中文概要：近来，基于车载自组织网络，产生了大量车辆安全应用，这类应用考量公共利益，使用全网传播技术。与之相比，有一类无关安全的应用，考量的是位置不同的两车之间的利益，并不需要全网传播技术。已有文献提出将单播协议用于这些无关安全的应用，其中，针对城市场景的单播协议应用被认为最具挑战性，因为此种情形下，车辆特性（包括机动性、道路结构、自然环境等）极其多变，单播协议持久性最差。本综述围绕城市场景中车辆特性多样、单播协议适应难的特点而展开。首先，根据对预先定义单播路径的需求，将应用于城市场景的单播协议进行分类；之后，讨论了典型城市道路的特性，以利于探讨高效单播通信的限制所在。基于广泛的文献综述，针对单播协议操作的不同方面，提出一种分类方法。进一步，综述了最能体现城市场景根本特性的单播协议，并针对分类方法采用的几个重要参数，对这些协议作定性比较。同时，比较了用于协议实验评估的显著方法。最后，指出单播路由的开放性研究问题。

单播协议；分类法；协议综述；车载自组织网络；地理位置路由

研究目的：面向具有生物多样性的大范围复杂海洋生态环境，实现对其复杂几何的高效建模生成，同时实现实时绘制。
创新要点：我们使用了一种CPU和GPU混合的过程式生成流水线，从而充分发挥了CPU的灵活性和GPU的高计算性能，取得了整体上的高效率。
研究方法：首先，考虑了海底地形、波能、光能、生物属性等影响因素，提出了一种以竞争机制为原则的生态环境模拟过程，输出区域海底环境的生物空间分布（图4）。然后，针对海洋生物个体，提出了一个两阶段的过程式生成流水线（图2）。第一阶段，在CPU上通过解码一系列语法，生成粗糙的几何外形和高度紧凑的细节信息；第二阶段，基于现代GPU的强大硬件细分能力，实时解码细节信息，完成多细节层次的生物细节几何生成。最后，针对海洋生物之间的互动，系统定制了动态模拟模块。通过对复杂物理模型的简化，在CPU上实现对海洋生物整体形状形变的实时计算。在GPU上利用该形变计算结果，生成生物的形变细节（图11）。
重要结论：针对大范围海下生态环境，提出了一种高效的过程式建模和绘制系统，达到了复杂几何的高效生成及实时三维场景漫游效果。

过程式生成；海洋生态环境；生物特性；GPU加速

研究目的：利用人手生物测量信息被认为是身份自动识别的一种有效方法。我们利用深度信息和颜色信息提取多种线索，以增加身份识别的精度。
创新要点：在已有方法基于颜色、纹理特征的基础上，使用深度传感器提供的深度信息，充分运用人手轮廓的曲率特征提取人手几何特征，并利用人手轮廓特征和手掌平面拟合对不同姿态的人手进行姿态统一化。
方法提亮：首先利用深度信息在图像分割上的鲁棒性提取人手区域，然后利用人手轮廓的几何信息矫正人手姿态。对于矫正后的人手区域，分别提取基于深度的几何特征和基于颜色和纹理的特征，并结合之前利用颜色信息提取人手生物信息的经典特征，描述人手的生物特征。充分利用了深度信息在人手姿态矫正上的优势和人手轮廓等集合信息。基于颜色和纹理的信息可用很多经典方法提到的特征，并可用高清相机采集颜色信息。
重要结论：大量实验证实，融合多种线索描述人手的生物特征，提升了基于传统特征提取人手特征和识别身份的精度，在实际应用中有效且鲁棒。

颜色和深度数据；RGB-D；生物测量；身份识别

研究目的：在过去十多年中，互联网多媒体数据爆炸性增长，数以亿计的网络图片给传统图像检索技术带来了巨大挑战。在如此庞大数据量上进行特征空间欧式距离最近邻搜索，不切实际。如何更有效地表达和检索网络图片成为当前研究热点。针对此热点和难点，本文提出了基于概率超图哈希编码的大规模图像快速检索技术。
创新要点：利用概率超图建立社交图片之间语义层面和视觉特征层面的关联性。相比简单图模型，超图模型能更有效地描述不同图片之间的高层次联系，寻找社交网络图片之间更深层次的信息。相比一般超图，概率超图能更有效地表述节点对超边的归属程度。利用超图拉普拉斯矩阵将概率超图投影到汉明（Hamming）空间，极大提升了图像存储、检索效率。
方法提亮：本方法结合了社交网络图片的视觉特征和用户标注信息，利用概率超图挖掘这两种信息的高层次关联性，并根据具体情况给予这两种信息不同权重。
重要结论：实验数据表明，与现有哈希检索方法相比，该方法对社交图像进行快速检索的准确率有较大提升。

超图拉普拉斯；概率超图；哈希编码；图像检索

创新方法：传统的模糊c均值方法（FCM）有两个缺点：对初始值要求严格，无法处理非线性分割数据。通过使用基于核的模糊c均值聚类法（KFCM-F）作为本地搜索方法，采用渐进方法获得近乎最优的结果，这种方法的渐进性和KFCM-F的非线性，可以避免FCM的两个缺点。
研究手段：使用KFCM-F处理数据，在不显著影响实验结果的情况下，设计了一个加速计划以降低计算复杂度。采用非线性人工数据组和现实数据组作为语音信号，进行辅音/元音分割，以检测这种新算法的性能。
重要结论：KFCM-F方法巧妙地避免了传统FCM方法的两个缺点。我们设计的算法（FGKFCM-F）继承了KFCM-F和全局模糊c均值方法（GFCM）的优点，得以实现基于非线性分割数据组的近乎最优解。此外，我们设计的加速计划大大降低了整个计算的复杂度。实验结果证实，FGKFCM-F比其他方法更适合处理人工和现实数据。

模糊c均值聚类法；核方法；全局优化；辅音/元音分割

研究目的：为减少移动设备采集的ECG信号造成的误报警，避免远程心电监控中心的误诊和诊疗资源浪费，提高诊断准确率和效率，首先必须评估ECG信号质量。本文采用频域、时域相结合的ECG特征分析，结合非线性支持向量机（kernelsupportvectormachine, KSVM）和遗传算法，实现对ECG的质量分类。
创新要点：运用频域和时域相结合的ECG特征分析。对具有易于识别特征（如导联脱落）的ECG信号，直接依据该特征得出分类结果；对依据简单特征无法评判的ECG信号，提取复杂时、频域特征组成特征矩阵，运用KSVM进行分类。
方法提亮：根据ECG特征是否易于识别，分步骤采用根据特征直接分类和非线性支持向量机智能分类技术，降低算法复杂度和运算量（图1）。结合频域和时域，在ECG特征空间选择与扩展上进行了有效提升（公式4）。运用遗传算法优化了SVM参数。
重要结论：时、频域结合的特征分析能够较全面地反映ECG特征。KSVM智能分类技术能够有效提高分类精度。

ECG质量评估；非线性支持向量机；遗传算法；功率谱；交叉验证

研究目的：机器人运动跟踪系统对测量精度、采样频率以及系统稳定性都有很高要求，目前市面上廉价的光学摄像运动跟踪系统难以满足。惯性传感器具有采样频率高、稳定性好等优点，但用于运动跟踪则会产生较大累计误差；它和光学摄像跟踪系统可以很好地互补。本文通过卡尔曼滤波算法将惯性传感器与光学摄像系统进行数据融合，以提升光学摄像系统的测量精度、采样频率以及稳定性，使其更好地用于机器人运动跟踪。
创新要点：提出了一种通过惯性传感器提升光学摄像系统性能的方法。基于对光学摄像系统性能的全面分析，提出了一个有针对性的系统实现方案。
方法提亮：将惯性传感器提供的加速度、角速度信息与光学摄像系统测得的位置、速度信息进行重力补偿和坐标同步处理后，运用卡尔曼滤波算法进行融合。通过分析光学摄像系统测量精度的不均匀分布情况，为卡尔曼滤波算法中测量噪声的估计提供了依据。
重要结论：解决了在系统实现过程中重力补偿、坐标同步以及测量噪声估计等问题。实验证实，通过数据融合，惯性传感器可以有效提高光学摄像系统的测量精度、采样频率以及稳定性。

数据融合；卡尔曼滤波；光学摄像系统；惯性传感器

研究目的：模糊逻辑的结论蕴含可证明为有效这一必要条件，而许多实际应用并不满足此条件。扩展模糊逻辑是在模糊逻辑基础上考虑有效性以满足此条件。目前扩展模糊逻辑理论描述相关工作很少。本文提出一种分析扩展模糊逻辑的架构，给出基于扩展模糊逻辑推理的数学描述。
创新要点：首次给出基于扩展模糊逻辑推理的数学描述。引入A-基粒（A-granule）的概念---A-基粒是保留f变换（f-transform）全部特性的最小基粒。
方法提亮：通过定理证明以及提出A-基粒概念，详细介绍了扩展模糊逻辑的关键特性。
重要结论：在扩展模糊逻辑中，不完整信息下的解接近完整信息下的解。在相同背景下，两种情形下的解与其有效性同构。由本文给出的扩展模糊逻辑理论描述可以明确，完整信息并非解决问题之必需，不过信息越充分，越能得到确切解。基于扩展模糊逻辑的推理，计算量小，速度快。

扩展模糊逻辑；模糊逻辑；f变换；S解；有效性