摘要：针对蛙人、无人水下航行器(UUV)等慢速小目标分类识别所面临的小样本、类不平衡问题,提出了利用轨迹特征、支持向量数据描述(SVDD)与支持向量机(SVM)的联合分类方法。该方法将水下慢速小目标类型简化为蛙人、UUV、其他3类,利用跟踪轨迹特征设计多维特征量,构建SVDD-SVM联合分类器获得分类结果。具体为,针对小样本问题,采用参数维度小、训练数据量要求低的SVDD、SVM作为分类器的基本单元。针对类不平衡问题,使用2个并联的单分类SVDD和1个与两者串联的二分类SVM设计联合分类器,同时为联合分类器的输出设计投票机制保证分类结果的稳健性。实测数据处理结果表明,所提SVDD-SVM联合分类器对蛙人目标的平均召回率可达86%,平均精确率可达87%;对UUV目标的平均召回率可达85%,平均精确率可达86%。所提方法在小样本、类不平衡条件下具有优于传统方法的分类准确性和稳健性。

摘要：从绿波协调控制需求与特点出发,针对协调优化的本质性原理展开研究。首先,创建了绿波轨迹特征点、特征线、特征方程与特征解的概念体系,提出了基于协调控制特性分析的绿波轨迹特征原理;然后,解析了面向绿波轨迹特征的协调控制周期特性、闭合特性以及叠加特性,结合匹配时间差特性分析,给出了协调路径绿波带宽损失计算方法与干道绿波协调设计目标函数;随后,根据绿波轨迹特征方程与协调设计类型,分析了绿波轨迹特征点集合的确定方法,给出了路段行人过街信号配时设计的约束条件,构建了面向绿波轨迹特征原理的干道绿波协调优化模型;最后,以广东省佛山市绿景路为例进行案例分析。结果表明:构建的模型能够获得较为理想的干道绿波带宽;相较于现状信号配时方案、MAXBAND、MULTIBAND以及SYNCHRO优化方案,所提出的模型优化方案能够有效地减少车辆平均延误时间与停车次数,取得较优的干道绿波协调控制效果。

摘要：伴随无人机的在各个领域的广泛应用,其给国家和地区带来的威胁也与日俱增,对其进行有效的预警和反制迫在眉睫。随着无人机技术的进步,无人机预警和反制的难度随之增加。全息凝视雷达相比于传统雷达,使用宽发窄收的波束设计和积累探测技术,使得其对“低慢小”目标探测更具优势,在对无人机准确识别的基础上可联动其他种类的反制设备对其进行精准有效的反制。由于鸟和无人机两类目标在运动轨迹和机动性存在一定的相似性,如何有效实现两类目标的分类识别是全息凝视雷达面临的典型问题。结合实时分类需要即时输出当前航迹点类属标签的同时拥有较低计算复杂度的需求,本文基于全息凝视雷达航迹多普勒数据,提出了一种优化的基于序贯特征提取的分类流程,应用到雷达系统中时可随着目标轨迹的延伸实时输出航迹点类属标签。基于序贯特征提取降低了特征提取的原始数据维度,增加了两类目标在序贯窗口内相似的概率,增加了两类目标识别的难度,需要在序贯窗内这种低维度原始数据中所提取能很好的反映目标特性的特征。设计速度相邻窗间的相关系数等6个特征用以描述序贯窗口内目标速度变化的程度、速度变化稳定性和轨迹变化的程度,根据特征分类显著性分析,除速度标准差之外的特征的分布都有较好的类间隔离度。基于以上方法,本文利用WKNN分类器,综合分类准确率达到92%。

摘要：针对车辆轨迹数据具有整体运动变化趋势的特点,提出一种顾及轨迹趋势变化的特征提取算法.首先建立趋势确定集合和待定集合,并通过计算轨迹点的趋势变化量,以确定轨迹点所在趋势集合的趋势状态;进一步,将2个趋势集合的状态进行比较判断,从而避免外界干扰因素造成的趋势干扰,获得有效的整体运动趋势;最后根据趋势特征的约束条件进行特征判断,完成趋势特征的提取.实验结果表明,该算法效率优于传统的曲线拟合算法,有效地排除了因特殊情况产生的特征干扰,简单可行、可靠性好,满足组合导航匹配的应用需要.

摘要：基于轨迹的机构自动化选型系统中,轨迹特征及关键轨迹段尺寸参数是选择机构的重要依据.提出一种基于特征的轨迹曲线识别方法.通过直线、圆弧、尖点、“8”字形等基本轨迹特征描述形状丰富的轨迹曲线,不仅较好地解决了轨迹特征识别问题,同时可以确定关键轨迹段的基本特征参数.

摘要：目的基于道路形状特征的匹配算法在匹配性能上比较稳定,但当遇到道路交叉口等复杂路况时容易出现误匹配,且实时性上有一定缺陷,而矢量道路良好的拓扑结构,为此提出一种利用矢量道路拓扑关系进行追踪匹配的算法。方法算法利用结点、路段和路口这3种对象来对矢量道路进行表达,建立各个对象之间的拓扑关系,并将匹配过程划分为4个不同的状态,根据各个状态实施相应的匹配方法。首先,进行初始化、追踪、路口和搜索4个状态的定义和划分,确定各个状态之间的转换关系;进一步,设计道路中的结点、路段和路口3种对象的数据结构,建立点、线之间的空间拓扑关系;其次,根据4个状态的具体任务和实际特点,对进入该状态的行驶轨迹进行相应地分析处理和匹配计算;最后,根据追踪的结果进行匹配分析,完成对车辆行驶轨迹的误差修正。结果采用GPS-RTK采集的北京市西五环及密云地区的矢量道路数据对实地跑车的惯性导航轨迹进行拓扑追踪匹配仿真实验,完成拓扑追踪匹配算法的路口距离阈值选取,并与传统基于道路形状特征的匹配算法在匹配效果和实时性进行性能对比测试,其性能指标为匹配准确率和匹配时间。当矢量道路拓扑追踪算法的路口距离阈值取20 m时,匹配准确率达到了最高值93.5%。在匹配性能对比上,拓扑追踪算法相较于其他两种算法也有一定优势,在相同道路段中匹配准确率达到了90.2%,匹配速度也提高了4 8倍。结论采用矢量道路数据的拓扑信息对车辆轨迹进行追踪匹配的方法,能够用于卫星信号"盲区"或者信号干扰等特殊环境和场合的组合系统辅助导航,弥补传统基于卫星的组合导航在自主性、抗干扰性的不足。同时,算法针对复杂路况的匹配结果也较为理想,能够满足组合导航匹配工作的要求。

摘要：针对轨迹恢复问题,根据轨迹连续性、密度和连接对时序分布特征对问题进行建模;基于此模型,提出一种基于RNN-SVM的个体轨迹恢复算法,达到恢复个体移动轨迹的目标。利用RNN网络提取连接对时序分布特征,将此特征和轨迹连续性及密度输入到SVM进行分类,获取与个体相关的轨迹。实验结果表明,该算法能够以较高的准确率从不同库中寻找到与个体相关的轨迹组。

摘要：随着带有签到服务的社交网络应用的普及,人们的轨迹信息不断被记录下来。通常发布轨迹数据以用于个性化推荐和活动挖掘,但是发布轨迹数据会导致用户的隐式位置访问隐私泄露。针对此问题提出了一种隐式位置访问隐私保护算法,其基本思想是采用位置替换和位置抑制技术来保护隐式位置访问隐私,同时设计了相关技术使得匿名轨迹数据与用户的行为模式相匹配。实验结果表明,算法可以有效地防止对真实数据集的推演攻击,同时保持轨迹数据高可用性。

摘要：手势识别研究旨在探索更加和谐自然的人机交互方式,促进人工智能技术的发展应用,具有重要的研究价值和广泛的社会影响。针对现有的手势识别算法鲁棒性弱、实时性差和识别率低的问题以及传统手势识别当中人工设计的手型特征单一,时序建模过程繁琐的问题,以大多数手势词汇使用运动轨迹进行表述为基础,将运动轨迹的骨架节点流坐标作为训练集和测试集特征,提出基于循环神经网络(RNN)的变体结构长短时记忆网络(LSTM)序列到序列的多媒体教学手势识别算法。采用Kinect 2.0采集了6种常见的多媒体教学手势的骨架流坐标数据建立小型数据集,以上述算法为基础进行实验。实验证明,该方法对6种多媒体教学手势的平均识别率相比传统动态时间规整算法(DTW)的有效性,可应用于多媒体教学等领域。