摘要：基于切换网络下带有随机时延和随机通讯噪声的多智能体系统模型,提出分布式多步近似次梯度随机投影算法,并对算法的收敛性进行分析.首先,利用网络扩维的方法将含随机时延的通讯网络转化为无时延网络;其次,提出近似次梯度概念,并设计多步近似次梯度随机批量投影算法,批量随机投影可以避免在实际问题中整体约束集合不易获得而导致投影算子不易执行等情况;最后,通过数值仿真表明即使存在随机噪声,所提出的算法较一般的分布式多步次梯度算法具有更好的收敛效果,同时还分析了随机投影集合个数和随机噪声对收敛效果的影响.

摘要：针对目标跟踪过程中存在的诸多技术问题,该文提出一种鲁棒的目标跟踪方法。首先,该文采用基于稀疏表示的全局模板描述目标的表观状态,通过构造正负模板以区分目标和背景;然后采用随机投影法对表示模板和候选目标进行降维,以降低算法的时间复杂度;采用粒子滤波法作为目标的运动模型,通过多项式重采样方法进行粒子重采样,以保持粒子的多样性;设计了正负模板更新策略,将正模板分为固定集和更新集,对这两部分在相似度计算和正模板更新时采取不同的处理方法,并且在其中加入目标遮挡的判决机制,从而可以有效避免遮挡的影响;实验结果表明,该算法能够准确跟踪受遮挡、运动模糊等多种复杂场景的目标,与现有跟踪方法相比,所提算法具有更好的准确性和稳定性。

摘要：针对大型支持向量机(SVM)经随机投影特征降维后分类精度下降的问题,结合对偶恢复理论,提出了面向大规模分类问题的基于对偶随机投影的线性核支持向量机(drp-LSVM)。首先,分析论证了drp-LSVM相关几何性质,证明了在保持与基于随机投影降维的支持向量机(rp-LSVM)相近几何优势的同时,其划分超平面更接近于用全部数据训练得到的原始分类器。然后,针对提出的drp-LSVM快速求解问题,改进了传统的序列最小优化(SMO)算法,设计了基于改进SMO算法的drp-LSVM分类器。最后实验结果表明,drp-LSVM在继承rp-LSVM优点的同时,减小了分类误差,提高了训练精度,并且各项性能评价更接近于用原始数据训练得到的分类器;设计的基于改进SMO算法的分类器不但可以减少内存消耗,同时可以拥有较高的训练精度。

摘要：针对人脸识别中的光照变化问题,利用随机投影对传统稀疏表示分类器进行改进,提出一种基于随机投影与加权稀疏表示残差的光照鲁棒人脸识别方法。通过对人脸图像进行光照规范化处理,尽量消除人脸图像上的恶劣光照,取得经光照校正的人脸样本后进行多次随机空间投影,进一步丰富样本的光照不变特征,以减小光照变化对人脸识别带来的影响。在此基础上,对利用单一残差分类的传统稀疏表示分类方法进行改进,样本经过多次随机投影和稀疏表示会产生多个样本特征和重构残差,利用样本特征的能量来确定各个重构残差的融合权值,最终得到一种稳定性和可靠性更强的加权残差。在Yale B和CMU PIE两个光照变化较大的人脸库上的实验结果表明,改进的方法具有较强的光照鲁棒性。与传统稀疏表示方法相比,本文提出的方法在Yale B人脸库上两组实验的平均识别率分别提高了25.76%和46.39%,在CMU PIE上的平均识别率提高了10%左右。

摘要：针对手势交互中手势信号的相似性及不稳定性,设计并实现了一种基于随机投影(RP)的加速度手势识别方法。识别系统包含训练阶段和测试阶段:训练阶段运用动态时间规整(DTW)和近邻传播(AP)算法对训练集中的每一个手势迹创建样本中心;测试阶段先通过计算未知手势迹与样本中心的距离找出候选姿势迹,然后用RP算法将候选手势迹和未知手势迹投影到低维子空间,把识别问题转换成l1-minimization问题来对未知的手势迹进行识别。在采集的2 400个数据样本上进行了基于特定人和非特定人的实验,结果表明所提算法分别取得了98.41%和96.67%的识别率,该方法能够有效识别加速度手势动作。

摘要：该文针对抠图中前背景颜色歧义这一难题,提出快速随机纹理算法来对颜色信息进行有效的补偿,先对原始图像进行稠密抽取得到初始纹理,后经随机投影降维,再根据前背景交叠度选择最优通道生成随机纹理图。结合生成的纹理信息,设计了空间、颜色、纹理联合样本选择指标。接着,综合考虑局部近邻和非局部近邻的作用,对样本选择代价进行滤波。最后论证近邻迭代滤波与全局能量方程平滑的关系,推导了后期迭代平滑公式。实验结果表明,基于随机纹理的代价滤波式抠图在前背景颜色分布近似时,能够取得视觉和定量上更好的结果。

摘要：图像散列算法是一种把数字图像映射为一个基于内容的简短二进制比特串的技术,它具有鲁棒性、安全性、紧凑性和单向性等特点,已被广泛应用于图像鉴别与图像识别领域中。本文提出一种基于分块压缩感知的鲁棒图像散列算法,其设计利用了压缩感知采样阶段的计算保密及线性运算的特点。该算法通过对图像进行分块,利用压缩感知理论在密钥的控制下将图像块随机投影为一个测量值向量序列,并把每个测量值向量量化为一个比特,得到一个长度可由分块策略调整的二进制散列值。实验结果表明,本文算法在鲁棒性、安全性和运算速度等方面具有良好的性能。

摘要：不同于采样矩阵近似方法,设计了一种基于随机循环矩阵投影来实现矩阵的近似。首先,利用随机采样得到一个初始矩阵的近似轮廓,然后构造循环嵌入矩阵,将该循环矩阵作为投影矩阵,从而将输入数据空间的初始轮廓嵌入到一个低维的特征子空间上,最后在特征子空间上进行奇异值分解,从而扩展了传统的Nyström方法。与其他典型的矩阵近似方法相比,所设计的Nyström方法具有时间复杂度低、重构精度高的优点。最后通过实验证实了所设计的循环矩阵投影方法的有效性,可以实现对传统Nyström方法的有效扩展。

摘要：为解决大型社交网络隐私保护中的复杂度过高及可用性差的问题,提出一种基于随机投影及差分隐私的社交网络隐私保护算法。利用随机投影对社交网络图的邻接矩阵进行指定投影数量的降维,进一步在降维后的矩阵中加入少量高斯噪声生成待发布矩阵。该算法满足(ε,δ)-差分隐私定义且能保持用户间欧氏距离的可计算性不变。实验和对比分析结果表明,该算法较传统差分隐私能大幅提升数据可用性且计算复杂性较小,适用于大规模社交网络隐私保护。

摘要：无线传感器网络(Wireless Sensor Networks,WSN)负责感知、采集、处理和监控环境数据,但是容易受限于资源。压缩感知(Compressed Sensing,CS)理论表明,利用最优化理论,稀疏信号可以从少量的非自适应线性投影中高概率精确恢复。根据CS理论设计WSN的数据压缩方法只依赖于信号内在的结构和内容,而不是信号的带宽,弥补了WSN的不足;提出了基于稀疏随机投影的编码方法;仿真结果表明系统在满足误差要求条件下构造的数据包减少至结点数目的30%,提高了WSN通信效率,降低了系统能耗。