摘要:多输入多输出（Multiple input multiple output，MIMO）雷达是把无线通信系统中的多个输入和多个输出技术引入到雷达领域，并和数字阵列技术相结合而产生的一种新体制雷达。由于采用了波形分集技术，MIMO雷达拥有许多传统相控阵雷达所无法比拟的优越性。本文对MIMO雷达进行了评述。首先对MIMO雷达的概念和原理进行了说明，并指出其同相控阵雷达的关系；然后对MIMO雷达的特点进行了分析，并据此给出MIMO雷达相对传统相控阵雷达存在的优势和缺点；最后结合MIMO雷达的特点和优势，给出MIMO雷达的几种潜在应用。

摘要:神经细胞图像分割对于神经科学研究具有重要应用价值。神经细胞亚显微结构的复杂性，以及透射电子显微成像（Transmission electron microscope，TEM）易出现的边界丢失、模糊等质量问题，使得神经细胞TEM图像的自动分割成为一个医学图像处理难题。基于神经细胞TEM图像的局部聚簇性特点，应用超像素技术，本文研究设计了一种基于局部特征约束的TEM图像分割算法。首先构建基于图模型的超像素图像结构表示，然后应用Markov随机场（Markov random field，MRF）模型提取超像素局部空间信息，从而有效地解决超像素图像分割方法中超像素点间邻域信息和空间结构复杂的问题，最后通过MRF模型优化和超像素合并处理获取图像分割结果。研究结果表明，该算法分割精度较高、鲁棒性强，且能很好地表征图像亚显微结构信息。

摘要:由于粒子滤波本身的"粒子贫化"问题，导致基于传统粒子滤波的单通道信号盲分离算法分离性能恶化以及计算量较大，本文提出了一种基于粒子流滤波的单通道BPSK信号盲分离新算法。根据由两路BPSK信号混合的单通道信号，构造了测量方程和状态方程。然后，通过将状态空间中服从先验分布的粒子移动到其对应的后验分布上，实现了粒子更新，其不同于粒子滤波采用重采样来更新粒子，避免了"粒子贫化"现象发生。最后，采用一种基于弱解形式的粒子流滤波器实现BPSK信号的盲分离。计算机仿真结果表明，与粒子滤波算法相比本文算法具有更低的误码率和计算复杂度。

摘要:提出了一种基于MapReduce和上采样的两类非平衡大数据分类方法，该方法分为5步：（1）对于每一个正类样例，用MapReduce寻找其异类最近临；（2）在两个样例点之间的直线上生成若干个正类样例；（3）以新的正类样例子集的大小为基准，将负类样例随机划分为若干子集；（4）用负类样例子集和正类样例子集构造若干个平衡数据子集；（5）用平衡数据子集训练若干个分类器，并对训练好的分类器进行集成。在5个两类非平衡大数据集上与3种相关方法进行了实验比较，实验结果表明本文提出的优于这3种方法。

摘要:基因表达谱中信息基因选择是有效建立肿瘤分类模型的关键问题。肿瘤基因表达谱具有高维小样本、噪声大且存在大量无关和冗余基因等特点。为了获得基因数量尽可能少而分类能力尽可能强的一组信息基因，提出一种基于对称不确定性和邻域粗糙集的肿瘤分类信息基因选择SUNRS方法。首先利用对称不确定性指标评估信息基因的重要度，以剔除大量无关和冗余基因，获取信息基因的候选子集；然后利用邻域粗糙集约简算法对信息基因候选子集进行寻优，获得信息基因的目标子集。实验结果表明，SUNRS方法能够用较少的信息基因获得更高的分类精度，从而既能改善算法的泛化性能，又能提高时间效率。

摘要:为解决大气湍流退化序列中运动目标检测困难的问题，提出了一种结合低秩分解和检测融合的目标检测方法。首先，根据退化视频中湍流运动分量的稀疏分布特点，采用低秩矩阵描述法将每帧图像分解为低秩稳像和稀疏运动两部分，初步实现场景和湍流运动的粗分离。其次，由于稀疏部分中包含目标在内的整个场景的稀疏运动量，引入自适应阈值法剔除干扰量，分割目标并填补其中空洞；对于无湍流偏移干扰的低秩部分，采用高斯建模获得低秩中的前景区域。最后，对两部分检测结果进行联合判定，从而获得准确的目标检测结果。实验表明，本文方法目标提取的准确度较高，明显优于当前经典检测方法，在强湍流条件下检测结果仍较为理想。

摘要:由于线性判别分析仅是线性方法，难以有效应对非线性问题，而对其非线性化是解决这一问题的关键途径。非线性化判别方法主要包括神经网络和核化方法。神经网络判别分析方法虽然继承了神经网络所具有的自适应、分布存储、并行处理和非线性映射等优点，但也遗传了其训练速度慢且易陷入局部最小值缺点；而核线性判别分析方法虽能获得全局最优解析解，但因受制于隐节点数目（等于样本个数），当数据规模大时，计算成本变大。本文受随机映射启发，对神经网络判别分析方法进行极速化改造，实现了一种极速非线性判别分析方法，兼具神经网络的自适应性和全局最优解的快速性。最后在UCI真实数据集上的实验表明，极速非线性判别分析方法具有更优的分类性能。

摘要:超声在传播时，由于受到材质不均匀、材料内部杂质等的影响而使接收信号受到噪声的干扰，这种干扰有时会淹没所检测的裂纹信号，因此必须要经过增强处理。声学增强处理常用的方法是维纳滤波。本文提出维纳滤波用于超声增强的具体实现方法，即首先统计平均无脉冲段的初始噪声功率谱，然后自适应计算带干扰超声段功率谱，最后进行维纳滤波。超声数据在不同信噪比下的维纳滤波实验表明了所提方法的有效性，超声维纳去噪方法与谱减法一样能够降低超声回波中的噪声，且更加有效。

摘要:遥感图像压缩的传统方法普遍存在着重构时间长、重构质量有待改进等应用难题。本文针对不同典型地物的遥感图像，采用K-SVD字典学习方法分别进行过完备字典训练。重构过程中，采用图像分块优化机制：首先对部分图像块通过多次迭代，从相应地物的过完备字典里求解出能线性表示原图像的原子；然后对其邻域内的图像块，优先使用这些原子中的一部分作为初始值求表示残差，以减少迭代次数。该方法充分利用了典型地物遥感图像的信息内容以及图像块间的相似性，在重构的图像质量、重构速度方面，与非冗余正交基构造的通用字典或未分类的学习字典相比，有一定优越性。

摘要:针对全球卫星导航系统（Global navigation satellite system，GNSS）中的多径干扰抑制问题，本文提出了一种有效的小运算量算法。该算法将多径抑制问题转换为时延估计问题，利用基于信号分离理论的Weighted RELAXation （WRELAX）算法求解非线性最小二乘代价函数。考虑到GNSS信号相关函数的特点，通过对接收数据与参考信号的相关函数及参考信号的自相关函数进行加窗截取，取出相关函数信息量较大的主峰值及其附近的范围，从而减小了数据长度，从根本上减小了WRELAX进行参数估计时的运算量，为工程实现提供了可能。最后通过理论分析和仿真实验验证了本文算法在降低运算量的同时能够保证性能不会受到较大损失，尤其对实际中多径干扰与直达信号相比较弱时，本文算法可获得与现有算法相当的性能。

摘要:针对线性组合方式所构建的置信规则库存在常常无法准确发挥前件属性权重的效能，且随着评价等级个数的增加，新激活权重公式往往会对结果造成不利影响的不足，本文在现有置信规则库推理分类算法的基础上，提出二择众仓决策法，以此改进置信规则库决策系统。首先仅设置两个规则的后件评价等级，对一个决策问题仅做出二择判定，即回答是与否；其次，设置多个置信规则库同时处理若干个子问题；最后通过众仓决策方式融合多个子问题的结果，进而解决最终的分类问题。实验结果表明，改进后的置信规则库推理分类方法可行有效。

摘要:移动对象的聚集模式是时空轨迹模式挖掘中的重要课题，它研究移动对象群体在多个连续时刻中的空间聚集问题。现有的聚集模式基于共现模式进行定义，挖掘结果中夹杂大量非运动的聚集群体，严重影响模式挖掘的效果。为了解决此问题，本文提出了基于群体运动过程建模的汇聚模式。该模式定义从群体运动形态出发进行设计，准确识别向心运动的移动群体，有效排除非聚集类型运动群体的干扰。本文设计并实现了汇聚模式挖掘（Converging pattern mining，CPM）算法，该算法首先定位密度峰值点，确定候选的汇聚中心区域，然后依次识别每个时刻的汇聚群体，按照群体汇聚的持续性要求识别汇聚模式。基于真实轨迹数据进行实验，结果验证了本文提出的CPM算法在挖掘效果和算法效率的有效性。

摘要:协同滤波是当前推荐系统中一种主流的个性化推荐算法，通过近似用户对商品的评价进行推荐。核函数是解决非线性模式问题的一种方法。协同滤波通常会选用不同的核函数来分析用户之间的影响关系。由于单核函数无法适应于复杂多变场景。因此，结合多个核函数成为一种解决方法。多核学习能够针对场景来组合各个核函数以获取更好的结果。本文提出了一种基于多核学习的协同滤波算法。该算法在现有核函数的基础上，优化各个核函数的权重以匹配数据的分布。在大众点评数据集和Foursquare数据集上的实验结果表明：基于多核学习的协同滤波算法比经验给定的相似函数的性能要高，具有更好的普适性。

摘要:作为一种常用的降维方法，适用于小样本的监督化拉普拉斯判别分析方法通过使用图嵌入的判别近邻分析得到了很好的降维效果。但该方法在构建近邻图时，在K近邻中寻找同类和异类样本点存在数据不平衡问题；此外，在优化该方法的目标函数时，没有全面考虑到类间信息，从而会在一定程度上降低该方法的性能。针对以上两个问题，本文提出了适用于小样本的双邻接图判别分析方法。首先该方法分别在同类和异类样本中找出K个近邻点，然后使用这K个类内近邻点和K个类间近邻点来构造双邻接图，这样可以确保邻接图中既有同类样本点也有异类样本点，且数目相同。然后该方法在目标函数的推导结果中加入了类间拉普拉斯散度矩阵，从而使优化得到的投影矩阵融入更多的类间信息。在Yale和ORL人脸数据集上进行实验，并与同类方法相比，结果表明本文提出的适用于小样本的双邻接图判别分析方法能够得到更好的降维效果。

摘要:视频监控已经成为当今火灾防范的主要方法。视频火焰算法层出不穷，但多为训练各种分类器做最后的分类，这需要提前准备大量相关的视频火焰样本来做训练，在视频火焰样本不够的情况下往往不能达到很高的检测率。本文提出一种基于超像素分割并结合闪频特征进行判断识别的方法。首先在Lab颜色空间上利用超像素分割方法将待检测图像分割出近似均匀的若干个小区域，并以其形心点代表一个超像素，结合RGB颜色空间与Lab颜色空间中的静态特征，根据提出的一定规则提取出火焰候选区域，最终利用此区域内提取的闪频特征判别其是否为火焰。实验证明，该算法在样本较少的情况下检测率较高。

摘要:行人检测是计算机视觉和模式识别领域的研究热点与难点，针对聚合通道特征（Aggregate channel feature，ACF）算法应用于行人检测时，出现检测精度较低、平均对数漏检率（Log-average miss rate，LAMR）较高的情况，提出一种改进的ACF行人检测算法。首先结合objectness方法对ACF算法低得分区域进行进一步验证，可以在一定程度上减少算法的误检数；其次结合检测窗口的得分及位置信息，对非极大值抑制算法（Non-maximum suppression，Nms）进行改进，平均精度（Average precision，AP）提升了0.41%，LAMR降低了1.49%；最后采用星型可形变部件模型（Star-cascade DPM，casDPM）对一定阈值下的得分检测窗口进行级联检测，AP提升了0.65%，LAMR降低了2.06%。在INRIA数据集上实验表明，满足实时检测的条件下，极大地降低了误检数，具有较好的行人检测效果。

摘要:跨语言新闻话题发现是将互联网上报道相同事件的不同语言新闻进行自动归类，由于不同语言文本很难表示在同一特征空间下，对其共同话题的挖掘就比较困难。然而类似的新闻事件在不同语言文本表达上具有相同的新闻要素，这些要素之间关联能够体现出新闻事件的关联性，因此，针对汉越新闻话题发现问题，提出基于文档图聚类的汉越双语新闻话题发现方法。首先提取汉越新闻文本新闻要素，借助文本中要素相似度计算汉越文本相关度，构建汉越双语文本图模型，获得新闻文本相似度矩阵；然后，借助图模型中文本间的传播特点，采用随机游走算法对相似度矩阵进行调整，最后利用信息传递算法进行聚类。实验结果表明提出的方法取得了很好的效果。

摘要:针对现有的人群分类方法忽略地理位置隐含的功能特征及其访问概率的问题，提出了一种基于位置语义和概率的人群分类方法。该方法主要包括位置语义发现和访问概率向量聚类两部分：首先，采用位置语义发现方法得到位置词汇所隐含的位置语义；其次根据位置语义分配情况获得移动用户对位置语义空间的访问概率向量；最后将其作为聚类分析的权向量，实现人群分类。实验结果表明，该方法提取出的位置语义与现实相符，得到的同类用户在位置语义空间的访问概率向量相似。与现有的人群分类方法相比，本文提出的人群分类方法F-measure值提高了4%，实验效果更优。

摘要:针对交通标志识别中存在的识别精度和实时应用之间的矛盾，根据中国交通标志的特点，提出一种逐级细化的交通标志识别算法。首先进行粗分类，构建颜色属性-梯度直方图（Color name-histogram of gradient，CN-HOG）描述子表示每类标志的形状和颜色特征，采用线性支持向量机（Support vector machine，SVM）将交通标分为禁令标志、警告标志、指示标志、解除禁令标志和其他标志5大类；然后进行细分类，采用词袋模型中颜色和形状特征早融合的方式将颜色属性（Color name，CN）和尺度不变特征变换（Scale-invariant feature transform，SIFT）描述子相结合、利用高斯核SVM得到交通标志区域的最终类别标记。在公开数据集上的实验表明本文算法在满足实时应用的同时取得了99.15%的识别精度。

摘要:相比于集成学习，集成剪枝方法是在多个分类器中搜索最优子集从而改善分类器的泛化性能，简化集成过程。帕累托集成剪枝方法同时考虑了分类器的精准度及集成规模两个方面，并将二者均作为优化的目标。然而帕累托集成剪枝算法只考虑了基分类器的精准度与集成规模，忽视了分类器之间的差异性，从而导致了分类器之间的相似度比较大。本文提出了融入差异性的帕累托集成剪枝算法，该算法将分类器的差异性与精准度综合为第1个优化目标，将集成规模作为第2个优化目标，从而实现多目标优化。实验表明，当该改进的集成剪枝算法与帕累托集成剪枝算法在集成规模相当的前提下，由于差异性的融入该改进算法能够获得较好的性能。

摘要:随着移动互联网和OTT （Over-the-top）业务的高速发展，传统以网络为中心的运维方式难以为继，因此如何提高用户业务体验、变革传统网络质量的评价和优化方法迫在眉睫。本文围绕基于终端侧业务感知大数据进行网络和业务质量评价这一新型网络评价与运维作业模式，首先对影响端到端用户业务感知的因素进行了较全面的剖析；并利用从普通用户终端上采集的现网真实的海量业务感知数据，重点针对网页浏览这一代表性的OTT业务，从多个不同的维度深入研究影响业务感知的关键因素，以及关键业务感知指标间的关联关系，揭示了OTT业务感知的关键影响因素间的内在联系。研究结果对于进一步分析业务感知质差成因、合理构建用户体验质量（Quality of experience，QoE）映射模型等具有很好的参考价值。