首页期刊导航|自动化学报
期刊信息/Journal information
自动化学报
中国自动化学会 中国科学院自动化研究所
自动化学报

中国自动化学会 中国科学院自动化研究所

王飞跃

月刊

0254-4156

aas@ia.ac.cn

010-62565763;82614566

100190

北京市海淀区中关村东路95号(北京2728信箱)

自动化学报/Journal Acta Automatica SinicaCSCD北大核心CSTPCDEI
查看更多>>本刊是中国科学院主管,中国自动化学会、中国科学院自动化研究所共同主办的高级学术期刊。本刊主要刊载自动化科学与技术领域的高水平理论性和应用性的科研成果,内容包括:1)自动控制理论;2)系统理论与系统方法;3)自动化技术在国民经济各领域中的创造性应用;4)自动化系统计算机辅助设计;5)机器人与自动化;6)人工智能与智能控制;7)模式识别与图象处理;8)自动控制系统中的新概念、新原理、新方法、新设计;9)信息理论与信息处理技术等。
正式出版
收录年代

    非平衡概念漂移数据流主动学习方法

    李艳红王甜甜王素格李德玉...
    589-606页
    查看更多>>摘要:数据流分类研究在开放、动态环境中如何提供更可靠的数据驱动预测模型,关键在于从实时到达且不断变化的数据流中检测并适应概念漂移.目前,为检测概念漂移和更新分类模型,数据流分类方法通常假设所有样本的标签都是已知的,这一假设在真实场景下是不现实的.此外,真实数据流可能表现出较高且不断变化的类不平衡比率,会进一步增加数据流分类任务的复杂性.为此,提出一种非平衡概念漂移数据流主动学习方法(Active learning method for imbalanced concept drift data stream,ALM-ICDDS).定义基于多预测概率的样本预测确定性度量,提出边缘阈值矩阵的自适应调整方法,使得标签查询策略适用于类别数较多的非平衡数据流;提出基于记忆强度的样本替换策略,将难区分、少数类样本和代表当前数据分布的样本保存在记忆窗口中,提升新基分类器的分类性能;定义基于分类精度的基分类器重要性评价及更新方法,实现漂移后的集成分类器更新.在7个合成数据流和3个真实数据流上的对比实验表明,提出的非平衡概念漂移数据流主动学习方法的分类性能优于6种概念漂移数据流学习方法.

    数据流分类主动学习概念漂移多类不平衡

    基于渐进高斯滤波融合的多视角人体姿态估计

    杨旭升吴江宇胡佛张文安...
    607-616页
    查看更多>>摘要:针对视觉遮挡引起的人体姿态估计(Human pose estimation,HPE)性能下降问题,提出基于渐进高斯滤波(Progressive Gaussian filtering,PGF)融合的人体姿态估计方法.首先,设计分层性能评估方法对多视觉量测进行分类处理,以适应视觉遮挡引起的量测不确定性问题.其次,构建分布式渐进贝叶斯滤波融合框架,以及设计一种分层分类融合估计方法来提升复杂量测融合的鲁棒性和准确性.特别地,针对量测统计特性变化问题,利用局部估计间的交互信息来引导渐进量测更新,从而隐式地补偿量测不确定性.最后,仿真与实验结果表明,相比于现有的方法,所提的人体姿态估计方法具有更高的准确性和鲁棒性.

    渐进高斯滤波自适应滤波分布式融合人体姿态估计

    基于改进舰尾流模型和多层耦合分析的机载雷达测量建模

    葛泉波王远亮李宏
    617-639页
    查看更多>>摘要:为提高复杂海洋环境中无人舰载机(Unmanned carrier-based aircraft,UCA)自动着舰时导航定位的准确性,研究舰尾流对机载雷达测量过程的动态影响问题,建立一种基于多层级耦合性分析的测量影响动态建模分析方法.首先,利用直接分解法和前向差分法建立一种基于离散化状态空间的时变舰尾流模型,以克服传统传递函数方法存在的局限性;其次,基于舰尾流各分量均与飞机飞行速度相关的客观事实,通过在时变系统中考虑舰尾流分量间的相互作用关系来构建一种更符合实际系统特征的分量自耦合舰尾流模型;紧接着,采用UCA姿态角变化能够改变坐标转换矩阵的思想,研究舰尾流与UCA位姿变化间的耦合联系,提出一种准确性更高的舰尾流对UCA位姿的深度影响模型;然后,以航母姿态变化对舰载雷达测量结果的影响模型为基础,通过考虑本研究场景的内在特性,建立UCA姿态变化对雷达测量结果的影响模型分析方法;紧接着,采用示意图方式获得位移变化对机载雷达测量结果的影响模型;最后,针对舰船受海洋大气(风、浪、流)干扰而出现失速这一现象,建立实际海洋环境中舰尾流对机载雷达测量结果的非线性非高斯影响分析模型.仿真实验研究验证了上述模型分析方法的有效性和优越性.

    舰尾流机载雷达状态空间耦合性非线性非高斯

    基于多尺度流模型的视觉异常检测研究

    毛国君吴星臻邢树礼
    640-648页
    查看更多>>摘要:针对现有异常检测(Anomaly detection,AD)模型计算效率低和检测性能差等问题,提出一种多尺度流模型(Multi-scale normalizing flow,MS-Flow),通过多尺度交叉融合实现高效的视觉图像异常识别.具体地,在流模型(Nor-malizing flow,NF)内部构建层级式的多尺度架构来避免多通道数据的冗余交叉计算,同时保证网络的多尺度表达能力.此外,设计的层级感知模块通过逐层级的多粒度特征融合,在细粒度级别表达多尺度特征,有效地提高分布估计的精确性.该方法是一个平衡检测精度与计算效率的解决方案.在两个公开数据集上的实验表明,所提方法相较于以往的检测模型能够获得更高的检测精度(在 MVTec AD 和 BTAD 数据集上的平均 AUROC(Area under the receiver operating characteristics)分别为99.7%和96.0%),同时具有更高的计算效率,浮点运算次数(Floating point operations,FLOPs)约为CS-Flow的1/8.

    异常检测流模型层级感知多尺度特征