运动性、突变性以及所提取目标的非单一性等等。所有这些特点使得运动目标的检测成为一项相当困难的事情。目前常用的运动目标检测算法主要有光流法、帧差法、背景相减法，其中背景减除法是目前最常用的方法。 2.1 帧差法 帧差法主要是利用视频序列中连续两帧间的变化来检测静态场景下的运动目标，假设(,)k f x y 和(1)(,)k f x y +分别为图像序列中的第k 帧和第k+1帧中象素点(x ，y)的象素值,则这两帧图像的差值图像就如公式2-1 所示： 1(1)(,)(,)k k k Diff f x y f x y ++=- (2-1) 2-1式中差值不为0的图像区域代表了由运动目标的运动所经过的区域（背景象素值不变），又因为相邻视频帧间时间间隔很小，目标位置变化也很小，所以运动目标的运动所经过的区域也就代表了当前帧中运动目标所在的区域。利用此原理便可以提取出目标。下图给出了帧差法的基本流程：1、首先利用2-1 式得到第k 帧和第k+1帧的差值图像1k Diff +；2、对所得到的差值图像1k Diff +二值化（如式子2-2 示）得到Qk+1；3、为消除微小噪声的干扰，使得到的运动目标更准确，对1k Q +进行必要的滤波和去噪处理，后处理结果为1k M +。 111255,,(,)0,,(,)k k k if Diff x y T Q if Diff x y T +++>?=?≤? （T 为阈值） （2-2）
国内物流需求预测方法文献综述 (河北工程大学管理科学与工程阮俊虎） 物流需求是指一定时期内社会经济活动对生产、流通、消费领域的原材料、半成品和成品、商品以及废旧物品、废旧材料等的配置作用而产生的对物在空间、时间和费用方面的要求，涉及运输、库存、包装、装卸搬运、流通加工以及与之相关的信息需求等物流活动的诸方面[1]。物流需求的度量可以采用价值量和实物量两种度量体系。实物量意义上的物流需求主要表现为不同环节和功能的具体作业量，如货运量、库存量、加工量、配送量等；价值量意义上的物流需求是所有物流环节全部服务价值构成的综合反映，如物流成本、物流收入、供应链增值等[2]。 物流需求预测是根据物流市场过去和现在的需求状况，以及影响物流市场需求变化的因素之间的关系，利用一定的判断、技术方法和模型，对物流需求的变化及发展趋势进行预测。国内外许多专家和学者都对物流需求的预测进行了研究，提出不同的预测方法和手段。物流预测方法可以分为定性预测方法（如德尔菲法和业务人员评估法等）和定量预测方法，但多数是定量预测方法，因此，本文主要是对国内物流需求定量预测方法进行综述，归为时间序列预测方法、因果关系预测方法、组合预测方法等三类。 1．时间序列预测方法综述 时间序列预测方法是依据从历史数据组成的时间序列中找出预测对象的发展变化规律，以此作为预测依据。常用的时间序列预测模型有增长率法、移动平均法、指数平滑法、随机时间序列模型、灰色模型、以及在经济领域已经被广泛应用的混沌与分形等。 增长率法指根据预测对象在过去的统计期内的平均增长率，类推未来某期预测值的一种简便算法。该预测方法一般用于增长率变化不大，或预计过去的增长趋势在预测期内仍将继续的场合。刘劲等[3]（2002）在利用增长率系
城市综合交通态势评估方法研究 摘要:城市综合交通系统纷繁复杂,建立基于信息融合的智能交通态势评估体系势在必行。本文从态势评估与智能交通管理相关概念、交通网态势本体模型的实现、分布式实时交通仿真系统研究、贝叶斯网络态势评估技术在交通行业实践等方面描述了态势估计方法如何在国内城市综合交通 系统中应用。 关键词:城市综合交通系统;本体论;分布式实时交通仿真系统;贝叶斯网络 城市综合交通系统聚集了多种方式,包括了汽车、地铁、轻轨、磁浮、水运,跨越了空、陆、水上、地下等层次,形成了一个复杂的巨型立体网络,复杂的交通网络结构与随机的交通现象的耦合作用使得交通系统的动态性、反馈性和非线性越发显著,面对综合交通这样的复杂系统,单角度的、单层次的数据是无法反映其真实信息的。态势估计方法是信息融合最有效的研究方法之一,其优势就在于它可以将上下文关系中描述实体、被观察事件的关系,结合环境信息、经验知识和实时观察来确定实体集合体的含义,能够反映真实的系统态势,提供事件、活动的预测,并由此提供最优决策的依据。笔者结合城市综合交通态势评估方法研究这一软课题论述
态势估计方法如何应用于综合交通系统中,与智能交通其他技术融合,对于管理、改善和优化整个城市区域范围内的、多模式的交通网络系统,提高城市交通网络系统的运营能力和效率,改善与增强交通系统的安全性,具有重要的作用。 1 态势评估与智能交通管理 智能交通已经成为全球解决城市交通问题的主要手段,城市交通网的仿真和评估技术的重要价值使其成为该研究领域的重点和优先发展课题。交通态势评估是在交通数据仿真的基础上建立关于运输活动、事件、时间、位置和物资要素组织形式的多重视图,它将所观测的交通拥堵分布与活动和立体环境有机地联系起来,识别已发生的事件和计划,并结合节假日以及其他商业政治活动的预期影响,做出处理突发事件的应急预案,寻求对当前交通态势的合理解释,并对临近时刻的态势变化做出预测。 2 本体论在智能交通中的应用 本体论Ontology是描述概念及概念之间关系的模型,通过模型来描述概念的语义。交通网态势本体模型主要研究运用Ontology方法建立面向交通网态势知识领域的本体模型,该模型反映了综合交通网态势领域的基本概念和语义模型,运用该模型可以描述综合交通网的态势,支持综合交通网的
人力资源需求预测方法概述摘要:由于经济全球化及信息技术的飞速发展,当今企业面临的内外部环境日趋复杂。当今企业在进行人力资源需求预测时，考虑的往往不是单个因素的影响，而是多种因素的共同作用和相互影响。人力资源需求预测方法总体上分为定性和定量两大类。通过对目前流行的各种需求预测方法进行归纳总结，理论联系实践，理论应用于实践，为企业人力资源规划提供了有用的建议和相应的指导。 关键词：人力资源需求预测定性方法定量方法 一、人力资源需求预测的内容 所谓预测，是指利用预测对象本身历史和现状的信息，采用科学的方法和手段，对预测对象尚未发生的未来发展演变规律预先作出科学的判断。信息的不确定性注定了预测的困难及其不完美性。企业的人力资源预测可以分为人力资源需求预测和人力资源供给预测。人力资源需求包括总量需求和个量需求，也包括数量、质量和结构等方面的需求。 人力资源需求预测是指对企业未来一段时间内人力资源需求的总量、人力资源的年龄结构、专业结构、学历层次结构、专业技术职务结构与技能结构等进行事先估计。 二、影响人力资源需求预测的因素 企业的人力资源需求预测不仅受到企业内部经营状况和已有人力资源状况等诸多内部因素的影响，还要受到政治、经济、文化、科技、教育等诸多不可控的企业外部因素的影响。使得企业在进行人力资源规划、人力资源需要预测时更为复杂。另外在企业人力资源需要预测中还必须注意到企业人力资源发展的规律和特点，人力资源发展中企业发展中的地位、作用，以及两者之间的关系，分析影响人力资源发展的相关因素，揭示人力资源发展的总体趋势。此外，在人力资源需求预测时，还要掌握预测中的定性、定量、时间和概率四个基本要素，以及他们之间的相互关系。 人力资源需求预测的定性要素是指在预测之前，必须对企业人力资源发展的性质进行叙述性的、非定量的描述，对企业人力资源发展的大致方向和