关键词 多活性代理; 科研团队;

摘要 本文由人类社会总是由低级到高级进化的"自组织"机理论起,讨论了在现实开放复杂巨系统环境下,系统"自组织"与"他组织"的辩证关系及人类主导社会发展核心因素群表达.并由若干实例说明在时空域复杂强约束对抗环境中,系统本身"自组织"机理机能难以完成对系统服务功能的质变性动态调整要求,表明系统"自组织"实践应用具有局限性,从而引出了耗散自组织理论拓展——"多活性代理"理论方法.即以实践领域高水平专家主导,以"他组织"模式结合运用多活性代理理论方法,主导信息系统服务功能在复杂严峻对抗环境中动态调整适应需求.为了进一步探讨并支持实践应用,我团队撰写了系列文章,本文主要介绍理论概述、构造核心思路以及扼要分析系统构建、架构调整、单代理调整和增强管控代理能力4种应用模式.本专刊其他两篇文章"基于多活性代理的高性能人工系统总体设计方法研究"和"基于多活性代理的人工系统架构调整方法"结合实例分别选择一种应用模式进行展开,通过定性分析结合定量建模,对应用模式加以验证说明.

关键词 复杂系统; 多活性代理理论; 耗散自组织理论; complex system; multi-living agent theory; dissipative self-organization theory;

摘要 面对充满动态未知强对抗挑战的复杂应用环境,人工系统的构建需要科学系统性地设计新方法.本文以多活性代理理论为指导,以自组织机理机能活性的存在为前提,结合系统功能要求及约束的上界,将多活性代理系统服务功能活性度作为各层次研发运筹的依据,提出了基于多活性代理的高性能人工系统总体设计方法,并针对对抗矛盾动态加剧的情况展开了应对分析,最后以高摧毁率对抗入侵流的对空末端防御系统的设计分析为例,验证了所提出设计方法的有效性.

关键词 人工系统; 多活性代理系统; 系统架构; 活性度; 末端防御系统; artificial system; multi-living agent system; system architecture; living degree; terminal defense system;

摘要 在现实动态强对抗强约束的社会环境下,固化的人工系统架构通常无法满足复杂多变的服务任务需求.本文根据多活性代理系统理论,增强管理者的管控作用,通过替换主代理或增加新的活性代理,对系统架构进行调整,使人工系统的活性自组织机理机能发生改变,使环境对抗矛盾发生转变占据主导地位,系统功能活性得以保持和提升,以满足任务需求.本文首先对多活性代理系统理论进行了简要回顾,然后提出了基于多活性代理的人工系统架构调整方法,最后以对抗美制P2V-7侦察机入侵的防空系统为实例对所提方法的有效性进行了验证.

关键词 多活性代理系统理论; 人工系统; 活性代理; 系统架构调整; 活性度; multi-living agent system theory; artificial system; multi-living agent; system architecture adjustment; livelihood degree;

摘要 聚类是数据挖掘和机器学习中的基本任务之一.传统聚类方法由于其设计中对簇结构假设的限制,导致算法在不符合其假设的数据集上,尤其是大型高维数据集上的聚类效果较差.本文引入了最大平均熵率的概念,设计了一种基于图的关联聚类算法.该算法将关联聚类问题分解为多个独立的单类优化问题,并利用邻域消除了关联聚类对大数据的限制.算法实现通过启发式邻域搜索和类生成简化了对最优邻域和关联聚类的求解过程,并且设计了适应分布式计算平台的图迭代方法.与其他聚类算法相比,该算法在提高计算效率的同时,对簇结构假设相对灵活,可适用于多种分布数据.在聚类实验中,算法的f1-measure和purity指数均好于其他6种聚类算法,而且对于高维大数据集,算法的运行时间远远低于其他聚类算法.

关键词 聚类; 相关聚类; 熵率; 图聚类; 大数据; clustering; correlation clustering; entropy-rate; graph-based clustering; big data;

摘要 群智感知系统通过对高维感知数据的发布和分析为人们带来巨大数据价值的同时,也给参与者的隐私带来了极大的隐患.目前,各种基于差分隐私的隐私保护方法被提出,但大部分方法不能同时解决高维感知数据间复杂的属性关联问题和来自不可信服务器的隐私威胁问题.基于此,本文提出了基于Bayes网络的高维感知数据本地隐私保护发布机制.该机制实现了用户端的本地数据保护,杜绝了其他方直接访问用户原始数据的可能,根本上保护了用户的数据隐私.感知服务器端在接收到用户本地隐私保护的数据后,基于Bayes网络方法对高维数据的维度相关性进行识别,将高维数据属性集划分为多个相对独立的低维属性集,进而依次合成新的数据集,可以有效地保留原始感知数据的属性维度相关性,保证合成数据集与原始数据集具有尽可能相似的统计特性.通过大量仿真实验验证了该方法的有效性,实验结果表明该方法在有效的本地隐私保护下的合成数据具有较高的数据效用性.

关键词 群智感知系统; 感知数据; 高维数据; 本地差分隐私; Bayes网络; crowd sensing system; crowdsourced data; high-dimensional data; local differential privacy; Bayesian network;

摘要 建筑物三维重建在城市规划、灾害监测、智慧城市等领域有重要应用,是计算机视觉、摄影测量、遥感等领域研究的重要课题.由于SAR成像机理的特殊性和复杂性,基于SAR图像的建筑物三维重建难度很大,现有方法的适用性和自动化程度都亟待提升.本文构建了基于深度学习与雷达成像机理结合的SAR图像建筑物检测及三维重建整体框架,并提出了基于耦合等效复数卷积神经网络的SAR图像建筑侧立面检测方法,基于RaySAR的建模仿真及点云生成方法,以及基于3D生成网络的SAR建筑物三维重建方法,利用TerraSAR-X与GF-3高分辨率SAR图像进行实验,得到了较好的三维重建结果.本文方法为SAR图像目标三维重建提供了新的技术途径,是SAR目标三维重建的有益尝试.

关键词 SAR; 深度学习; 语义分割; 点云生成; 建筑物检测; 三维重建; SAR; deep learning; semantic segmentation; point cloud generation; building detection; 3D reconstruction;

摘要 雷达探测是一种有效的对地观测手段,雷达图像目标识别是其重要研究方向.深度学习已在众多领域取得成功,然而训练深层神经网络需要大量数据,样本量不足已成为制约深度学习方法在雷达图像目标识别中应用的主要因素.本文对基于深度学习的雷达图像目标识别研究进展进行了综述,梳理和总结了具有代表性的方法.首先,介绍针对雷达图像目标识别的数据扩充和网络模型设计方法.然后,详细阐述本课题组针对小样本条件提出的基于迁移学习、度量学习和半监督学习的雷达图像目标识别方法.最后,讨论了目前仍然存在的问题,并给出了对未来发展趋势的展望.

关键词 雷达图像; 目标识别; 深度学习; 卷积神经网络; 小样本; radar image; target recognition; deep learning; convolutional neural network; few samples;

摘要 近年来,重庆公交坠江、无锡重型卡车超载致高架坍塌等一系列重特大灾难性事故的发生暴露了信息化时代交通工具运行中安全防范与应急处置机制的严重缺失. 5G通信时代的来临,无疑为这一问题的解决带来了巨大历史机遇.本文针对交通工具运行中预防重特大事故及取证分析的需求,基于5G通信技术,提出基于事件的交通工具运行中信息物理融合安全治理框架.该框架围绕交通工具运行安全问题的特性——"高速运动状态下网络资源的可用性、信息物理融合下安全目标的复杂性",通过精准感知物理层、通信层、社会层3个层面的不安全事件,综合利用泛在智能感知、边缘–云计算等技术,从交通工具的物理设备信息安全、车辆状态安全、车辆环境安全、网络安全4个维度,构建一体化的交通工具智能安全应对方案,服务于"事前全时预判、事中即时报警、事后回放取证"的安全目标.

关键词 5G; 车联网; 信息物理融合系统; 综合安全; 事件驱动; 5G; Internet of vehicles; cyber-physical systems; hybrid security; event driven;