摘要:基于计算机视觉的人眼检测研究是人脸识别和视线追踪等技术的关键，具有重大的应用价值，并且对模式识别研究的发展有重要的理论意义。本文通过回顾人眼检测近20年来的主要研究成果，分别根据算法使用的模式识别原理及检测结果提出两种全新的人眼检测分类方法；然后按检测结果分类阐述了各种人眼检测方法的基本思想及其优缺点，并尝试通过不同的分类方法从不同的角度揭示各类算法的本质；最后分析总结了人眼检测研究的发展现状，展望了其应用前景及发展趋势。

摘要:大数据关联性分析是大数据挖掘的基础，一个好的关联性度量是实施关联分析的关键。本文首先指出大数据时代关联度量面临的挑战和研究现状，从关联关系度量的构造角度出发，对现有的关联关系度量进行整理，归纳总结了这些关联关系的性质和适用条件。在回顾关联度量发展历程的基础上，结合大数据时代关联关系的特点，提出构造关联度量可能满足的条件。最后针对多模态数据关联关系度量的若干问题进行探讨和梳理，从3个角度出发，提出应对多模态数据空间转换的挑战，以引起对该领域更深入的思考与研究工作，从而促进大数据挖掘工作的进展。

摘要:常见的采用高斯核支持向量机（Gaussian support vector machine, G SVM）分类 算法构建分类器的隐写检测方法对最低比特位（Least significant bit, LSB）匹配隐写算 法均存在训练时间过长的问题。针对这一问题，提出一种改进逻辑回归分类算法，即L曲线 截断正则化迭代重加权最小二乘（L curve truncated regularized iteratively re-we ighted least squares, LTR IRLS）算法。该算法采用L曲线法来确定适合于隐写特征的Ti khonov正则算法的近似最优参数，并通过实验寻找出符合隐写特征的截断牛顿算法收敛参数 ，从而提高了检测准确率；采用重加权最小二乘法计算最大似然估计，并通过截断牛顿法避免计算最小二乘中的海森矩阵，降低了计算量。理论分析与实验结果证明，针对LSB匹配隐写检测，LTR IRLS分类算法在保证检测准确率优于G SVM分类算法的情况下，极大地降低 了训练时间，从而提高了检测速度。

摘要:提出用多阀值分类和属性形态学对月球图像进行层次性和选择性预处理，使高对比阴阳月牙对和低灰度弱边界椭圆形撞击坑具备基本规范和稳定的Haar和PHOG特征。文中探讨了这些预处理方法对局部区域的小波Haar特征和塔式梯度方向直方 图PHOG特征的稳定性的影响与作用，然后研究了AdaBoost和SVM这两种分类算法在月球撞击坑探测中的作用，并研究了将Haar和PHOG特征与daBoost和SVM相结合对撞击坑候选区域进行精确和高效定位的集成方法。结果表明利用属性形态学的柔性结构滤波和分类方法的集成应用能够使撞击坑的识别率较传统方法提高2%~5%。

摘要:提出了一种基于灰关联混合蛙跳算法的雷达波形设计方法，以混合蛙跳算法为主体，在局部更 新算子中引入遗传算法的遗传算子，并改进原始蛙跳算法的分组方法，丰富了种群的多样性，同时引入灰关联综合评价法则对适应度函数值加以关联度分析。文中以设计具有低自相关旁瓣和互相关特性的正交多相编码为例，将该算法用于雷达波形设计中。仿真结果表明使用本文算法产生 的波形具备较好的低自相关特性和互相关特性，表明了该算法是有效和可行的。

摘要:针对鸟鸣声信号的非稳态特性，提出了一种基于自适应最优核时频分布（Adaptive optimal kernel, AOK）的鸟类识别方法。首先对采集的鸟鸣声信号进行预处理，通过AOK时频分析方法得到时频谱图，分析不同鸟类声音信号在不同时间和不同频率下的能量分布。然后，将时频谱 图转化成灰度图像，求取灰度共生矩阵，提取基于灰度共生矩阵不同角度的图像特征参数作 为鸟类识别的特征值。最后选取已知鸟种的图像纹理特征训练生成训练模板，将待识别的鸟 种的图像纹理特征参数生成测试模板，利用动态规整（Dynamic time warping,DTW）算法进行模板的匹配，将匹配值进行大小比较，找到最小匹配值对应的模板，从而实现鸟类的识别。 通过对40种常见鸟类的实验表明，总体识别率达到96%

摘要:针对传统DS证据理论存在处理冲突证据的不足，基于证据间的相似度引入了信 息熵属性，修正了证据分类属性，结合证据间相似度属性将证据集重新划分为可信度高证据 、一般性证据和冲突证据，对分类的证据集赋予不同的重要性系数，并加以修正改进。改进后使得一般性证据和高冲突证据向可信度高的证据意见靠拢，最后利用DS组合规则对于修正后的证据进行合成。针对农作物生长环境中多个传感器获取的数据构造其所对应证据的基本概率分配函数，利用模糊理论对基本概率分配函数进行取值。实验采用各类传感器测得的真实数据集进行实验，结果表明改进的方法既能够很好地解决冲突问题，同时能降 低证据的不确定性。

摘要:针对线性分组码与卷积码的类型识别问题，本文提出了一种基于游程特征的信道编码类型识别方法。论文从理论上分析了两种编码游程特性存在的差异，即卷积码的游程具有较好的随机性而线性码游程的随机性较差，并且线性码在信息位长度附近的游程数会发生一定的畸变。通过提取编码的游程特征，算法实现了对这两种编码类型的识别。仿真结果验证了所提识别方法的有效性和鲁棒性，表明算法具有一定的工程应用前景。

摘要:社区结构作为复杂网络的重要 拓扑特性之一，成为当前的研究热点。本文提出了一种基于边排序和模块度优化的社区发现方法。该方法首先对初始的静态网络进行稀疏化，然后在稀疏化后的网络上依据边的重要程度对边进行排序，给出了一种模块度最大化、快速边合并的社区发现方法(Fast rank base d community detection, F RCD)。在初始网络社区划分结果的基础上，将该方法推广到动态、实时社区划分上，给出了一种快速、鲁棒的动态社区划分方法(Incremental dynamic community detection, IDCD)。理论分析 表明FRCD相对于边具有线性时间复杂度。在实际 和人工网络上的实验结果均表明，本文提出的方法无论在静态网络社区划分还是在动态网络社区追踪上都优于已有方法。

摘要:针对带相关观测噪声和带不同 未知观测函数的多传感器离散系统，在已有的融合算法基础上提出了基于Bayes估计的加权最小二乘(Bayes estimation weighted least squares，BYEWLS)分布式融合Kalman滤波算法。该方法充分利用未知参数的验前信息，以风险函数为评价指标，证明了BYEWLS融合算法优于WLS融合算法，针对YEWLS融合算法是有偏估计，提出了在线消除偏差的方法。分布式融合算法减少了计算负担，提高了融合精度，便于实时应用。最后通过仿真例子验证了该方 法的有效性和理论分析的正确性。

摘要:为了进一步提高基于高斯混合模型的与文本无关说话人识别系统的识别性能，本文针对高斯混合模型在建模时需要较多的训练数据的缺陷，提 出了一种新的应用于小样本说话人识别系统的与文本无关说话人识别方法，该方法综合考虑了模糊集理论、矢量量化和高斯混合模型的优点，通过用模糊矢量量化误差尺度取代传统高 斯混合模型的输出概率函数，减少了建模时对训练数据量的要求，提高了模型精度和识别速 度。同时由于模糊集理论起到了“数据整形”的作用，所以增强了目标说话人数据的相似性。实验结果表明该方法针对小样本数据的说话人识别系统，识别性能优于传统的基于高斯混合模型的说话人识别系统。

摘要:考虑度分布、最小环长和环近似外信息度等因素，从减少短环和增加外信息度入手，提出了可变码长LDPC码的GAU(Girth ACE union)构造算法。该算法构造的校验矩阵能适应较大范围的码长变化，其短码的纠错性能与802.16e中的LDPC码相当，中长码的性能较后者略优。不同码长的码字具有结构相同的校验矩阵，便于编译码器对所有码长采用同一架构设计，能有效降低编译码器的实现复杂度。GA U算法适用于支持可变长度数据传输的各类通信系统的LDPC码设计，具有重要的理论意义和 实用价值。

摘要:针对现有的用户兴趣聚类方法没有考虑用户标签之间存在的语义相关性问题，提出了一种基于特征映射的微博用户标签兴趣聚类方法。首先，获取待分析用户及其所关注用户的用户标签，选取出现频数高于设定阈值的标签构建模糊矩阵的特征维；然后，考虑标签之间的语义相关性，利用特征映射的思想将用户标签根 据其与特征维标签之间的语义相似度映射到每个特征维下，计算每个特征维所对应的特征值；最后，利用模糊聚类得到了不同阈值下的用户兴趣聚类结果。实验结果表明，本文提出的基于特征映射的微博用户标签兴趣聚类方法有效地改善了用户兴趣聚类效果。

摘要:国内外的大多数 研究没有综合考虑入射极化对散射幅度、散射极化的定量影响。通过构建雷达视线方向非相干箔条云瞬时极化散射模型，获得了一组特定入射条件下的极化散射统计数据，并对 其进行基于极化坐标系扭曲的处理，同时讨论了箔条云对入射极化的选择特性。数值仿真结果表明，当扭曲因子较大时，处理后的极化状态概率近似分布在水平极化域，同时雷达俯仰角较小时，箔条云对入射极化具有良好的选择性。本文结论可以作为极化抗箔条干扰的初级优化方案，为极化滤波等后续极化信息处理打下基础。

摘要:为了防反辐射弹，通常在一定的范围内放置两个或者两个以上的辐射源。该多个辐射源的参数相同，距离也比较靠近。如果运用传统的宽带测向技术，将无法对多个辐射源进行准确测向。针对宽带多辐射源测向问题，本文采用单基线系统，根据两个阵元接收信号谱线共轭相乘产生的新信号谱线结构关系，间接估计出各个辐射源到达两个天线阵元的时差，并通过去直流方法来提高时差估计精度。仿真结果表明，该算法设备简单，在一定条件下测向精度较高。

摘要:针对基于自适应近邻图嵌入的局部鉴别投影算法（Neighborhood graph embedding based local adaptive discriminant analysis, LADP ）仅仅利用局部类内离差矩阵主元空间的鉴别信息而丢失了其零空间内大量鉴别信息的不足，结合全空间的基本思想提出了完备的基于自适应近邻图嵌入的局部鉴别投影算法（ Complete LADP,CLADP）。在局部类内离差矩阵的零空间内，通过最大化局部类间离差矩阵提取不规则鉴别特征，在局部类间离差矩阵的主元空间内，通过最大化局部类间离差矩阵的同时最小化局部类 内离差矩阵提取规则鉴别特征，最后将不规则鉴别特征和规则鉴别特征串联形成CLADP特征。在ORL，Yale以及PIE人脸库上的人脸识别实验结果证明了CLADP的有效性。

摘要:传统的分数时延估计算法对环境噪声和混响噪声比较敏感，在复杂的实际环境中，算法性能会严重下降。为进一步提高时延估计算法性能，提出一种基于广义互相关（Generalized cross correlation,GCC)改进算法的广义互相关 最大似然相位补偿（ GCC Maximum likelihood phase compensation,GCC MLP)分数延时估计算法。该算法改进了GCC频域加权函数，并将线性相位补偿应用于频域互相关谱，获得连续的分数时延估计值，进一步提高了分数时延估计的精确性。仿真结果表明，GCC MLP相位补偿分数时延估计算法增强了对环境噪声和混响噪声的鲁棒性，减小了时延估计误差，算法性能优于曲线拟合、Sinc插值等传统分数时延估计算法。

摘要:无噪模型下的盲源分离算法在信噪比较低的情况下并不适用。针对该情况一种解决方案就是先对含有高斯白噪声的混合信号进行去噪预处理，然后使用盲源分离算法进行分离。为此，本文提出了一种适用于信噪比较低条件下的基于平移不变量的小波去噪算法。该算法首先使用高频系数滑动窗口法准确估计含噪混合信号的噪声方差，然后使用Bayesshrink阈值估计算法 得到更加合理的阈值，最后在不降低去噪效果的同时缩小了平移不变量的范围，减少了运算量。实验仿真表明，在信噪比较低的情况下，与传统小波去噪算法相比，该算法可以更加有效地去除噪声，在很大程度上提升盲源分离算法的性能。

摘要:免携带设备目标定位是利用目标人物对无线通信链路产生的阴影衰落来确定目标的位置，然而当环境发生变化时也会引起无线链路信号强度的变化，会影响定位精度。针对传统子空间去噪方法的不足，本文与指纹法相结合探讨了基于子空间分解的小波去噪方法。通过研究静态环境下的噪声特征，选取最大特征值作为信号分量的阈值，自适应地提取目标信号，有效地消除环境变化产生的影响。在线阶段通过计算实时接收信号强度和射频地图中数据信息之间的核距离进行匹配估计出目标的位置。最后通过实验对本文算法进行了仿真，结果表明本文提出的算法相比传统已有算法能达到更好的定位精度。

摘要:为了从环境中检测出相位量化数字射频存储器(Digital radio frequency memory, DRFM)欺骗干扰的存在，本文设计了一种能够在均匀环境中检测出噪声、干扰或回波信号的自适应检测器。检测过程分为两步：先由基于广义 似然比检测(Generalized likelihood ratio test,GLRT)的自适应匹配滤波(Adaptive mat ched filter,AMF)检测器完成噪声和“信号”（滤波后的回波信号或干扰）的检测；再从回波信号和干扰导引矢量间的差异性出发重新设计检测器，以甄别回波信号或干扰。最后， 通过理论推导和蒙特卡洛试验对检测器的性能进行分析和评估，并与透视检测器进行比较。 仿真结果表明，在低相位量化位数和高信噪比的条件下，所设计的检测器能够正确检测出干 扰信号的存在。

摘要:学习自动机（Learning automation，LA）是一种自适应决策器。其通过与一个随机环境不断交互学习从一个允许的动作集里选择最优的动作。在大多数传统的LA模型中，动作集总是被取作有限的。因此，对于连续参数学习问题，需要将动作空间离散化，并且学习的精度取决于离散化的粒度。本文提出一种新的连续动作集学习自动机（Continuous action set learning automaton，CALA），其动作集为一个可变区间，同时按照均匀分布方式选择输出动作。学习算法利用来自环境的二值反馈信号对动作区间的端点进行自适应更新。通过一个多模态学习问题的仿真实验，演示了新算法相对于3种现有CALA算法的优越性。

摘要:基本概率指派（Basic probability assignment, BPA）生成 是应用D S证据理论的关键环节和第一步，而如何生成BPA仍然是一个有待解决的问题。本文 提出一种基于云模型的BPA生成方法，首先，采用逆向云发生器生成每类样本在某属性下的 正态云模型。其次，利用前件云发生器得到待测样本在该属性下对每类样本的确定度期望。 再次，给出一种正态云模型交叠度计算方法，用确定度最大类的正态云模型与其他种类的最 大交叠度作为对全集的信任度。最后，对确定度进行归一化得到待测样本的BPA。实验结果 验证了该方法的有效性，此外，在样本数据较少情况下也能有效生成BPA。

摘要:针对战机对地侦查视频图像中地面旋转运动背景下运动目标检测高虚警、低实时性的问题,提出了一种基于改进光流法的旋转运动背景下对地运动目标实时检测算法。首先提取图像的特征点，在特征点处计算光流运动矢量，并通过光流矢量场估算背景运动矢量。根据战机飞行高度自适应计算目标像素尺寸，网格化分块待检测图像；然后将各个特征点光流矢量与背景运动矢量相比较，获得备选目标特征点。最后统计分块备选目标特征点密度，判断目标位置区域。对2组实验视频中央360像素×432像素区域进行目标检测实验，结果表明该算法能够准确地检测出地面运动目标，虚警率低。平均每帧检测耗时分别为29.460 ms和31.505 ms，满足战机对地运动目标检测的实时性。

摘要:信息系统中的数据是动态变化的，根据动态变化的信息系统获取有用的信息，成为数据处理中的关键问题。针对该问题，分别讨论了信息系统中属性增加和减少时，近似集的动态获取方法。通过对信息系统中原有的等价类进行划分，避免了对论域的重新划分，提高了动态更新近似集的效率，通过讨论等价类与原有近似集之间的关系，给出了信息系统动获取之后的近似集与原来近似集之间的相关定理，提出了在经典粗糙集模型中，属性增减时近似集动态获取方法。实验结果验证了该方法的正确性和有效性，而且效率优于原始的方法。