欢迎关注《控制与决策》
01
介绍
本文引用格式
孙晓晨, 李勇建, 张双, 等. 制造系统生态化概念、内涵及展望[J]. 控制与决策, 2024, 39(8): 2465-2483.
扫描二维码|阅读原文
02
朱红蕾，卫鹏娟，徐志刚
介绍
近期，兰州理工大学计算机与通信学院朱红蕾副教授团队对近年来基于骨架的人体异常行为识别与检测研究进展进行了归纳总结，为优化模型、进一步平衡人体异常行为识别与检测任务的效率和精度从而推动此类任务的应用落地提供参考。
人体异常行为研究的最终目标是解放人眼，替代传统监控系统存在的低识别率和高漏检率并完成实时的自动预警任务，因此该项研究具有重要现实意义，部分技术已应用于人机交互、公共安全、智能监控等领域。由于视频中存在的物体遮挡、光照及视角变化、复杂背景等问题，使得利用轻量级人体骨架数据处理此类实时任务成为竞争性工具。
与常用RGB数据和深度数据相比，骨架数据不包含颜色信息且对于背景遮挡、光照和视角变化等噪声具有鲁棒性。此外，人体骨架数据属于轻量级数据，在计算和存储方面也是有效的，可以嵌入到终端设备中完成实时性检测任务。如何有效提取人体骨架序列且充分理解序列中目标的运动特征是利用其进行异常行为识别与检测的重点问题。
基于此，朱红蕾副教授团队着眼人体骨架数据，系统分析了深度学习背景下的人体异常行为识别与检测方法。首先按照应用场景中目标个数的不同，将姿态估计算法分为单人姿态估计算法和多人姿态估计算法。并进一步分析多人姿态估计算法的自顶向下、自底向上和单阶段三种方式的优缺点。其次，按照特征提取骨干网络模型的不同，将人体异常行为识别方法分为基于卷积神经网络(CNN)、循环神经网络(RNN)、图卷积神经网络(GCN)、Transformer网络以及混合模型的方法，并对各类方法展开对比分析。然后，按照深度学习模型训练过程是否涉及数据与标签对应关系的学习，将人体异常行为检测方法分为有监督学习方法、弱监督学习方法、无监督学习方法三种，并进行了深入讨论。最后，介绍了基准数据集及其上相关算法的表现，并探讨了此任务所面临的挑战。
朱红蕾副教授团队围绕人体骨架数据，结合计算机视觉技术与深度学习方法，提出了多种人体异常行为检测模型，并在当前主流数据集上进行实验，验证了所提模型的有效性。上述研究得到了国家自然科学基金项目的资助。
本文引用格式
朱红蕾, 卫鹏娟, 徐志刚. 基于骨架的人体异常行为识别与检测研究进展[J]. 控制与决策, 2024, 39(8): 2484-2501.
扫描二维码|阅读原文
03
一种改进麻雀搜索算法的收敛性分析及应用
郭庆辉，李媛，杨东升
介绍
针对麻雀搜索算法在优化过程中易陷入局部最优解、收敛速度慢等问题，本文提出了一种基于多策略改进的麻雀搜索算法(ISSA)。
首先，在种群初始化过程中，本文采用了佳点集策略代替了原始麻雀种群随机初始化方式。佳点集策略是一种有效的空间填充方法，能够确保种群中的个体在解空间中均匀分布，增加了麻雀种群的多样性，有助于算法在后续的搜索过程中覆盖更广泛的搜索空间；其次，在发现者位置更新过程中，本文采用了黄金正弦策略进行改进。黄金正弦策略通过引入黄金分割比例和正弦函数的周期性变化，能够动态地调整搜索步长和搜索方向，使得算法在全局探索和局部开发之间达到更好的平衡；最后，在跟随者位置更新过程中，本文采用了Levy飞行策略进行优化。Levy飞行策略是一种随机游走方式，具有长步长和短步长交替出现的特性，使跟随者能够在更大的搜索空间中进行探索，有效避免算法陷入局部最优解。
为了验证改进算法的收敛性，在理论角度，本文建立了改进算法的马尔科夫链模型，对算法的收敛性进行了理论推导，证明了改进算法具有良好的收敛性能；在仿真角度，本文选取了5个标准测试函数，将改进算法与其他经典群智能优化算法进行仿真实验对比，实验结果表明，改进算法在求解精度、收敛速度以及稳定性等方面均优于其他算法。
此外，为了进一步检验改进算法的有效性，本文将改进算法对变分模态分解(VMD)参数和回声状态网络(ESN)参数进行了优化，搭建了ISSA-VMD-ESN模型并将其应用到短期电价预测中。仿真实验结果表明，本文所提模型在短期电价预测中具有较高的预测精度和稳定性，从而进一步验证了改进算法的优越性和实用性。
本文引用格式
郭庆辉，李媛，杨东升. 一种改进麻雀搜索算法的收敛性分析及应用[J]. 控制与决策, 2024, 39(8): 2502-2510.
扫描二维码|阅读原文
