熊偉清，魏平

周樹德，孫增圻

李培華

原魁，李園，房立新

王田苗，孟偲，裴葆青，等

蒲亦非，王衛(wèi)星

張福海，付宜利，王樹國

孫明軒，畢宏博

郭偉斌，陳勇

張勇，鞏敦衛(wèi)，張婉秋

范九倫，雷博

楊波，敬忠良

韓守東，趙勇，陶文兵，等

顧鑫，王海濤，汪凌峰，等

王相海，方玲玲，叢志環(huán)

賈鶴鳴，張利軍，程相勤，等

席裕庚，李德偉

侯忠生，許建新

張強，郭寶龍

柴天佑

王永忠，梁彥，趙春暉，等

李樹濤，魏丹

王永忠，梁彥，潘泉，等

岳峰，左旺孟，王寬全

周東華，胡艷艷

?

信息與系統(tǒng)科學相關(guān)工程與技術(shù)

二進制蟻群進化算法

熊偉清，魏平

摘要：從生物進化角度將群體中的每只昆蟲看成一個神經(jīng)元，彼此之間通過隨機、松散的連接組成一個神經(jīng)網(wǎng)絡(luò)；然后類似于人工神經(jīng)網(wǎng)絡(luò)模擬螞蟻群體智能，提出了一個二元網(wǎng)絡(luò)。由于采用二進制編碼對單個螞蟻的智能行為要求比較低，對應(yīng)的存儲空間相對較少，使得算法的效率有較大的提高。通過測試函數(shù)優(yōu)化和多維0/1背包問題結(jié)果表明該算法具有較好的收斂速度和穩(wěn)定性，非常好的求解結(jié)果。 分布估計算法是進化計算領(lǐng)域新興起的一類隨機優(yōu)化算法，是當前國際進化計算領(lǐng)域的研究熱點。分布估計算法是遺傳算法和統(tǒng)計學習的結(jié)合，通過統(tǒng)計學習的手段建立解空間內(nèi)個體分布的概率模型，然后對概率模型隨機采樣產(chǎn)生新的群體，如此反book=34,ebook=38復(fù)進行，實現(xiàn)群體的進化。分布估計算法中沒有傳統(tǒng)的交叉、變異等遺傳操作，是一種全新的進化模式；這種優(yōu)化技術(shù)能夠通過概率圖模型對變量之間的關(guān)系進行建模，從而能有效的解決多變量相關(guān)的優(yōu)化問題。根據(jù)概率模型的復(fù)雜性，該文按照變量無關(guān)、雙變量相關(guān)、多變量相關(guān)等三類分別介紹相應(yīng)的分布估計算法。作為一篇綜述性文章，該文旨在全面系統(tǒng)的向國內(nèi)讀者介紹這一新技術(shù)，并總結(jié)分布估計算法的研究現(xiàn)狀和未來的研究方向。 該文主要針對經(jīng)典的Mean Shift跟蹤算法均勻剖分整個顏色空間造成許多空的直方圖區(qū)間以及不能準確表達目標顏色分布的缺點，提出了一種改進算法。該改進算法首先對目標的顏色進行聚類分析，根據(jù)聚類結(jié)果通過矩陣分解和正交變換自適應(yīng)地剖分目標的顏色空間從而確定對應(yīng)于每一聚類的子空間。在此基礎(chǔ)上定義了一種新的顏色模型，該模型統(tǒng)計落入每一顏色子空間的像素的加權(quán)個數(shù)并用高斯分布建模每一個子空間的顏色分布，并推導(dǎo)了一種相似性度量來比較目標和候選目標的顏色模型之間的相似程度。最后基于該顏色模型提出了改進算法。實驗表明，基于該顏色模型的改進算法比經(jīng)典的Mean Shift算法具有更好的性能，而跟蹤時間與經(jīng)典算法大致相同。 多移動機器人系統(tǒng)具有廣泛的應(yīng)用前景，也是近年來機器人研究的熱門課題之一。該文對國內(nèi)外近年來關(guān)于多移動機器人系統(tǒng)的研究工作進行了總結(jié)和分析，重點介紹了多機器人系統(tǒng)的任務(wù)規(guī)劃、運動規(guī)劃、協(xié)調(diào)控制等問題的研究發(fā)展現(xiàn)狀。最后指出了多移動機器人系統(tǒng)研究急需解決的若干重要問題。 首先，詳細介紹和分析了國內(nèi)外仿壁虎機器人的研究現(xiàn)狀。然后，討論比較了仿生壁虎機器人所涉及的關(guān)鍵技術(shù)的優(yōu)缺點。最后，在前面分析比較基礎(chǔ)上對未來的發(fā)展趨勢進行了預(yù)測。 研究目的是提出并論述數(shù)字圖像的分數(shù)階微分掩模及其數(shù)值運算規(guī)則。首先，從信號處理角度論述了數(shù)字圖像分數(shù)階微分掩模的特性。其次，詳細論述了在X軸負、X軸正、Y軸負、Y軸正、左下對角線、左上對角線、右下對角線、右上對角線8個相互中心對稱的數(shù)字圖像n×n分數(shù)階微分掩模的構(gòu)造。最后，論述了數(shù)字圖像分數(shù)階微分掩模的數(shù)值運算規(guī)則。計算機數(shù)值實驗結(jié)果表明，對于紋理細節(jié)信息豐富的圖像信號而言，分數(shù)階微分對灰度變化不大的平滑區(qū)域中的紋理細節(jié)信息的提取效果明顯優(yōu)于整數(shù)階微分運算。 針對自由漂浮空間機器人工作時需保證載體姿態(tài)穩(wěn)定的問題，提出了一種笛卡兒空間內(nèi)載體姿態(tài)無擾的自由漂浮空間機器book=35,ebook=39人非完整路徑規(guī)劃方法。首先，基于自由漂浮空間機器人特征方程和角動量守恒方程得到廣義雅可比矩陣；其次，出于路徑規(guī)劃的需要，分析了載體姿態(tài)無擾的自由漂浮空間機器人可達工作空間；最后，引入相關(guān)系數(shù)，設(shè)計了笛卡兒空間內(nèi)的無擾向量合成算法。仿真得到的路徑規(guī)劃結(jié)果表明機械臂末端達到目標點的同時確保了載體姿態(tài)無擾動，從而驗證了所提方法的可行性和有效性。 針對重復(fù)時變系統(tǒng)，提出學習辨識方法用于估計系統(tǒng)的時變參數(shù)。討論了有限時間作業(yè)區(qū)間上重復(fù)運行的時變系統(tǒng)以及周期時變系統(tǒng)兩種情形。文中給出最小二乘學習算法的推導(dǎo)過程，并分析了所提算法的收斂性。結(jié)果表明，當重復(fù)持續(xù)激勵條件成立時，提出的學習算法具有重復(fù)一致性，能夠給出時變參數(shù)的完全估計。通過數(shù)值算例進一步驗證了學習算法的有效性。 研究了基于機器視覺導(dǎo)航的田間自主移動除草機器人。采用模糊控制方法引導(dǎo)除草機器人沿著農(nóng)作物行自動行走。根據(jù)導(dǎo)航角和導(dǎo)航距的參數(shù)特性選擇了隸屬函數(shù)，建立了兩種拄制規(guī)則庫，并探討了兩種控制效果。試驗表明，模糊控制方法能夠使機器人甲穩(wěn)運動。在直行階段，控制規(guī)則1有較高的控制精度?？刂埔?guī)則2能使機器人更好地通過彎道，對42.2°的彎道，機器人的行走準確率達到74.58％。 針對現(xiàn)有微粒群優(yōu)化算法難以兼顧進化速度和求解質(zhì)量這一難題，提出一種基于單純形法的改進微粒群優(yōu)化算法（Simplex Method Based Improved Particle Swarm Optimization，SM-IPSO）。該算法采用多個優(yōu)化種群，分別在奇數(shù)種群和偶數(shù)種群上并行運行微粒群算法和單純形法，并通過周期性遷移相鄰種群間的最優(yōu)信息，達到微粒群算法和單純形法的協(xié)同搜索：單純形借助微粒群算法跳出局部收斂點，微粒群依靠單純形提高局部開發(fā)能力。為強化兩種算法所起作用，一種改進的微粒速度逃逸策略和Nelder-Mead單純形法也被提出。最后，在Linux集群系統(tǒng)上運行所提算法，通過優(yōu)化五個典型測試函數(shù)驗證了算法的有效性。 一維最小誤差閾值法假設(shè)了目標和背景的灰度分布服從混合正態(tài)分布?？紤]到噪聲等因素對圖像質(zhì)量的影響，該文在二維灰度直方圖上，基于二維混合正態(tài)分布假設(shè)，給出一維最小誤差閾值法的二維推廣表達式。為了提高算法的運行速度，也給出了快速遞推算法。實驗表明，二維最小誤差閾值法是一個有效的圖像分割算法，能夠更好地適應(yīng)目標和背景方差相差較大的圖像及噪聲圖像的分割問題。 提出一種新的基于梅花形采樣離散小波框架的圖像融合算法。首先論證多維完全重構(gòu)濾波器組采樣矩陣的可替換性，由此book=36,ebook=40推導(dǎo)出梅花形采樣離散小波框架并分析其特性；然后將該框架應(yīng)用到多尺度圖像融合方案得到一種低冗余近似移不變的融合算法；最后對融合算法進行實驗分析并與已有算法比較。實驗結(jié)果表明該文算法可以快速獲取高質(zhì)量的融合圖像。 提出了一種交互式的快速圖像分割方法。該方法通過使用高斯超像素來構(gòu)建Graph Cuts模型以實現(xiàn)加速。首先，利用融合了邊緣置信度的快速均值漂移算法，將原始圖像高效地預(yù)分割為多個具有準確邊界的同質(zhì)區(qū)域，并將這些區(qū)域描述為超像素，用于構(gòu)建精簡的加權(quán)圖。然后，使用區(qū)域的彩色高斯統(tǒng)計對超像素進行特征描述，并在信息論空間中對高斯距離度量進行設(shè)計。另外，為了準確而精煉地對先驗知識進行參數(shù)化學習，本文還使用了分量形式的期望最大化混合高斯（Component-wise expectation-maximization for Gaussian Mixtures，CEMGM）算法對用戶交互進行聚類。最后，在改進的加權(quán)圖模型中應(yīng)用Graph Cuts方法，獲得最終的分割結(jié)果。通過使用不同的彩色圖像進行分割實驗比較，仿真結(jié)果表明本文的方法在準確性和高效性方面都具有很好的性能。 提出了一種新的基于特征不確定性度量的多特征融合跟蹤算法。首先，針對粒子濾波跟蹤算法中特征鑒別能力較弱且粒子分布相對分散時容易造成目標丟失的事實，本文定義了一種新的特征不確定度量方法，該度量可以在線調(diào)整不同類型特征對跟蹤結(jié)果的貢獻。同時，針對乘性和加性特征融合跟蹤算法方法中存在的缺陷，提出了一種自適應(yīng)的多特征融合方法，融合的結(jié)果既突出了狀態(tài)后驗分布中目標真實狀態(tài)對應(yīng)的峰值，又對噪聲不敏感，從而提高了目標跟蹤的魯棒性。各種場景下的實驗結(jié)果比較表明：新的融合跟蹤算法比單特征跟蹤、乘性融合跟蹤和加性融合跟蹤有著更好的穩(wěn)定性和魯棒性。 近年來，實時監(jiān)控下多目標跟蹤作為智能交通系統(tǒng)（Intelligent Transportation System，ITS）的重要組成部分受到關(guān)注。傳統(tǒng)多目標跟蹤方法通常具有處理速度慢、容易對交叉行進車輛產(chǎn)生誤匹配等問題。本文首先對基于貝葉斯規(guī)則的車輛視頻復(fù)雜背景的建模及運動目標的檢測進行研究，在此基礎(chǔ)上提出一種基于Mean Shift粒子濾波（Mean Shift Particle Filter，MSPF）的多目標跟蹤算法，首先對每一目標車輛在下一幀可能出現(xiàn)的范圍進行預(yù)測，對單目標和多目標情況采用不同的檢測策略，避免了全局搜索，提高了跟蹤速度；通過構(gòu)造基于最新觀測信息的重要性密度函數(shù)，提高了MSPF算法在復(fù)雜背景情況下追蹤部分遮擋及交叉車輛的準確性和魯棒性。仿真實驗結(jié)果驗證了所提出算法的有效性。 為實現(xiàn)欠驅(qū)動無人水下航行器（Unmanned Underwater Vehicle，UUV）在末知海流干擾作用下的二維航跡跟蹤控制，提出一種基于工程解耦思想設(shè)計的非線性迭代滑模航跡跟蹤控制器。基于虛擬向?qū)У姆椒?，建立UUV空間航跡跟蹤誤差方程；采用迭代方法設(shè)計非線性滑?？刂破鳎瑹o需對UUV模型參數(shù)不確定部分和海流干擾進行估計，避免了舵的抖振現(xiàn)象以及減小了穩(wěn)態(tài)設(shè)差與超調(diào)問題。仿真實驗表明，設(shè)計的控制器對欠驅(qū)動UUV系統(tǒng)的模型參數(shù)攝動及海流干擾變化不敏感、且設(shè)計參數(shù)易于調(diào)節(jié)，可以實現(xiàn)三維航跡的精確跟蹤。 通過引入最優(yōu)控制理論和Lyapunov方法，預(yù)測控制的理論研究在最近十多年中發(fā)展迅速，取得了豐碩成果。該文總結(jié)了預(yù)測控制定性綜合理論的基本思路，回顧了近十年關(guān)于具有穩(wěn)定性和性能保證的預(yù)測控制的主要研究成果，并根據(jù)近年來預(yù)測控制研究的發(fā)展趨勢，指出高效預(yù)測控制的研究己逐漸成為這一領(lǐng)域研究的熱點。 給出了數(shù)據(jù)驅(qū)動控制理論和方法相關(guān)問題的定義，從控制理論、實際應(yīng)用和歷史發(fā)展趨勢三個角度闡述了數(shù)據(jù)驅(qū)動控制的存在背景，說明了數(shù)據(jù)驅(qū)動控制理論和方法的適用條件。綜述了已有數(shù)據(jù)驅(qū)動控制方法的本質(zhì)內(nèi)容和發(fā)展歷程，從數(shù)據(jù)利用的角度指出了已存在的數(shù)據(jù)驅(qū)動控制方法的區(qū)別和應(yīng)用環(huán)境，并對數(shù)據(jù)驅(qū)動控制理論的發(fā)展進行了展望。 針對同一場景多聚焦圖像的融合問題，提出了一種基于非采樣Contourlet變換（Nonsubsampled Contourlet Transform，NSCT）圖像融合算法。并對經(jīng)NSCT分解得到的不同頻域子帶系數(shù)，分別討論了低頻子帶系數(shù)和各帶通方向子帶系數(shù)的選擇方案。在選擇低頻子帶系數(shù)時，提出了一種基于圖像局部區(qū)域梯度能量和“加權(quán)平均”相結(jié)合的系數(shù)選擇方案，從而不僅能夠恰當?shù)剡x擇融合后圖像的NSCT系數(shù)，還能夠有效地抑制噪聲對融合圖像質(zhì)量的影響；在選擇帶通方向子帶系數(shù)時，充分利用了NSCT的方向特性以及各尺度子帶圖像與源圖像尺寸大小相同的特性，給出了非采樣Contourlet域方向?qū)Ρ榷鹊母拍睿⑻岢隽艘环N基于方向?qū)Ρ榷鹊南禂?shù)選擇方案。采用了多聚焦圖像進行仿真實驗，并對融合結(jié)果進行了主客觀評價。實驗結(jié)果表明，相比于傳統(tǒng)的基于小波變換的圖像融合算法，該算法能夠有效避免"人為"效應(yīng)或高頻噪聲的引入，得到具有更好視覺效果和更優(yōu)量化指標的融合圖像。 從控制系統(tǒng)的觀點描述了生產(chǎn)制造全流程的控制與運行管理流程，分析了表征產(chǎn)品的質(zhì)量、產(chǎn)量、成本、消耗等相關(guān)的綜合生產(chǎn)指標與控制系統(tǒng)動作之間的聯(lián)系，回顧了涉及的控制與優(yōu)化的研究成果。從基于數(shù)學模型、基于數(shù)據(jù)和基于模型與數(shù)據(jù)相結(jié)合的角度綜述了控制與優(yōu)化方面的研究現(xiàn)狀。在此基礎(chǔ)上分析了生產(chǎn)制造全流程優(yōu)化控制對過程控制與運行優(yōu)化、以及控制系統(tǒng)實現(xiàn)技術(shù)的挑戰(zhàn)，分析了實現(xiàn)生產(chǎn)制造全流程優(yōu)化控制應(yīng)開展的研究內(nèi)容。 提出了一種基于多特征自適應(yīng)融合的核跟蹤框架。利用目標特征的子模型集合構(gòu)造了目標的多特征描述，通過線性加權(quán)方法將目標的多個特征集成在核跟蹤方法中。根據(jù)各個特征子模型與當前日標及背景的相似性，提出了一種基于Fisher可分性度量book=38,ebook=42的權(quán)值自適應(yīng)更新機制；同時為了克服模型更新過程中的漂移，基于子模型的可分性提出了一種選擇性更新策略，實現(xiàn)了在變化場景下的魯棒跟蹤?；谠撐乃岫嗵卣鞲櫩蚣?，利用目標的顏色特征與LBP（Local Binary Pattern）紋理特征具體實現(xiàn)了多特征自適應(yīng)融合的核跟蹤方法，實驗驗證了文方法的有效性。 在傳統(tǒng)采樣過程中，為了避免信號失真，采樣頻率不得低于信號最高頻率的2倍。然而對于數(shù)字圖像、視頻的獲取，依照香農(nóng)（Shannon）定理會導(dǎo)致海量采樣數(shù)據(jù)，大大增加了存儲和傳輸?shù)拇鷥r。近年來，一種新興的壓縮傳感理論為數(shù)據(jù)采集技術(shù)帶來了革命性的突破，得到了研究人員的廣泛關(guān)注。壓縮傳感采用非自適應(yīng)線性投影來保持信號的原始結(jié)構(gòu)，能通過數(shù)值最優(yōu)化問題準確重構(gòu)原始信號。壓縮傳感以遠低于奈奎斯特頻率進行采樣，在壓縮成像系統(tǒng)、模擬/信息轉(zhuǎn)換、生物傳感等領(lǐng)域有著廣闊的應(yīng)用前景。本文主要介紹了壓縮傳感的基本理論及相關(guān)應(yīng)用，并對其研究前景進行了展望。 提出了一種基于自適應(yīng)混合高斯模犁的時空背景建模方法，有效地融合了像素在時空域上的分布信息，改善了傳統(tǒng)的混合島斯背景建模方法對非平穩(wěn)場景較為敏感的缺點。首先利用混合高斯模型學習每個像素在時間域上的分布，構(gòu)造了基于像素的時間域背景模型，在此基礎(chǔ)上，通過非參數(shù)密度估計方法統(tǒng)計每個像素鄰域內(nèi)表示背景的高斯成分在空間上的分布，構(gòu)造了基于像素的空間域背景模型；在決策層融合了基于時空背景模型的背景減除結(jié)果。為了提高該文時空背景建模的效率，提在了一種新的混合高斯模型高斯成分個數(shù)的自適應(yīng)選擇策略，并利用積分圖實現(xiàn)了空間域背景模型的快速計算。通過在不同的場景下與多個背景建模方法比較，實驗結(jié)果驗證了該文算法的有效性。 作為一維Otsu法的推廣，二維Otsu法綜合考慮了像素點的灰度信息及其鄰域灰度的均值信息，可以有效地濾除噪聲。其快速算法采用遞歸的方式構(gòu)建查找表，將算法的時間復(fù)雜性由O（L4）降到O（L2）。提出基于分解的閾值選取算法，求解兩個一維Otsu法的閾值來替代原始的二維Otsu法的最佳閾值。指出在原算法的假設(shè)成立的條件下，該方法可以得到與原二維Otsu法相同的分割閾值，而算法的時間復(fù)雜性可以進一步降低到O（L）。而在實際中，原算法的假設(shè)一般不成立。該文的實驗結(jié)果表明此時該閾值選取方法也可以在保證原二維Otsu算法良好的抗噪性的前提下，計算閾值所需的時間更短、空間更小，且閾值化結(jié)果也可以達到或優(yōu)于二維Otsu算法的結(jié)果。 提出了一種全新的分類框架，將故障診斷方法整體分為兩大類，即定性分析的方法和定量分析的方法。對現(xiàn)有的方法在此框架下進行了劃分，并詳細介紹了每種方法的基本思想、研究進展和典型應(yīng)用，其中重點討論了數(shù)據(jù)驅(qū)動的方法。最后，簡述了故障預(yù)測的研究現(xiàn)狀，并探討了故障診斷研究存在的問題和未來的發(fā)展方向。

關(guān)鍵詞：群體智能；模擬進化算法；二元網(wǎng)絡(luò)；蟻群算法；遺傳算法 分布估計算法；遺傳算法；統(tǒng)計學習；概率模型 目標跟蹤；Mean Shift；顏色模型；相似性度量 多機器人系統(tǒng)；移動機器人；任務(wù)規(guī)劃；運動規(guī)劃；協(xié)調(diào)控制 仿生機器人；壁虎；爬壁 分數(shù)階微積分；分數(shù)階偏微分；分數(shù)階梯度向量；模板卷積；紋理細節(jié)特征 自由漂浮空間機器人；載體姿態(tài)無擾；非完整路徑規(guī)劃；笛卡兒空間 學習辨識；最小二乘法；隨機時變系統(tǒng)；重復(fù)一致性 除草機器人；視覺導(dǎo)航；模糊控制；算法設(shè)計 并行；微粒群優(yōu)化；單純形法；多種群；速度逃逸 閾值分割；最小誤差閾值法；二維灰度直方圖 圖像融合；小波；框架；濾波器組；梅花形采樣；移不變性 圖像分割；圖切分；超像素；高斯模型；均值漂移；期望最大化算法 目標跟蹤；不確定性度量；粒子濾波；多特征融合 視頻車輛；多目標跟蹤；Mean Shift粒子濾波；魯棒性 預(yù)測控制；最優(yōu)控制；穩(wěn)定性；魯棒預(yù)測控制；控制不變集；集結(jié) 數(shù)據(jù)驅(qū)動控制；在線數(shù)據(jù)；離線數(shù)據(jù)；綜述；展望 圖像處理；圖像融合；非采樣Contourlet變換；方向?qū)Ρ榷龋痪植繀^(qū)域梯度能量 生產(chǎn)制造全流程；綜合生產(chǎn)指標；運行優(yōu)化控制；優(yōu)化控制系統(tǒng) 視覺跟蹤；多特征融合；選擇性更新；核跟蹤 壓縮傳感；稀疏表示；信號重構(gòu)；約束等距性；壓縮成像 時空背景模型；信息融合；混合高斯模型；非參數(shù)密度估計 圖像分割；Otsu；二值圖像；閾值化；灰度圖像 動態(tài)系統(tǒng)；故障診斷；故障預(yù)測；數(shù)據(jù)驅(qū)動

來源出版物：自動化學報, 2007, 33(3): 259-264 入選年份：2012

分布估計算法綜述

周樹德，孫增圻

來源出版物：自動化學報, 2007, 33(2): 113-124 入選年份：2012

一種改進的Mean Shift跟蹤算法

李培華

來源出版物：自動化學報, 2007, 33(4): 347-354 入選年份：2012

多移動機器人系統(tǒng)研究發(fā)展近況

原魁，李園，房立新

來源出版物：自動化學報, 2007, 33(8): 785-794 入選年份：2012

仿壁虎機器人研究綜述

王田苗，孟偲，裴葆青，等

來源出版物：機器人, 2007, 29(3): 290-297 入選年份：2012

數(shù)字圖像的分數(shù)階微分掩模及其數(shù)值運算規(guī)則

蒲亦非，王衛(wèi)星

來源出版物：自動化學報, 2007, 33(11): 1128-1135 入選年份：2012

一種笛卡兒空間的自由漂浮空間機器人路徑規(guī)劃方法

張福海，付宜利，王樹國

來源出版物：機器人, 2009, 31(2): 187-192 入選年份：2012

學習辨識：最小二乘算法及其重復(fù)一致性

孫明軒，畢宏博

來源出版物：自動化學報, 2012, 38(5): 698-706 入選年份：2012

基于模糊控制的除草機器人自主導(dǎo)航

郭偉斌，陳勇

來源出版物：機器人, 2010, 32(2): 204-209 入選年份：2013

一種基于單純形法的改進微粒群優(yōu)化算法及其收斂性分析

張勇，鞏敦衛(wèi)，張婉秋

來源出版物：自動化學報, 2009, 35(3): 289-298 入選年份：2013

灰度圖像最小誤差閾值分割法的二維推廣

范九倫，雷博

來源出版物：自動化學報, 2009, 35(4): 386-393 入選年份：2013

梅花形采樣離散小波框架圖像融合算法

楊波，敬忠良

來源出版物：自動化學報, 2010, 36(1): 12-22 入選年份：2013

基于高斯超像素的快速Graph Cuts圖像分割方法

韓守東，趙勇，陶文兵，等

來源出版物：自動化學報, 2011, 37(1): 11-20 入選年份：2013

基于不確定性度量的多特征融合跟蹤

顧鑫，王海濤，汪凌峰，等

來源出版物：自動化學報, 2011, 37(5): 550-559 入選年份：2013

基于MSPF的實時監(jiān)控多目標跟蹤算法研究

王相海，方玲玲，叢志環(huán)

來源出版物：自動化學報, 2012, 38(1): 139-144 入選年份：2013

基于非線性迭代滑模的欠驅(qū)動UUV三維航跡跟蹤控制

賈鶴鳴，張利軍，程相勤，等

關(guān)鍵詞：欠驅(qū)動無人水下航行器；三維航跡跟蹤；非線性迭代滑模；虛擬向?qū)?/p>

來源出版物：自動化學報, 2012, 38(2): 308-314 入選年份：2013

預(yù)測控制定性綜合理論的基本思路和研究現(xiàn)狀

席裕庚，李德偉

來源出版物：自動化學報, 2008, 34(10): 1225-1234 入選年份：2013

數(shù)據(jù)驅(qū)動控制理論及方法的回顧和展望

侯忠生，許建新

來源出版物：自動化學報, 2009, 35(6): 650-667 入選年份：2013

基于非采樣Contourlet變換多傳感器圖像融合算法

張強，郭寶龍

來源出版物：自動化學報, 2008, 34(2): 135-141 入選年份：2013

生產(chǎn)制造全流程優(yōu)化控制對控制與優(yōu)化理論方法的挑戰(zhàn)

柴天佑

來源出版物：自動化學報, 2009, 35(6): 641-649 入選年份：2013

基于多特征自適應(yīng)融合的核跟蹤方法

王永忠，梁彥，趙春暉，等

來源出版物：自動化學報, 2008, 34(4): 393-399 入選年份：2013

壓縮傳感綜述

李樹濤，魏丹

來源出版物：自動化學報, 2009, 35(11): 1369-1377 入選年份：2013

基于自適應(yīng)混合高斯模型的時空背景建模

王永忠，梁彥，潘泉，等

來源出版物：自動化學報, 2009, 35(4): 371-378 入選年份：2013

基于分解的灰度圖像二維閾值選取算法

岳峰，左旺孟，王寬全

來源出版物：自動化學報, 2009, 35(7): 1022-1027 入選年份：2013

動態(tài)系統(tǒng)的故障診斷技術(shù)

周東華，胡艷艷

來源出版物：自動化學報, 2009, 35(6): 748-758 入選年份：2013