超分辨率复原技术的发展 The Development of Super2Re solution Re storation from Image Sequence s 1、引言 在图像处理技术中,有一项重要的研究内容称为图像融合。通常的成像系统由于受到成像条件和成像方式的限制,只能从场景中获取部分信息,如何有效地弥 补观测图像上的有限信息量是一个需要解决的问题。图像融合技术的含义就是把相关性和互补性很强的多幅图像上的有用信息综合在一起,产生一幅(或多幅) 携带更多信息的图像,以便能够弥补原始观测图像承载信息的局限性。 （图象融合就是根据需要把相关性和互补性很强的多幅图象上的有用信息综合在一起,以供观察或进一步处理,以弥补原始单源观测图象承载信息的局限性,它是一门综合了传感器、图象处理、信号处理、计算机和人工智能等技术的现代高新技术,于20 世纪70 年代后期形成并发展起来的。由于图象融合具有突出的探测优越性,在国际上已经受到高度重视并取得了相当进展,在医学、遥感、计算机视觉、气象预报、军事等方面都取得了明显效益。从图象融合的目标来看,主要可将其归结为增强光谱信息的融合和增强几何信息的融合。增强光谱信息的融合是综合提取多种通道输入图象的信息,形成统一的图象或数据产品供后续处理或指导决策,目前在遥感、医学领域都得到了比较广泛的应用。增强几何信息的融合就是从一序列低分辨率图象重建出更高分辨率的图象(或图象序列) ,以提 高图象的空间分辨率。对图象空间分辨率进行增强的技术也叫超分辨率 (super2resolution) 技术,或亚像元分析技术。本文主要关注超分辨率(SR) 重建技术,对SR 技术中涉及到的相关问题进行描述。） （我们知道,在获取图像的过程中有许多因素会导致图像质量的下降即退化,如 光学系统的像差、大气扰动、运动、离焦和系统噪音,它们会造成图像的模糊和变形。图像复原的目的就是对退化图像进行处理,使其复原成没有退化前的理想图像。按照傅里叶光学的观点,光学成像系统是一个低通滤波器,由于受到光学衍射的影响,其传递函数在由衍射极限分辨率所决定的某个截止频率以上值均为零。显然,普通的图像复原技术如去卷积技术等只能将物体的频率复原到衍射极
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
图像超分辨率算法综述 摘要：介绍了图像超分辨率算法的概念和来源，通过回顾插值、重建和学习这3个层面的超分辨率算法，对图像超分辨率的方法进行了分类对比，着重讨论了各算法在还原质量、通用能力等方面所存在的问题，并对未来超分辨率技术的发展作了一些展望。 关键词：图像超分辨率；插值；重建；学习； Abstract:This paper introduced the conception and origin of image super resolu- tion technology. By reviewing these three kinds of methods(interpolation,reconstruct, study), it contrasted and classified the methods of image super-resolution,and at last, some perspectives of super-resolution are given. Key words: image super-resolution;interpolation;reconstruct;study;
1 引言 1.1 超分辨率的概念 图像超分辨率率(super resolution,SR)是指由一幅低分辨率图像(low resolution,LR)或图像序列恢复出高分辨率图像(high resolution， HR)。HR意味着图像具有高像素密度，可以提供更多的细节，这些细节往往在应用中起到关键作用。要获得高分辨率图像，最直接的办法是采用高分辨率图像传感器，但由于传感器和光学器件制造工艺和成本的限制[1]，在很多场合和大规模部署中很难实现。因此，利用现有的设备，通过超分辨率技术获取HR图像(参见图1)具有重要的现实意义。 图1 图像超分辨率示意图 图像超分辨率技术分为超分辨率复原和超分辨率重建，许多文献中没有严格地区分这两个概念，甚至有许多文献中把超分辨率图像重建和超分辨率图像复原的概念等同起来，严格意义上讲二者是有本质区别的，超分辨率图像重建和超分辨率图像复原有一个共同点，就是把在获取图像时丢失或降低的高频信息恢复出来。然而它们丢失高频信息的原因不同，超分辨率复原在光学中是恢复出超过衍射级截止频率以外的信息，而超分辨率重建方法是在工程应用中试图恢复由混叠产生的高频成分。几何处理、图像增强、图像复原都是从图像到图像的处理，即输入的原始数据是图像，处理后输出的也是图像，而重建处理则是从数据到图像的处理。也就是说输入的是某种数据，而处理结果得到的是图像。但两者的目的是一致的，都是由低分辨率图像经过处理得到高分辨率图像。另外有些文献中对超分辨率的概念下定义的范围比较窄，只是指基于同一场景的图像序列和视频序列的超分辨处理，实际上，多幅图像的超分辨率大多数都是以单幅图像的超分辨率为基础的。在图像获取过程中有很多因素会导致图像质量下降，如传感器的形
分布估计算法的模型分析与研究 毕丽红 刘 渊 张 静 （石家庄铁路职业技术学院 河北石家庄 ０５００４１） 摘要：分布估计算法是在遗传算法基础上发展起来的一类新型进化优化算法。分布估计算 法采用概率图模型表示基因变量之间的连锁关系，以构建优良解集的概率分布模型和采样分布 模型来实现迭代优化。详细分析分布估计算法的基本原理，对采用不同概率图模型的分布估计 算法进行总结和分析，并针对分布估计算法领域的研究现状，提出仍需解决的主要问题。 关键词：分布估计算法 遗传算法 概率图模型 中图分类号：TP301 文献标识码：A 文章编号：1673-1816(2008)01-0030-05 遗传算法（Genetic Algorithms，GA）[1]是一种借鉴生物界自然遗传机制的高度并行和自适应的全局优化随机搜索算法，具有功能强、鲁棒性好、计算简单、对搜索空间无限制等特点。已经成功应用于函数优化、机器学习、数据挖掘和图像识别等领域，然而，遗传算法本身还存在一些问题。首先，遗传算法的关键是处理进化过程中的积木块（building block）[2]，然而交叉算子和变异算子不具有学习和识别基因之间连锁关系的能力，所以实际的重组操作经常造成积木块的破坏，从而导致算法逼近局部最优解或早熟；另外，遗传算法中操作参数的选择依赖性强，甚至参数选择本身就是一个优化问题[3]；第三，遗传算法的理论基础还比较薄弱。为了解决遗传算法的这些问题，更好地解决各种难解优化问题，各种改进遗传算法不断出现。至今，探索和设计能够快速、可靠、准确求解各种复杂优化问题的可胜任的遗传算法（competent GA）[2]一直是进化计算领域的一项重要课题。１ 分布估计算法的基本原理 针对积木块被破坏的问题，对传统遗传算法有代表性的改进方法主要有两类：一类是改变算法中解的表示，通过基因级而不是染色体一级的重组操作来改善遗传算法的性能。如连锁学习遗传算法（LLGA）、基因表达混乱遗传算法（GEMGA）等，然而最近一些研究表明，此类算法所具有的连锁学习（linkage learning）能力不足以解决复杂的优化问题。另一类算法则是改变重组操作的基本原理，将遗传算法中基因的交叉和变异操作改进为学习优良解集中基因的概率分布，其基本思想是从当前种群中选取部分优良解，并利用这些优良解估计和学习染色体中基因的分布模型，然后采样该分布模型产生新的染色体和种群。逐次迭代，最后逼近最优解。基于这种由分布模型改进进化算法的思想形成的一类新型优化算法称为分布估计算法（Estimation of Distribution Algorithms, EDAs）或基于概率模型的遗传算法（Probabilistic Model-Building Genetic Algorithms, PMBGAs）。 收稿日期：２００７－１１－０９ 作者简介：毕丽红（１９７０－），女，汉，河北石家庄人，硕士，副教授，研究方向智能控制。 基金项目：河北省科学技术研究与发展基金项目（０７２１３５１３４）
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
OFDM 信道估计技术综述 专业：080411卓越 学生姓名：李震 指导教师：姚如贵 完成时间：2020年5月19日
OFDM 信道估计技术综述 一国内外研究进展 (3) 二导频插入方式 (4) 三OFDM 系统原理 (5) 四信道估计的重要意义 (6) 五OFDM系统信道估计研究现状 (7) 六简单算法介绍 (9) 七小结 (11)
一国内外研究进展 20世纪70年代，韦斯坦（Weistein）和艾伯特（Ebert）等人应用离散傅里叶变换（DFT）和快速傅里叶方法（FFT）研制了一个完整的多载波传输系统，叫做正交频分复用（OFDM)系统。正交频分复用(OFDM)是一种特殊的多载波传输方案，它可以被看作是一种调制技术，也可以被看作是一种复用技术,OFDM应用DFT和其逆变换IDFT方法解决了产生多个互相正交的子载波和从子载波中恢复原信号的问题。OFDM技术的应用已有近40年的历史，主要用于军用的无线高频通信系统。但是OFDM 系统的结构非常复杂，从而限制了其进一步推广。直到20世纪70年代，人们采用离散傅立叶变换来实现多个载波的调制，简化了系统结构，使得OFDM技术更趋于实用化。80年代，人们研究如何将OFDM技术应用于高速MODEM。进入90年代以来，OFDM技术的研究深入到无线调频信道上的宽带数据传输。 由于OFDM的频率利用率最高，又适用于FFT算法处理，近年来在多种系统得到成功的应用，在理论和技术上已经成熟。因此，3GPP/3GPP2成员多数推荐OFDM作为第四代移动通讯无线接入技术之一。目前,OFDM技术在4G LTE技术中已得到使用，是LTE三大关键技术之一，预计在5G仍然作为主要的调制方式。 它相对于单载波主要优点在于 ①频谱利用率高 在传统的频分复用多路传输方式中，将频带分为若干个不相交的子频带来传输并行的数据流，在接收端用一组滤波器来分离各个子信道。此种方法简单、直接，缺点是频谱利用率低，此外子信道之间要留有足够的保护频带，而且多个滤波器的实现也有不少困难。而OFDM 系统由于各个子载波之间存在正交性，允许子信道的频谱相互重叠，因此OFDM 系统可以最大限度地利用频谱资源 ②抗多径干扰 把高速数据流通过串并转换，使得每个子载波上的数据符号持续长度相应增加，从而可以减小无线信道的时间弥散性所带来的符号间干扰(Inter Symbol Interferences, ISI)，这样就减小了接收机均衡的复杂度，有时甚至可以不采用均衡器，仅通过采用插入循环前缀(Cyclic Prefix, CP)的方法就可以消除ISI 的不利影响。 ③实现相对比较简单 各个子信道间的正交性的调制与解调可以利用 IDFT 和DFT 实现，对于子载波数比较大的情况下，可以通过IFFT/FFT 算法来实现。不需要使用多个发送和接收滤波器组，相对传统通信系统复杂度大大降低。 ④上、下行链路可以使用不同的传输速率
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
杭州电子科技大学 毕业设计（论文）文献综述 毕业设计题目SIFT特征研究及应用 文献综述题目图像配准算法综述学院生命信息及仪器工程学院 专业电子信息技术及仪器 姓名 班级 学号 指导教师
图像配准算法综述 一．前言 图像配准是指找出场景中同一物体表面的结构点在不同图像上的投影像素点之间的对应关系，是图像信息处理领域中一项非常重要的技术，同时也是其它一些图像分析技术，如立体视觉、运动分析、数据融合等的基础。 目前图像配准广泛应用于虚拟现实、视频压缩、图像复原、图像数据库检索等技术中。图像配准的研究是计算机视觉中最困难也是最重要的任务之一。不同的图像配准方法总是对应于某种适用的图像变换模型，其核心问题是提高配准的速度、精度和算法的稳健度。 随着科学技术的发展现在约40%的机器视觉应用中都会使用图像匹配技术，所涉及的领域有：工业检测，导弹的地形匹配，光学和雷达的图像跟踪，交通管理，工业流水线的自动监控、工业仪表的自动监控，医疗诊断，资源分析，气象预报，文字识别以及图像检索等。 图像匹配研究按其处理步骤可以分为样本采集、样本预处理、样本分割、样本的特征提取等，并且与计算机视觉、多维信号处理和数值计算方法等紧密结合。它也是其它一些图像分析技术，如立休视觉、运动分析、数据融合等的基础。正因为其应用的广泛性，新的应用和新的要求逐步产生，使得匹配算法的研究逐步走向深入，出现了快速、稳定、鲁棒性好的匹配算法。因此，研究图像的匹配算法对于如何提高实际工程中的图像处理质量和识别精度具有非常重要的意义。 本文主要分析图像匹配常用方法的优点和不足之处，讨论了图像匹配中需要进一步研究和解决的问题。 二．图像配准算法的研究现状 图像配准是立体视觉、运动分析、数掘融合等实用技术的基础，在导航、地图与地形配准、自然资源分析、天气预报、环境监测、生理病变研究等许多领域有重要的应用价值。国内外学者针对不同的图像配准应用问题进行了大量的研究工作，早在1992年英国剑桥大学的Lisa Gottesfeld Brown在文献[1]习中就总结了图像配准的主要理论及图像配准在各个领域的应用。当时他讨论的图像配准技术主要还是著眼于医学图像处理、遥感图像处理等传统应用领域。图像配准是图像镶嵌技术的核心问题。 微软研究院的Richard Szeliski在1996年SIGGRAPH上提出了基于运动模型的全景图拼接算法[7]。Szeliski采用了非线性优化的方法来最小化像素两幅图像的亮度差以确定变换参数。该方法使用了全部像素进行优化处理，所以配准精度较高，但是计算速度较慢，且稳健性不佳。 国内的赵向阳。杜立民在2004年提出了一种基于特征点匹配的图像自动拼接算法[2]，其中使用了Harris算法[3]提取角点并进行匹配。赵的算法采用了鲁棒变换估计技术，在一定程度上提高配准算法的稳健性，但是计算速度依然较慢，且无法配准重
龙源期刊网 https://www.doczj.com/doc/a54427932.html, 图布局FR算法的研究与实现 作者：李海峰 来源：《电脑知识与技术》2013年第12期 摘要：近年来，对信息技术可视化的研究越来越广泛，信息技术可视化也在各个领域中得到越来越广泛的应用。图布局是用图结构解决现实世界中信息可视化问题的一种重要技术。该文介绍图布局FR算法的基本模型，研究FR算法实现方法，及FR算法的优化。 关键词：图布局；FR算法 中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2013）12-2864-02 1 概述 近年来对信息技术可视化的研究越来越广泛，信息技术可视化也在各个领域中得到越来越广泛的应用。信息可视化充分利用了人类视觉感知系统，将信息以图形化方式进行展示，直观快速地解释信息的意义。 绘图技术是信息可视化与应用数学的一个交叉领域，主要研究从图到几何空间的映射关系。绘图技术的内容极其丰富，主要是根据不同的实际应用需求，满足绘图的基本要求。从 图布局的观点来看，在图的绘制中，主要解决的是图中节点的布局问题。 2 FR算法的基本模型 1984年，Eades首次提出了用弹力模型实现图布局算法。弹力模型即力学中常用的虎克定律：在弹性限度内，物体的形变跟引起形变的外力成正比。Eades将图中的边看成力学中的弹簧，利用弹力关系决定图点的布局。 弹簧模型提出后，许多学者在此基础上进行了深入的研究。最典型的算法有Fruchterman 和Reingold提出的FR算法。 FR算法在经典弹簧算法的基础上进行了改进，引入了力导引模型。力导引模型建立在粒子物理理论的基础上，将无向图中的节点模拟成原子，通过模拟原子间的力场来计算节点间的位置关系。算法通过考虑原子间引力和斥力的互相作用，经过不断的迭代计算，系统最终进入一种动态平衡状态。 FR 算法也没有太严格地遵照物理规则来进行模拟，而是进行了一些简化。FR 算法在所有的实体之间计算排斥力，而吸引力只在相互连接的实体之间进行计算。
基于规则模型学习的多目标分布估计算法研究连续多目标优化问题在决策空间的Pareto最优解(PS)和目标空间中的pareto最优前沿(PF)均是一个连续分段的(m-1)维流形体(m是目标函数的个数)。根据这一分布规则特征,先后有学者提出了基于规则模型的多目标分布估计算法(RM-MEDA)和基于高斯过程的逆模型多目标优化算法(IM-MOEA)。 这两种算法非常适于求解变量相关的复杂多目标优化问题,但仍存在一定的不足。其一,RM-MEDA根据种群的整体统计信息建立模型,忽略了种群中某些优秀解的局部信息,导致算法在求解一些复杂多目标优化问题时全局搜索能力弱,收 敛速度慢;其二,IM-MOEA中的逆模型在求解PS或PF存在极端的非平滑性的多目标优化问题时表现劣势;其三,RM-MEDA中的学习模型在种群分布没有明显规律 的情况下表现不佳。 基于以上分析,本文的研究内容主要有两个方面。(1)为了弥补RM-MEDA忽略解的局部信息的不足,在算法中加入了直接使用个体信息的差分演化(DE)操作算子,设计了一种改进的RM-MEDA(MRM-MEDA)。 MRM-MEDA将分布估计算法的建模采样方式和DE的交叉变异进化方式相结合,丰富了个体的繁殖方式,在进化过程中,种群自适应地选择其中一种繁殖方式产 生新个体,且变异过程采用改进后的DE/rand-to-pbest/l策略。在32个测试函数上的实验结果证实了MRM-MEDA的性能优于RM-MEDA和其它两种改进的 RM-MEDA算法。 (2)针对RM-MEDA中学习模型和IM-MOEA中逆模型存在的缺点,将学习模型和逆模型结合在一起,提出了RM-IM-EDA。RM-IM-EDA将两种模型动态结合,期望利用两个概率模型的采样优势,从而实现更好的性能。
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··
分布估计算法论文：Copula分布估计算法中Copula函数的研究 【中文摘要】分布估计算法的核心是建立概率模型,随着待解问题的复杂化,概率模型的学习和采样占用了大部分的时间和空间开销,强化和改进分布估计算法是该领域的难点和热点问题。Copula分布估计算法把Copula理论应用到分布估计算法中。Copula理论为求取联合分布提供了一条新的途径,由Copula理论知,一个联合分布可以分解成n个边缘分布和一个连接函数(Copula函数),其中边缘分布反映单变量的信息,Copula函数反映各变量之间的相关结构。边缘分布的估计要比联合分布简单,且Copula是比较容易采样的。本文主要研究在以Clayton Copula为连接函数,以经验分布为边缘分布的条件下,Clayton Copula分布估计算法中的参数选择。当边缘分布和连接函数都确定以后,Copula参数直接影响Copula分布估计算法的性能,因为Copula函数的参数不同,所对应的变量之间的相关程度不同。本文首先对Clayton Copula的参数取了一些固定值,实验结果表明该方法可行。参数取固定值意味着每次建立的概率模型都是一样的,为了更准确地描述优势群体的概率模型,又研究了在进化过程中动态调整Clayton Copu... 【英文摘要】To estimate the probability distribution model is the key of Estimation of Distribution Algorithm (EDA), with the complexity of the problem to be solved, it will cost more
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
排样算法综述 1距形排料算法 (2) 1.1.底层几何算法 (2) 1.2.排样策略 (2) 1.3.优化算法 (4) 2不规则形状排样算法概述 (5) 2.1不规则形状矩形拟合排样算法 (5) 2.2移动碰撞排样算法 (5) 2.3临界多边形在不规则形状排样问题中的应用 (6) 3异形件排样的零件定位策略 (9) 3.1基于NFP 最低点的定位算法 (9) 3.2基于重心NFP 的不规则形状零件定位算法 (10) 3.3排样顺序算法 (10) 4基于智能优化的二维排样算法 (11) 4.1 智能优化算法在排样问题中的应用 (11) 4.2二维排样问题的模拟退火算法求解 (12) 4.3二维排样问题的遗传算法求解 (14)
1距形排料算法 距形排料相对于多边形排料来说要简单许多，但是再简单的东西想要做到完美都是件很难的事。这里提供的算法比目前国内的公开研究文献中99.9%的来说都要高效，我指的是最终效率。当然每个环节都要仔细考虑，细节非常重要。我还是按照三个层次来描述。 1.1.底层几何算法 对于矩形来说，计算矩形之间的距离和重叠基本上没什么可说的，因为它太简单。这里我还是提几个可能被忽略的地方。1.尽可能的用空间换取时间的办法让实际运算时的时间更短。2.尽量用内联函数。 1.2.排样策略 基本上我把它归为左底策略，对于矩形来说，左底策略还是相当有效的，当然这只是基本策略，还有很多细节需要明确。如下图： 假设R1和R2是已经按照某种规则放置进容器矩形的两个材料矩形。
现在有一个新的待放置的矩形R. 定义A为矩形R的左下角。对于每一个已经放置进容器的矩形，比如R1，对于矩形R来说新的可能的放置点是（我们先不考虑R2的存在）： 1. R靠紧容器矩形的左上角排放 2. R靠紧容器矩形的左下角排放 3. A点放置在R1的左上角 4. A点放置在R1的右下角 5. R的左上角对齐R1的右上角排放 显然，在上图中，2位置由于有R1存在不可行，3位置由于已经放置R2也不可行。所以可以选择的位置是1，4，5. 同理分析R2的加入后R可能增加的新的排放位置，分别是： 6. A点对齐R2的左上角 7.A点对齐R2的右下角 8. R的左上角对齐R2的右上角（图中所示正是这个位置） 好了，现在我们大概知道了有哪些可行的排放点。知道了这些点都是按照什么规则得来的。那么怎么在这些可行点中选择呢，就是说选择的标准是什么呢？如下图。 上图中内圈的两个矩形是紧靠排放的，外圈的分别是两个矩形缩放一定比例后的矩形。阴影部分就是外圈的两个矩形的重叠面积，它基本上表示了两个矩
Artificial Intelligence and Robotics Research 人工智能与机器人研究, 2016, 5(1), 1-12 Published Online February 2016 in Hans. https://www.doczj.com/doc/a54427932.html,/journal/airr https://www.doczj.com/doc/a54427932.html,/10.12677/airr.2016.51001 Trend Prediction Model Based Multi-Objective Estimation of Distribution Algorithm Zhongqiang Huang, Min Jiang Fujian Key Lab of the Brain-Like Intelligent Systems, Xiamen University (XMU), Xiamen Fujian Received: Mar. 11th, 2016; accepted: Mar. 26th, 2016; published: Mar. 30th, 2016 Copyright ? 2016 by authors and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY). https://www.doczj.com/doc/a54427932.html,/licenses/by/4.0/ Abstract Multi-objective optimization problems exist widely in real world applications. Traditional evolu-tionary algorithms usually employ individual-based evolution strategies to solve these optimiza-tion problems, leading to low convergence rate, strong dependency on population size and poor results. As a meta-heuristic algorithm, the Estimation of Distribution Algorithm (EDA) combines the statistical machine learning with population evolution model and has attracted a wide spread attention. In this paper, we proposed a trend-prediction-model (TPM) based EDA method, called TPM-EDA, to solve multi-objective problems. The characteristic of TPM is that it effectively utilizes the historic information generated in evolutionary process to predict the trend of particles, so as to promote the search speed for finding Pareto-optimal front and the search ability of algorithm. Meanwhile, the sparseness is applied in our algorithm to control the sampling frequencies of indi-viduals for the purpose of achieving the diversity of population. We compared our method with multiple existing EDA algorithms on 6 different test instances. The experimental results proved the effectiveness of our method. Keywords Multi-Objective Optimization, Estimation of Distribution Algorithm, Trend Prediction Model 基于趋势预测模型的多目标分布估计算法 黄忠强，江敏