摘要:通过深入分析高光谱图像空间相邻数据之间的空间相关性，提出一种利用空间相关性进行约束的联合子空间追踪解混(Spatial correlation constrained simultaneous subspace pursuit, SCCSSP)方法。该方法首先基于分块思想将高光谱图像进行分块处理，然后在图像块的端元提取步骤中，结合空间相关性特征对端元的提取进行约束，从而确保当前端元支撑集相对于高光谱图像残差是最优的。在丰度估计中将图像块的端元集合合并作为整幅图像的端元支撑集，通过求解非负性约束的最小二乘法获得丰度重建图像。模拟图像数据实验结果表明，本文方法在同等条件下能够获得更高的信号重构误差，且解混运算时间低于凸优化算法。在实际图像数据实验中，本文方法丰度图像稀疏度最低，取得了仅次于SUnSAL-TV算法的图像重建误差，其所得到的丰度重建图像也取得了更好的视觉效果。实验结果验证了本文方法具有更高的解混精度。

摘要:针对目前ADS-B发射机定位信息主要取自GPS以及自身传输链路距离受限的问题，研究了基于“北斗”的ADS-B监视技术，在深入研究ADS-B报文协议的基础上，将“北斗”通信作为ADS-B传输链路的补充，研究了通航飞机的无缝导航监视技术，设计了基于“北斗”定位源的多网融合的机载监视终端系统。利用锐翔电动飞机RX1E和搭建的监视中心系统对机载终端的ADS-B和“北斗”传输进行测试验证，实验结果表明：数据传输链路实现了对低空空域通航飞机的广域监视，机载终端发送的飞行态势信息实现了监视中心对低空通航飞机的在线态势感知。研究结果为服务我国通航飞机作业安全以及提高低空空域管理的信息化水平提供了技术参考。

摘要:从用户-项目评分矩阵中学习用户对项目的个性化偏好, 对于评分推荐来说至关重要。许多推荐方法如潜在因子模型，无法充分利用评分矩阵中的交互信息学到较好的个性化偏好而得到较差推荐效果。受深度学习中Wide and Deep模型应用于APP推荐启发，本文提出一种深度混合模型并命名为DeepHM用于评分推荐。与Wide and Deep模型相比，使用DeepWide 和DNN部分重构Wide 模型和 Deep 模型得到DeepHM, 并且 DeepWide和DNN部分共享交互信息输入。因此，DeepHM可以更有效地使用评分矩阵中的用户和项目的交互信息学到个性化偏好信息。DeepHM将评分推荐作为分类问题旨在提高推荐准确性。实验表明在公开的Movielens数据集上DeepHM算法相比现有的基于评分推荐模型具有更好的效果。

摘要:决策为划分的覆盖决策信息系统的特征选择理论和方法日趋成熟。但在数据采集的过程中，有些数据集存在对象的决策缺失或决策不能完全确定情况，那么将决策刻画为覆盖更加合理。而决策为覆盖的覆盖决策信息系统特征选择的研究却很少见。本文讨论决策为覆盖的覆盖决策信息系统的特征选择，利用证据理论中的信任函数和似然函数给出覆盖决策信息系统约简的等价刻画，从而给出求约简的算法，并以实例说明该方法的有效性。

摘要:非平衡学习吸引了许多研究者的关注。一般情况下，少数类是更值得关注的，并且其误分类代价要远高于多数类。由于非平衡数据分布的非均衡性，标准的分类算法将难以适用。为了解决非平衡数据分类问题,给出了基于欠采样的零阶优化算法。首先，为了降低数据非平衡分布的影响，针对不同非平衡比的数据集给出了不同的两种采样策略。然后，采用了一种引入间隔均值项的支持向量机(Support vector machine, SVM)优化模型进行分类，并使用带有方差减小的零阶随机梯度下降算法进行求解，提高了算法的精度。在非平衡数据上进行了对比实验，实验证明提出的方法有效提高了非平衡数据的分类效果。

摘要:混合采样数据不仅仅具有不同采样频率数据之间特征集合不同，还有样本数量不一致等特点，传统的分类方法不能直接使用。因此，本文提出一种基于Fisher判别准则字典学习的混合采样数据分类方法以处理采样数据的分类任务。该模型巧妙借助处理多视图数据的分类思想，利用基于Fisher判别准则的字典学习方法，生成的结构化字典的每个原子与数据的类标签相关，同时采用Fisher判别准则使类内散度更小，类间散度更大来约束编码系数矩阵，从而大大提升分类性能。此外，本文针对混合采样数据的样本数量不一致特点，设计了混合采样数据判别分析模型的分类方案。最后实验结果验证了本文方法的有效性。

摘要:经典核相关滤波（Kernel correlation filter，KCF）目标跟踪算法是判别式跟踪算法中效果最好的一种跟踪算法。但该算法不能很好地适应目标尺度的变化，且在遇到目标短暂消失或被其他物体遮挡等复杂情形时不具备处理目标重显的能力，因此，为使得目标跟踪能够有效地应对遮挡情形，本文从提高特征表达能力、增加尺度匹配策略和抗遮挡3个方面对经典KCF算法进行改进，提出了一种鲁棒的KCF行人跟踪算法。首先对方向梯度直方图(Histogram of oriented gradients，HOG)特征和色调、饱和度、值（Hue-saturation-value,HSV）特征的响应分布进行特征融合。其次，设置动态选择尺度池来改进滤波器的固定尺寸匹配。最后，通过滤波器响应最大值的变化率衡量目标的遮挡情况，并根据上一成功帧的目标信息，通过EdgeBoxes和感知哈希算法找回目标，更新滤波器。本文所提方法在公开视频跟踪数据集Benchmark上进行测试，实验结果表明与其他目标跟踪方法相比，本文算法提高了尺度变化、遮挡等复杂情形下跟踪的鲁棒性，确保了较高的跟踪精度。

摘要:多粒度是粒计算领域的重要研究方向之一，它在两个或多个不同的粒度下进行问题求解，已经成为解决复杂问题的一种新的范式。 属性约简作为粗糙集理论的核心内容之一，已被成功地应用于粒计算、数据挖掘等领域。 将多粒度思想应用于属性约简将是一个有意义的研究方向。 为此，本文运用粒计算理论中的粒化思想进行属性粒化，构造多个属性粒；然后基于属性粒上的区分矩阵计算属性粒的重要度和属性粒中属性重要度；最后利用这两种重要度设计了一种多粒度属性约简算法。 通过在不同的粒中挑选属性，该算法得到的约简结果更具有代表性和差异性。 本文利用6个数据集对提出的多粒度属性约简算法的性能进行测试，实验结果表明了提出算法的有效性。

摘要:在O2O营销过程中，优惠券是一种行之有效的营销工具。然而，在不清楚用户是否有消费意愿的情况下，就会产生优惠券滥发的现象。为了提高优惠券的使用率，本文首先将三支决策思想引入到优惠券使用预测问题中，并结合机器学习算法中的集成算法XGBoost对优惠券的使用情况进行模型构建。其次，在三支决策过程中考虑误分类成本和学习成本，使得分类过程更加贴近实际。最后，对阿里巴巴在天池平台提供的用户优惠券真实消费数据进行实验分析。结果表明，使用基于XGBoost的三分类算法可以有效提高分类的精确度。商户不仅可以维持老顾客，还能识别出潜在新客户，从而降低商户的营销成本。

摘要:拾取初至波是近地表建模方法中的重要步骤。初至波的精确拾取可以影响到很多方面的工作，例如静校正和速度建模等，但是初至波受到强烈的背景噪声和复杂的近地表结构的影响，拾取的精确性会减低。本文提出了基于两阶段优化的初至波自动拾取算法。本文把初至拾取问题分成了两个子问题，分别产生两个优化目标，根据优化目标，生成优化函数。算法采用两个步骤：（1）先用纵向滑动窗口把初至波可能存在的范围带找出来；（2）改进了能量比率算法，在第１步找到的范围带中拾取初至波。在两个数据集上，将FPTO算法与反向传播神经网络方法(Backpropagation neural networks method，BNN)、直接相关方法(Direct correlation method，DC)以及Coppens 的改进方法(Modified Coppens’s method，MCM)3种算法进行了对比，精确度得到了很大提升，算法的稳定性得到证明。

摘要:随着深度学习模型在无人驾驶等安全敏感性任务中的广泛应用，围绕深度模型展开的攻防逐渐成为机器学习研究的热点。黑盒攻击是一种典型的攻击场景，在攻击者不知道模型具体使用结构和参数等情况下仍能进行有效攻击，是现实场景中最常用的攻击方法。因此，分析深度学习模型的脆弱性并设计出更加鲁棒的模型来对抗黑盒攻击成为迫切需要。而传统基于单模型的单强度和多强度对抗性训练方法，在抵御黑盒攻击时性能十分有限；基于多模型的集成对抗性训练方法在抵御高强度、多样化攻击样本效果也不理想。本文提出一种基于贪婪强度搜索的混合对抗性训练方法，实验结果表明，所提出的混合对抗性训练能够有效抵御多样化的黑盒攻击，性能优于传统的集成对抗性训练。

摘要:行人再识别是指在无交叉区域的多摄像机视频监控系统中, 匹配不同摄像机中的相同行人目标。本文提出了一种基于视频的行人再识别方法，用HOG3D来描述一组视频的时空特征，在训练集上用预训练的DenseNet来微调模型参数，利用迁移学习得到的模型来提取视频中行人的表观特征，融合两种特征来描述视频序列中的行人。最后将融合的高维特征降维，并用度量学习方法计算行人对之间的距离。本文在PRID 2011和iLIDS-VID这两个视频数据集上进行了使用，实验结果表明本文的方法取得了较高的累积匹配得分。

摘要:路网上移动对象位置预测是许多位置相关服务的基础。目前移动对象位置预测方法没有充分考虑到轨迹数据中所蕴含的道路拥塞信息，而路网上的道路拥塞状态对移动对象的位置更新会产生巨大影响。提出基于元路径拥塞模式挖掘的方法（Meta-congestion-pattern mining， MCPM）。在离线挖掘阶段，从历史轨迹的频繁路径（元路径）的紧集中挖掘当地的拥塞模式，并对运动模式进行建模，其中采用基于均值的聚类算法解决数据稀疏性问题。在线预测阶段根据挖掘的拥塞模式和运动模式依概率进行预测。最后通过理论分析和实验验证得出了算法的有效性，与相同条件下的精度预测（WhereNext, WN）方法相比，平均预测准确性提高了近20%，预测时间平均缩短了近50%。

摘要:基于L2范数度量的k平面聚类(k-Plane Clustering,kPC)设计思想，本文提出了一种采用L1范数度量的聚类算法。由于在平面更新步骤中，所导出的优化问题是非凸的，文中给出了一种求解方法，即将非凸问题转化为有限个子集上的凸问题，为避免求解多个优化问题导致训练时间过长问题，本文还设计了一种新的优选策略，有限个子集的搜索任务可在线性时间内完成。本文所提出的方法只需要求解k个线性规划，而不再是kPC的求解特征值问题。在人工和UCI数据集上的实验结果表明：基于L1范数平面聚类算法的训练和测试时间更短，且在大多数数据集上均表现出了更好的聚类性能。

摘要:在粗糙集方法中，利用向前启发式算法进行特征选择，是一个逐步加入重要度最高的特征的过程，直至满足所给定的约束条件。但使用这一策略选择出来的特征子集有可能产生过拟合现象。鉴于此,设计了一种新的启发式算法，其主要思想是借助交叉验证的方法对特征的重要度进行计算，当过拟合出现时，则采用截断式机制终止算法。使用邻域粗糙集模型，在UCI数据集上将启发式算法与所提算法进行对比分析，实验结果表明：所提算法能够有效地降低过拟合的程度；利用所提算法得到的特征子集能够带来更好的分类性能。

摘要:机械振动信号携带大量重要的机械状态信息，然而机械故障振动信号在复杂工作状态下通常呈现非平稳、非线性特性。因此，从振动信号抽取和选择有效的机械故障特征、提高故障识别性能，成为机械故障诊断研究的热点。针对上述问题，本文提出了基于集成局部均值分解(Ensemble local means decomposition, ELMD)与改进的稀疏多尺度支持向量机(Sparse multiscale support vector machine, SMSVM)的机械故障诊断方法。该方法首先使用自适应非线性、非平稳信号处理方法ELMD把多模态调制故障信号分解成为多个单模态解调信号，有效地增强了故障特征。把压缩感知和多尺度分析技术融合于故障模式分类中，提出改进SMSVM旋转机械故障识别方法，提高多类机械微弱故障数据模式识别性能。该方法融合稀疏表示、多尺度分析和SVM的优点，无需求解复杂的优化问题，易于推广至更多尺度SVM，具有计算量少、泛化性与鲁棒性好、物理意义明显等优点。人工数据和实验设备数据验证了本文算法的优越性。

摘要:针对离群值环境下的在线学习问题，提出一种鲁棒正则化贯序超限学习机(Robust regularized online sequential extreme learning machine， RR-OSELM)。RR-OSELM以增量学习新样本的方式实现在线学习，并在学习过程中基于样本的先验误差进行逆向加权计算以降低学习模型对于离群值的敏感性；同时RR-OSELM通过融合使用Tikhonov正则化技术进一步增强了其在实际应用中的稳定性。实验结果表明，RR-OSELM具有较同类算法更好的鲁棒性和实用性，对于离群值环境下的在线建模与预测问题是积极有效的。

摘要:混合威布尔分布模型常用来分析具有多种失效模式的复杂系统的可靠性数据，由于模型中包含较多参数，与单一威布尔分布相比，混合威布尔分布的参数估计更为复杂。利用遗传算法为优化方法，提出了一种混合威布尔分布参数估计的最小二乘方法。以残差平方和最小为优化目标，以各参数取值范围为约束条件，构建了混合威布尔分布的非线性最小二乘优化模型；通过变换决策变量上下限、引入惩罚因子和保存最优个体等策略改进传统遗传算法以提高算法的性能，进而利用改进后的遗传优化算法对混合威布尔分布的非线性最小二乘优化模型进行求解。实例分析表明本文方法有效，利用本文方法计算得到的可靠度估计值与真实值之间的最大偏差和标准均方根误差，相对于图估计法分别减少了0.028 4与0.032 8，相对于极大似然估计法分别减少了0.000 8与0.003 6。

摘要:作为一种新颖的风敏感结构，直筒-锥段型钢结构冷却塔曲面形状和动力特性复杂、结构柔性和风致效应明显增大，整体稳定性能是其结构设计的瓶颈之一，尤其是结构几何、材料非线性及其高阶振型的影响。本文采用CFD技术数值模拟获得钢结构冷却塔表面风荷载分布模式，基于ANSYS软件建立主筒+加强桁架+附属桁架（铰接）耦合的一体化钢结构冷却塔有限元模型，以不同特征值屈曲模态作为初始几何缺陷分布形式，并基于几何及材料双重非线性有限元方法，系统研究了此类钢结构冷却塔在不同风速下低阶和高阶模态的稳定性能，涉及分歧失稳形态、极值失稳形态、临界失稳风速和静风响应。研究表明：考虑几何及材料双重非线性下钢结构冷却塔临界屈曲承载力下降；基阶屈曲波形相对较小，对几何初始缺陷不敏感；随着风速的增大，附属桁架最先发生失稳屈曲，然后依次为加强桁架和主筒。几何初始缺陷系数及阶数的改变对失稳临界风速影响较小，但随着阶数的增加，非线性分析过程中的变形趋势由附属桁架逐渐转移到主筒。所得主要结论可为此类新型钢结构冷却塔的抗风稳定性验算提供参考。

摘要:在移动机器人路径规划中，由于基本蚁群算法具有进化缓慢、易陷入局部最优等问题，提出一种改进的蚁群算法。建立了静态环境下的路径规划栅格模型，通过对信息素启发因子及期望启发因子实时调节，自适应改变挥发因素，在初始时刻扩大蚁群的搜索范围，以免陷入局部最优。针对凹型障碍物，当机器人陷入凹型障碍并且在复杂环境搜索效率低的情况下算法也能较好的收敛。与其他算法的仿真结果表明，此算法在栅格地图模型中，能快速地避开障碍找到最优解。