强化学习是一种Agent在与环境交互过程中,通过累计奖赏最大化来寻求最优策略的在线学习方法.由于在不稳定环境中,某一时刻的MDP模型在与Agent交互之后就发生了变化,导致基于稳定MDP模型传统的强化学习方法无法完成不稳定环境下的最优策略求解问题.针对不稳定环境下的策略求解问题,利用MDP分布对不稳定环境进行建模,提出一种基于公式集的策略搜索算法——FSPS.FSPS算法在学习过程中搜集所获得的历史样本信息,并对其进行特征信息的提取,利用这些特征信息来构造不同的用于动作选择的公式,采取策略搜索算法求解最优公式.在此基础之上,给出所求解策略的最优性边界,并从理论上证明了迁移到新MDP分布中策略的最优性主要依赖于MDP分布之间的距离以及所求解策略在原始MDP分布中的性能.最后,将FSPS算法用于经典的Markov Chain问题,实验结果表明,所求解的策略具有较好的性能.
为适应互联网环境下动态的运行环境以及多变的用户需求,快速构建面向服务架构的软件系统,本文提出一种基于全局依赖网的Web服务组合自动演化方法.该方法能够根据用户演化需求对服务组合执行演化操作,在服务全局依赖网的基础上从各演化点出发执行正向演化推理与反向演化推理,确保执行演化操作之后的正确性和有效性,自动生成服务组合演化结果.应用实例表明本方法能够有效实现服务组合的自动化演化,有助于降低基于服务组合的软件开发成本,缩短软件开发周期.
并行计算框架Spark缺乏有效缓存选择机制,不能自动识别并缓存高重用度数据;缓存替换算法采用LRU,度量方法不够细致,影响任务的执行效率.本文提出一种Spark框架自适应缓存管理策略(Self-Adaptive Cache Management,SACM),包括缓存自动选择算法(Selection)、并行缓存清理算法(Parallel Cache Cleanup,PCC)和权重缓存替换算法(Lowest Weight Replacement,LWR).其中,缓存自动选择算法通过分析任务的DAG(Directed Acyclic Graph)结构,识别重用的RDD并自动缓存.并行缓存清理算法异步清理无价值的RDD,提高集群内存利用率.权重替换算法通过权重值判定替换目标,避免重新计算复杂RDD产生的任务延时,保障资源瓶颈下的计算效率.实验表明:我们的策略提高了Spark的任务执行效率,并使内存资源得到有效利用.
压缩感知理论中,信号稀疏度直接关系到采样速率的设定以及观测矩阵的构造,而该先验信息往往受限.针对这一问题,本文从大维随机矩阵谱分析理论出发,分析了采样协方差矩阵的极限特征值概率分布特征,并结合其与观测信号能量的关系推导得到观测信号能量与压缩率、稀疏度和信噪比之间的对应关系,提出一种基于观测信号能量的稀疏度估计算法.相对于已有算法,该算法计算复杂度较低,且估计精度较好,并可通过增加采样开销进一步提升稀疏度估计精度,仿真实验验证了本文算法的有效性.
针对稀疏孔径条件下目标运动补偿难和方位稀疏成像算法效率低、分辨率差等问题,本文提出了一种稀疏孔径下的运动补偿和快速超分辨成像方法.首先,通过将运动补偿问题转换为距离频域内的多参数估计问题,基于黄金分割法实现参数的快速估计后同时实现包络对齐和相位校正,从而完成运动补偿;其次,针对补偿后不同距离单元ISAR回波的特征,为实现快速的方位成像,本文提出矩阵形式的Nesterov线性Bregman迭代算法(Matrix form of Nesterov Linearized Bregman Iteration,MNLBI)算法,分析了该算法的基本迭代格式,讨论了加快收敛的原因,并详细分析了该算法的运算量,仿真与实测数据结果验证了本文方法的有效性.
针对粒子滤波存在的粒子贫化问题,提出了一种改进的重采样粒子滤波算法.在重采样步骤中基于采样粒子集的空间分布引入时间序列分析,选取相关度最高的粒子进行传递,避免了只关注采样粒子权值的传统重采样算法中仅复制大权值粒子而任意丢弃小权值粒子的缺陷,因此能够消弱粒子贫化现象,提高算法的估计精度.在理论上利用两样本Kolmogorov-Smirnov检验原理证明了改进算法重采样后的粒子集和采样前的粒子集来自同一总体.仿真结果表明,尤其是在初始采样粒子数目较小时,该算法在非线性系统状态估计中的精度优于传统的粒子滤波算法.
标签防碰撞是射频识别系统中的一项重要研究课题.为了进一步提高射频识别系统的性能和降低复杂度,提出了一种基于空闲时隙消除的二进制分裂算法.该算法在二进制分裂算法中引入了单比特状态标识位,在识别过程中,标签在ID数据传输之前先发送单比特随机信号,用于判定时隙是否碰撞,从而避免了冗余的信息传输.由于该算法彻底消除了传统二进制随机数分裂方法中的空闲时隙,因此节省了识别过程中的协调时间开销.最后通过理论分析和仿真结果证明:ISE-BS算法的吞吐率稳定在40.65%左右,时间效率稳定在32.46%左右,ISE-BS算法相比于现有的防碰撞算法性能更优.从实现的角度,比较了各个算法的浮点运算成本,结果显示提出的算法可以极大的降低系统复杂度.
针对多分量线性调频信号WVD(Wigner-Ville Distribution)检测中的交叉项问题,提出一种交叉项去除方法.利用自项和交叉项的频率特性,将WVD时频矩阵进行坐标旋转,在变换域上滤波去除交叉项.理论推导了矩阵旋转变换公式以及旋转后自项和交叉项的表达式,并且针对缓慢震荡的交叉项受滤波器性能限制不能完全去除的情况,提出能量加权的方法进行改进.仿真和实验结果验证,该方法不仅能够去除交叉项,且不会降低分辨率.
本文针对电力线噪声的特点,提出了一种新的变步长自适应噪声消除算法.在自适应算法的步长与梯度之间建立了新的关系,弥补了基于误差的变步长算法在自适应噪声消除方面的不足,克服了标准LMS算法的收敛性对输入信号的敏感性,并能根据梯度调整步长大小从而实现算法的快速收敛.通过理论分析设计了新的变步长自适应噪声消除算法,并进行了仿真和实测数据验证,证明了算法相对于其他算法的优势.
图像3D空间布局理解在自动驾驶系统以及目标识别中扮演着重要的角色.本文提出一种基于多条件随机场模型集成的图像3D空间布局理解算法.首先,基于多次图像分割生成多个不同尺度的超像素图像;然后,结合LBP表面纹理特征、LM滤波器组获得的方向纹理特征、颜色特征以及图像中超像素的位置和形状特征,建立各尺度的超像素图像中超像素的特征表达;最后,为各尺度的超像素图像分别构建相应的条件随机场模型,并应用D-S证据合成理论对多个条件随机场模型的推断结果进行集成,实现对图像3D空间布局的理解.在公共数据集GC和KITTI Layout上的实验结果表明,同已有算法相比,本文提出的算法提高了图像3D空间布局理解的准确率.
针对线性混合模型在实际高光谱图像解混过程中的局限性,提出一种新的基于微分搜索的非线性高光谱图像解混算法.在广义双线性模型的基础上采用重构误差作为解混的目标函数,将非线性解混问题转化为最优化问题.将目标函数中的待求参数映射为微分搜索过程中的位置变量,利用微分搜索算法对目标函数进行优化求解.在求解过程中,通过执行搜索范围控制等机制满足高光谱图像解混的约束要求,进而求得丰度系数和非线性参数,实现非线性高光谱图像解混.仿真数据和真实遥感数据实验结果表明,所提出的非线性解混算法可以有效克服线性模型下解混算法的局限性,避免了由于使用梯度类优化方法而易陷入局部收敛的问题,较之其它高光谱图像解混算法具有更好的解混精度.
针对现有暗通道图像去雾算法存在的天空色彩失真,景物边缘光晕效应等问题,本文提出了基于暗通道理论的改进去雾算法.由于暗原色先验理论不适用于天空区域,本文将引导滤波用于天空区域的细化分割,准确估计包含天空区域图像的大气光照强度,解决了天空色彩失真问题;其次,利用中值滤波得到详细边缘信息,进而得到更为清晰的透射率,有效抑制了景物边缘光晕问题;最后针对去雾后图像偏暗的问题,在HSV空间对亮度分量V通道进行增强处理.实验结果表明,针对带雾图像,本文算法能够有效地去雾,改善天空区域色彩失真以及景物边缘光晕问题.
为提高电容层析成像(ECT)系统采样速率及重建图像质量,本文提出一种基于压缩感知理论的ECT图像重建算法.首先,应用离散Fourier变换基将原始图像灰度信号进行稀疏化处理;接着,从16电极ECT系统中随机选取14个电极按随机顺序进行激励,并按随机顺序测量不同电极之间电容值,得到测量电容信号并建立相应的观测矩阵;最后,采用L1范数正则化模型和原对偶内点法实现图像重建.仿真实验结果表明,基于压缩感知理论算法重建的图像其质量优于Landweber迭代算法,在节省采样时间的同时可实现较高精度的图像重建,为ECT图像重建的研究提供了一种新的手段.
随着社交网络分析、生物信息网络分析等新兴应用的涌现和计算机技术的飞速发展,图的规模迅速增长,并且频繁更新,使得对大规模动态图数据的处理需求愈加迫切.现有的面向大规模动态图的可达查询研究成果较少,尚存在索引压缩困难以及图结构待优化等问题.本文提出了一种支持大规模动态图的基于改进哈夫曼编码的可达查询处理方法(Huffman-based Label Reachability,HuffLR).该方法首先对预处理图进行结构上的两次压缩,得到双压缩图;其次,基于双压缩图提出一种前缀label索引,该索引能够有效表达节点间的可达关系;最后,提出双压缩图的演进和可达查询处理及优化算法,主要包括边的插入与删除、节点的插入与删除.实验表明,本文提出的基于改进哈夫曼编码的大规模动态图可达查询处理方法具有良好的可行性和有效性.
子图查询是图数据库研究中的一个重要问题,许多方法基于“过滤-验证”策略进行子图查询,算法研究的重点为快速找到有效的特征集.通过对特征模式在数据图集中的嵌入信息进行分析,离线建立基于重叠关系、邻接关系和近邻关系的嵌入关系索引,提出基于嵌入关系的子图查询算法ERSearch.在给定查询图后,利用特征共现关系与特征嵌入关系联合进行过滤操作,并将过滤阶段的嵌入关系比对结果用于验证过程,提高验证效率.在真实及模拟数据上的实验表明,通过与PathIndex等方法的对比,ERSearch算法有效缩减了候选集的规模,能有效提高过滤与验证阶段的执行效率.
基于位置的服务的迅速发展对服务响应的效率提升和成本控制提出了更高的要求,本文提出了一种基于密度网格索引的k-最近邻查询算法,该算法首先利用矩形的几何特点获取一系列候选搜索半径,随后根据移动对象的密度分布情况选择适当的候选搜索半径进行距离过滤,尽量减少不必要的内存索引单元和磁盘索引单元的访问.实验表明,实现了本文算法的密度网格索引在k-最近邻查询的查询效率上与ST2B-tree不相上下,而查询的I/O代价与其他索引结构相比有明显的优势.
在不受限制的复杂环境中在线跟踪任意类型的感兴趣目标仍是一项极具挑战的难题.本文在无模型跟踪框架基础上提出一种基于改进协作目标外观模型的在线视觉跟踪方法,解决了大多数协作模型类跟踪算法在学习阶段无法有效选择正、负样本的问题.该方法根据人类视觉感知准则将目标边缘信息视为最具区分度的目标特征,提出边缘判别模型并结合动态模型和检测模块建立二级似然匹配空间,为生成模型的似然匹配去除了背景干扰;采用分块策略建立目标生成模型,为模型引入空间结构信息;利用Mean-Shift计算各子块的最终位置和匹配系数,并根据子块匹配系数为遮挡处理和模型更新提供依据.在公开视频序列上同几种流行视觉跟踪算法的对比实验结果证明了本文算法的有效性和优越性.
软件系统中往往存在多个错误,它们之间互相干扰,这抑制了错误定位的能力.为解决该问题,提出一种基于Chamelelon聚类分析的多错误定位方法.首先,将每一个失败程序执行轨迹和所有成功程序执行轨迹合并,计算其怀疑度,按怀疑度大小选取高可疑元素作为程序执行轨迹的特征元素,按照该特征元素对失败程序执行轨迹进行约简;其次,聚类分析将失败程序执行轨迹分簇,每簇包含一个错误;然后,将失败程序执行轨迹簇与所有成功程序执行轨迹合并,重新计算其怀疑度;最后,根据合并后的簇生成的怀疑度序列,采用并行调试模式同时定位程序中的多个错误.实证研究表明该方法可以有效地定位程序中的多个错误.
属性约简是粗糙集的重要研究内容,信息熵是度量信息量的方法.在研究绝对约简和几种相对约简的基础上,归纳出属性约简的一般准则.定义了基于条件属性信息熵的属性约简和基于联合熵的属性约简,研究了几种属性约简与绝对约简之间的关系.定义了基于条件属性信息熵的约简信息损失,澄清了属性约简不损失信息的含糊观念,指出了属性约简只是在约简准则意义下不损失信息,在信息熵意义下可能损失信息.为进一步研究粗糙集、粒计算中属性约简与分类夯实了信息论基础.
针对投影孪生支持向量机(Projection Twin Support Vector Machine,PTSVM)在训练和求解过程中存在的问题,提出了一类改进的投影孪生支持向量机(Improved PTSVM),简称为IPTSVM.该文首先构造了改进的线性投影孪生支持向量机,然后利用核技巧轻松将其推广到了非线性形式.本文的主要贡献有:(1)提出了投影孪生支持向量机的新模型,克服了原始PTSVM在训练之前需要求解两个逆矩阵的问题;(2)继承了传统SVM(Support Vector Machine)的精髓,利用核技巧直接将线性IPTSVM推广到非线性形式;(3)引入了一个新的参数,可以调节模型的性能,提高了IPTSVM的分类精度.实验结果表明,与PTSVM算法相比较,IPTSVM不仅提高了分类精度,而且克服了PTSVM的一些不足.
为解决降维滤波矩阵设计存在的维数与滤波性能之间的矛盾,提出了一种结合K-L变换(Karhunen-Loeve Transform)降维空域滤波矩阵的设计方法.该文首先推导出了滤波矩阵较大特征值的数量取决于滤波矩阵通带带宽的规律,并利用阻带衰减给出了区分大小特征值的门限,进而通过向大特征值对应的特征向量矩阵投影的方法,获得最终的降维空域滤波矩阵.仿真实验证明,由该方法获得的降维矩阵具有与降维前接近的空域滤波能力.
为了提高非线性变换的近似精度,提出了一种高阶无迹变换(High order Unscented Transform,HUT)机制,利用HUT确定采样点并进行数值积分去近似状态的后验概率密度函数,建立了高阶无迹卡尔曼滤波(High-order Unscented Kalman Filter,HUKF)算法.进一步的为了解决非线性、非高斯系统的状态估计问题,将HUKF与高斯和滤波(Gaussian Sum Filter,GSF)相结合,提出了一种高斯和高阶无迹卡尔曼滤波算法(Gaussian Sum High order Unscented Kalman filter,GS-HUKF),该算法的核心思想是利用一组高斯分布的和去近似状态的后验概率密度,同时针对每一个高斯分布采用高阶无迹卡尔曼滤波算法进行估计.数值仿真实验结果表明,提出的HUT机制与普通的无迹变换(Unscented Transform,UT)相比,具有更高的近似精度;提出的GS-HUKF与传统的GSF以及高斯和粒子滤波器(Gaussian Sum Particle Filter,GS-PF)相比,兼容了二者的优点,即具有计算复杂度低和估计精度高的特性.
从网络攻防对抗的实际场景出发,针对具有不完全信息约束的多阶段动态攻防过程,构建了多阶段攻防信号博弈模型.针对多阶段攻防过程中信号作用衰减的问题,提出信号衰减因子进行量化描述.在此基础上,设计了多阶段攻防博弈均衡的求解方法,并给出了最优主动防御策略选取算法.通过仿真实验验证了本文模型和方法的有效性,并且分析总结了多阶段攻防博弈的规律.
对于无线传感器网络,节点业务负载量是随着时间和环境不断变化的;而且传统的CSMA(Carrier Sense Multi-channel Access)协议对于信道访问机制在自适应方面也存在不足.针对这些特点,本文分析了传统的载波监听多路访问(CSMA)协议的不足,为解决概率型CSMA协议中概率难以选择的问题,提出一种基于自适应机制的自适应三维概率CSMA(ATDP-CSMA)协议,采用平均周期的方法对ATDP-CSMA(Adaptive Three-Dimension Probability-CSMA)协议进行建模分析,得到了系统吞吐率的精确表达式.仿真结果表明,该协议不仅能够较好地适应节点业务负载量的变化,而且在高负载时也能保持一个较稳定的吞吐率.
提出了一种新的选择迭代式高速高精度CORDIC(COrdinate Rotation Digital Computer)算法.基于表驱动法缩小目标旋转角度,通过改进的基本角度选择方法旁路不必要的迭代;并以移位和减法实现幅度校正,减小硬件资源消耗.设定角度误差小于10-5rad时,迭代次数减小至7次以下.在DDFS(Direct Digital Frequency Synthesizer)的应用中,利用区间压缩技术在Xilinx的FPGA中实现20位定点小数电路设计.仿真及实测结果表明,该算法幅度误差小于2×10-5,输出延时不大于43.5ns,同时硬件资源消耗不增加.
本文采用双延迟线和防错锁控制结构,结合对电荷泵等关键模块版图对称性的匹配控制,设计了一种针对(Time-to-Digital Converter,TDC)应用的宽动态锁定范围、低静态相位误差延迟锁相环(Delay-Locked Loop,DLL)电路.基于TSMC 0.35μm CMOS工艺,完成了电路的仿真和流片验证.测试结果表明,DLL频率锁定范围为40MHz-200MHz;静态相位误差161ps@125MHz;在无噪声输入的理想时钟驱动下,200MHz频率点下的峰-峰值抖动最大为85.3ps,均方根抖动最大为9.44ps,可满足亚纳秒级时间分辨的TDC应用需求.
昂贵多目标进化算法中,目标向量评估所需计算时间或实验成本高昂,大量昂贵评估必然导致成本灾难.本文根据多目标优化Pareto优劣性取决于各目标分量的序关系这一关键性质,提出一种序拟合方法进行Pareto优劣性预测.在分析样本数据决策空间与目标空间序相关性的基础上,通过线性相关的假设条件,建立低成本的序关系预测方程,并用预测的序关系确定Pareto优劣性.然后对典型多目标优化问题进行Pareto优劣性预测对比实验,结果表明所提方法显著提高了Pareto优劣性的预测精度.最后,将该预测方法集成到NSGA-II算法中,可以避免进化过程中的模型重构,有效减少昂贵目标向量的评估次数.
PRIDE是Albrecht等人在2014美密会上提出的轻量级分组密码算法.PRIDE采用典型SPN密码结构,共迭代20轮.其设计主要关注于线性层,兼顾了算法的效率和安全.该文探讨了S盒和线性层矩阵的线性性质,构造了16条优势为2-5的2轮线性逼近和8条优势为2-3的1轮线性逼近.利用合适的线性逼近,结合密钥扩展算法、S盒的线性性质和部分和技术,我们对18轮和19轮PRIDE算法进行了线性分析.该分析分别需要260个已知明文,274.9次18轮加密和262个已知明文,274.9次19轮加密.另外,我们给出了一些关于S盒差分性质和线性性质之间联系的结论,有助于减少攻击过程中的计算量.本文是已知明文攻击.本文是关于PRIDE算法的第一个线性分析.
信息隐藏研究经过数十年的发展,在隐写术和隐写检测方面都积累了大量成果,但是信息隐藏的应用目前仍局限于实验室研究,聚焦于发现与抗发现的对抗,距实际应用仍有一定的距离.论文在对当前信息隐藏研究深入分析的基础上,借鉴密码学思想,提出建立适应于当前大数据环境,算法可变、修改模式可控的抗取证信息隐藏系统;通过全面整合信息隐藏算法和嵌入修改模式,构建多模态信息隐藏技术空间,实现用户通过输入密钥参与信息隐藏处理控制的全新研究思路和应用方式.论文通过理论分析和实验初步验证该系统的有效性和安全性.
针对典型蜂窝网络LTE-A网络的切换认证问题,本文通过引入SDN(Software Defined Network,软件定义网络),提出了软件定义LTE-A异构网络架构,在中心控制器中共享UE(User Equipment,用户设备)的安全上下文信息,以实现简化切换认证过程,提高认证效率的目标.中心控制器的加入,使蜂窝与核心网通信时需要增加一次信令开销,而LTE-A网络的标准切换认证方法过于复杂,应用在软件定义LTE-A异构网络中,会产生较多的信令开销.基于代理签名的切换认证方法,使UE在验证身份时不用经过核心网,减少了信令开销.在安全性相同的情况下,基于椭圆曲线的加密体系比基于RSA的加密体系计算量更小,有利于减少中心控制器的计算压力.本文采用椭圆曲线代理签名方法,提出了一种新型的切换认证协议,并运用着色Petri网进行建模和仿真分析.仿真结果表明,该协议是有效的,且安全性更高.
量子雷达是近年来发展起来的一种新体制雷达,诞生之初便引起了国内外众多学者和研究机构的浓厚兴趣.本文首先从量子雷达技术特点出发,精炼了量子雷达的科学内涵,给出量子雷达基本概念与分类方法,指出其相对于传统雷达的性能优势;然后着眼于量子雷达起源、发展和现状,综述了量子雷达发展历程,总结归纳其具备突破传统雷达在探测、测量和成像等方面性能极限的应用潜力;最后,展望量子雷达的发展前景,提出了量子雷达走向实际应用的若干开放性问题.
本文提出了一种集成学习方法以提升室性早搏的识别性能.MIT-BIH两个通道的数据分别经过卷积神经网络进行室性早搏心拍分类,然后按照融合规则对分类结果进行融合决策,其准确率、灵敏度和特异性分别为99.91%、98.76%、99.97%,优于已有算法的室性早搏心拍分类结果.此外,面向临床应用,本文还利用卷积神经网络和诊断规则相结合的方法实现了病人间室性早搏识别实验,在有14万多条记录的数据集上,取得的准确率、灵敏度及特异性分别为97.87%、87.94%、98.02%,验证了该算法的有效性.
提出了一种适合于峰值电流模DC-DC转换器的新型多功能误差放大器电路.与斜坡电压信号结合可实现软启动功能,实现了从启动阶段到稳定工作状态的平滑过渡,无扰动出现,并有效地消除了启动阶段的浪涌电流和电压过冲;同时还具有最大电流限制和模式切换功能.该误差放大器集成到一款峰值电流模升压型DC-DC转换器中,电路采用CSMC 0.5μm BCD工艺实现.仿真结果表明:3.5V的输入电压下,误差放大器消耗的静态电流为4.48μA,并且能够实现软启动、最大电流限制、模式切换功能.电路具有简单易实现,功耗低的特点.