Journal of Zhejiang University

Current Issue: <FITEE>

Frontiers of Information Technology & Electronic Engineering (former title: Journal of Zhejiang University SCIENCE C (Computers & Electronics), 2010-2014)

ISSN 2095-9184 (print); ISSN 2095-9230 (online); CN 33-1389/TP; Monthly.

FITEE is an international peer-reviewed journal indexed by SCI-E, Ei Compendex, DBLP, IC, Scopus, JST, CSA, etc. It covers research in Electrical and Electronic Engineering, including Computer Science, Information Sciences, Control, Automation, Telecommunications, and related disciplines.

Impact factor: 0.308 (2011), 0.297 (2012), 0.380 (2013), 0.415 (2014), 0.392 (2015), 0.622 (2016), 0.910 (2017), 1.033 (2018), 1.604 (2019), 2.161 (2020), 2.526 (2021).

Frontiers of Information Technology & Electronic Engineering

ISSN 2095-9184 (print), ISSN 2095-9230 (online), monthly

2015 Vol.16 No.11 P.899-994

<<< CONTENTS >>>

Computer & Automation

Improving performance portability for GPU-specific OpenCL kernels on multi-core/many-core CPUs by analysis-based transformations

Mei Wen, Da-fei Huang, Chang-qing Xun, Dong Chen

DOI: 10.1631/FITEE.1500032 Downloaded: 2479 Clicked: 6290 Cited: 0 Commented: 0(p.899-916) <Full Text> <PPT> 1666

Chinese summary <31> 使用“基于分(fēn)析的代碼轉換方法”來提升GPU特定的OpenCL kernel在多核/衆核CPU上的性能移植性

目的：針對面向GPU設計的OpenCL kernel程序在CPU上性能移植性欠佳這一(yī)問題，設計一(yī)種基于訪存特征分(fēn)析的代碼轉換方法，提升性能移植性。
創新點：通過分(fēn)析OpenCL kernel中(zhōng)的訪存模式，去(qù)除不必要的局部存儲數組及其帶來的同步語句，并使用向量化和局域性重開(kāi)發進一(yī)步優化代碼，最終取得顯著的性能提升。
方法：首先，針對OpenCL kernel代碼中(zhōng)的數組訪問，設計一(yī)種精确的線性化訪問描述子（圖2）。然後，利用該描述子，分(fēn)兩步對GPU特定的OpenCL kernel代碼進行轉換，以提高其在CPU上的性能（圖7）。第一(yī)步爲基于分(fēn)析的work-item折疊，即通過分(fēn)析訪問描述子，找出并去(qù)除不必要的局部存儲數組及其帶來的同步語句，然後完成work-item折疊。第二步爲适應架構的代碼優化，即針對CPU架構的特點，使用向量化和局域性重開(kāi)發進一(yī)步優化折疊後的代碼。最後，上述代碼轉換過程被整合爲一(yī)個工(gōng)具鏈，連同一(yī)個調度程序，嵌入到一(yī)個開(kāi)源的OpenCL運行時系統中(zhōng)（圖11）。實驗結果表明，這種轉換方法可以顯著提升GPU特定的OpenCL kernel在Intel Sandy Bridge架構CPU和Intel Knights Corner架構協處理器上的性能。
結論：準确分(fēn)析OpenCL kernel代碼中(zhōng)的訪存模式，不僅利于判斷局部存儲數組是否适合于CPU架構，還能用于指導之後的代碼優化過程，因此是提高性能移植性的重要步驟。

關鍵詞組：OpenCL；性能移植性；多核/衆核CPU；基于分(fēn)析的轉換

View-invariant human action recognition via robust locally adaptive multi-view learning

Jia-geng Feng, Jun Xiao

DOI: 10.1631/FITEE.1500080 Downloaded: 2721 Clicked: 6170 Cited: 2 Commented: 0(p.917-929) <Full Text> <PPT> 1827

Chinese summary <25> 基于魯棒局部自适應多視角學習的視點無關人體(tǐ)行爲識别

目的：基于視覺的人體(tǐ)行爲識别是一(yī)個非常活躍的研究領域。它在智能監控、感知(zhī)接口和基于内容的視頻(pín)檢索等領域具有廣泛的應用前景。然而，一(yī)些現實應用場景仍然阻礙行爲識别技術的發展，比如現實場景中(zhōng)的動作往往是從任意角度拍攝的。因此與視點無關的行爲識别顯得十分(fēn)重要。大(dà)量研究者開(kāi)始緻力于行爲識别的視點無關性。本文提出一(yī)種基于多視角學習的視點無關人體(tǐ)行爲識别方法。
創新點：針對現有多視角學習算法在構建近鄰圖時缺乏數據自适應性的問題，本文提出一(yī)種自适應多視角學習算法。此外(wài)，還提出一(yī)種叠代優化求解方法對所構建的目标函數進行優化求解。
方法：對于單個視角下(xià)的所有樣本特征數據，構建一(yī)個該視角下(xià)的L1圖。在獲得數據的稀疏圖結構後，對于單視角下(xià)的數據，希望學習一(yī)種最優的降維方法，在對原始數據進行降維的同時，最大(dà)程度地保持數據内在的局部結構信息；對于不同的視角，取一(yī)個非負的權重向量來衡量不同視角的重要程度。對于全部的視角可以統一(yī)起來得到目标函數。最後利用叠代優化求解，用支持向量機（SVM）分(fēn)類。
結論：将本文所提算法應用到視點無關的行爲識别中(zhōng)，實驗結果表明：該算法能夠自适應地選擇近鄰數與不同特征的權重；與其他幾種對比算法相比，本文所提算法的分(fēn)類準确率更高。

關鍵詞組：視點無關；行爲識别；多視角學習：L1範數

Multiclass classification based on a deep convolutional network for head pose estimation

Ying Cai, Meng-long Yang, Jun Li

DOI: 10.1631/FITEE.1500125 Downloaded: 2766 Clicked: 7020 Cited: 3 Commented: 0(p.930-939) <Full Text> <PPT> 1853

Chinese summary <29> 基于深度卷積網絡的多分(fēn)類法在頭部姿态估計中(zhōng)的應用

目的：利用深度卷積網絡的優勢，解決頭部姿态估計中(zhōng)各種關鍵難點，并提高分(fēn)類正确率。
創新點：将人工(gōng)智能的新興方法深度卷積網絡應用在頭部姿态估計問題上，根據姿态估計的具體(tǐ)問題設計一(yī)套裁剪人臉的方法，改進卷積網絡模型、優化參數，并取得了大(dà)幅度的效果提升。
方法：首先，因爲深度卷積網絡算法對圖像旋轉、尺度、光照等的魯棒性，圖像預處理階段僅對圖像做簡單裁剪（圖3），并對比了各種裁剪法對分(fēn)類正确率的影響（表1）。然後，在訓練階段使用适合姿态估計的數據處理策略，通過少量偏移裁剪框和輕微變化圖像尺度來獲得更多的訓練數據以提升效果，在三種公開(kāi)數據庫上報告了實驗結果并與目前取得最好效果的三種方法做了對比（表4）。最後，設計兩種不同深度的網絡，對比網絡深度對效果的影響（表2）。
結論：針對頭部姿态估計問題，提出了切實有效的新解決方案，并取得了明顯改善的效果。

關鍵詞組：頭部姿态估計；卷積神經網絡；多分(fēn)類

Automatically building large-scale named entity recognition corpora from Chinese Wikipedia

Jie Zhou, Bi-cheng Li, Gang Chen

DOI: 10.1631/FITEE.1500067 Downloaded: 3010 Clicked: 6444 Cited: 0 Commented: 0(p.940-956) <Full Text> <PPT> 1888

Chinese summary <28> 基于中(zhōng)文維基的大(dà)規模命名實體(tǐ)識别語料自動生(shēng)成方法

目的：命名實體(tǐ)識别作爲自然語言處理領域一(yī)項重要的基礎性工(gōng)作，當前主流方法是基于有監督的機器學習方法。該類方法依賴于特定語種和領域的标注語料，而語料的标注過程需耗費(fèi)大(dà)量的人力、物(wù)力。本文提出一(yī)種基于中(zhōng)文維基的大(dà)規模命名實體(tǐ)識别（NER）語料自動生(shēng)成方法。利用該方法能自動抽取并标記中(zhōng)文維基中(zhōng)的句子，從而爲中(zhōng)文NER任務提供有效的語料支持。
創新點：本文根據中(zhōng)文維基的特點設計出四類啓發式規則，并結合有監督的命名實體(tǐ)分(fēn)類器，實現中(zhōng)文維基條目的命名實體(tǐ)類型的準确、全面識别；爲避免缺失的維基鏈接引發的标注缺失，本文利用出鏈接的邊界信息發現維基文檔中(zhōng)的隐式指稱項，并利用實體(tǐ)鏈接技術識别歧義指稱項的實體(tǐ)類型；本文提出一(yī)種基于核心條目擴展的标注語料選擇方法，實現測試數據的領域自适應。
方法：本文方法的整體(tǐ)流程如原文圖2所示。該方法主要包括顯式指稱項的實體(tǐ)分(fēn)類、隐式指稱項的類型識别和标注語料選擇三個主要步驟。在顯式指稱項的實體(tǐ)分(fēn)類中(zhōng)，爲實現準确、全面的實體(tǐ)類型識别，采用基于啓發式規則與有監督實體(tǐ)分(fēn)類器相結合的方法；在隐式指稱項的類型識别中(zhōng)，提出一(yī)種新方法發現維基文檔中(zhōng)的隐式指稱項并識别歧義指稱項的實體(tǐ)類型；在标注語料選擇中(zhōng)，提出一(yī)種基于核心條目擴展的方法，實現測試數據的領域自适應。
結論：根據實驗結果，采用本文方法能自動生(shēng)成大(dà)規模的中(zhōng)文NER語料。此外(wài)，将生(shēng)成語料與标準語料結合時，訓練獲得的NER模型性能更優。

關鍵詞組：NER語料；中(zhōng)文維基；實體(tǐ)分(fēn)類；領域自适應；語料選擇

Electrical & Electronic Engineering

Optimization design of an interior permanent-magnet synchronous machine for a hybrid hydraulic excavator

Qi-huai Chen, Qing-feng Wang, Tao Wang

DOI: 10.1631/FITEE.1500056 Downloaded: 3523 Clicked: 7217 Cited: 1 Commented: 0(p.957-968) <Full Text> <PPT> 1923

Chinese summary <32> 混合動力挖掘機内置式永磁同步電機優化設計

目的：混合動力傳動系統作爲一(yī)種節能減排技術方案，可有效改善傳統液壓挖掘機的油耗和尾氣排放(fàng)。混合動力挖掘機中(zhōng)關鍵部件的研制，尤其是動力電機的研制，一(yī)直是阻礙混合動力系統應用和推廣的難點。本文針對混合動力挖掘機實際工(gōng)況和要求，對混合動力挖掘機的動力電機進行優化設計。
創新點：根據液壓挖掘機實際工(gōng)況特點，總結歸納了混合動力挖掘機動力電機的性能要求，提出一(yī)種動力電機結構；根據動力電機性能和工(gōng)作環境要求，爲提高電機設計效率和精度，提出一(yī)套采用模型法與有限元法相結合的電機設計方法。
方法：對傳統液壓挖掘機工(gōng)況及實際載荷譜進行分(fēn)析，總結歸納動力電機的性能要求。動力電機采用内置切向式和變氣隙相結合的結構方案作爲電機轉子結構。電機的設計以安裝尺寸爲約束條件，以電機具有高效率、高響應及低轉矩脈動等性能爲設計目标，對電機定、轉子結構進行優化設計。首先，建立電機定子參數化模型，确定電機定子尺寸和磁感應強度的分(fēn)布關系；以電機安裝尺寸極限作爲邊界條件，以電機額定工(gōng)況下(xià)損耗最低爲目标函數，對模型采用粒子群算法進行優化獲取定子參數及磁感應強度分(fēn)布。然後，以氣隙磁感應強度的波形畸變最小(xiǎo)爲目标，利用有限元法對電機變氣隙轉子的離(lí)心率及永磁體(tǐ)尺寸進行優化設計，同時保證所獲得的電機磁感應強度與定子的理論設計目标值一(yī)緻。分(fēn)别對電樞反應、永磁體(tǐ)最大(dà)去(qù)磁進行計算和校核。研制了動力電機樣機并進行性能和參數測試。
結論：所設計動力電機樣機具有齒槽轉矩小(xiǎo)和工(gōng)作效率較高的特點。樣機的試驗參數測量值與理論設計值吻合度較高，驗證了所提電機設計及優化方法的有效性。

關鍵詞組：混合動力液壓挖掘機；模型法；有限元法；永磁同步電機

Resampling methods for particle filtering: identical distribution, a new method, and comparable study

Tian-cheng Li, Gabriel Villarrubia, Shu-dong Sun, Juan M. Corchado, Javier Bajo

DOI: 10.1631/FITEE.1500199 Downloaded: 5957 Clicked: 14432 Cited: 8 Commented: 0(p.969-984) <Full Text> <PPT> 2291

Chinese summary <208> 粒子濾波重采樣：同分(fēn)布原則、一(yī)種新方法以及綜合對比

目的：重采樣方法是粒子濾波設計的重要環節，也是避免或克服“權值退化”和“多樣性匮乏”這一(yī)對粒子濾波難點問題的關鍵。當前研究領域已有幾十餘種重采樣方法，然而尚缺乏一(yī)個基礎性的重采樣設計原則以及對這些方法的綜合性能對比。針對于此，本文提出重采樣“同分(fēn)布”設計原則，并在此基礎上，提出一(yī)種能夠最大(dà)程度滿足同分(fēn)布原則的最優重采樣方法。本文希望所提出的重采樣同分(fēn)布原則以及新方法有利于進一(yī)步的新方法設計或已有方法的工(gōng)程選用。
創新點：理論上嚴格定義了同分(fēn)布原則作爲重采樣方法設計的普遍性原則，給出三種同分(fēn)布測度方法；提出了一(yī)種最小(xiǎo)采樣方差（MSV: minimum sampling variance）最優重采樣方法，在滿足漸近無偏性的前提下(xià)獲得最小(xiǎo)采樣方差。
方法：給出三種“重采樣同分(fēn)布”測度方法：Kullback-Leibler偏差,Kolmogorov-Smirnov統計和采樣方差（sampling variance）。所提出的最小(xiǎo)采樣方差重采樣放(fàng)寬了無偏性條件，僅滿足漸近無偏，但獲得了最小(xiǎo)采樣方差（參見定理2-4論證以及仿真性能對比）。
結論：重采樣前後粒子的概率分(fēn)布應該統計上一(yī)緻（即“同分(fēn)布”）是重采樣方法設計的一(yī)個重要原則。明确這一(yī)基本原則有利于規範化重采樣新方法的設計與工(gōng)程選用。所提出的MSV重采樣新方法漸近無偏，并具有最小(xiǎo)采樣方差的優異理論特性，即最優地滿足同分(fēn)布原則。算法性能分(fēn)析表明：大(dà)多數無偏或者漸近無偏重采樣方法在濾波精度上差異較小(xiǎo)，但是在采樣方差、計算效率方面差異較大(dà)。另一(yī)方面，基于一(yī)些特殊規則或者問題模型設計的重采樣方法可能具有特别優勢。

關鍵詞組：粒子濾波；重采樣；統計同分(fēn)布；采樣方差

A modified variable rate particle filter for maneuvering target tracking

Yun-fei Guo, Kong-shuai Fan, Dong-liang Peng, Ji-an Luo, Han Shentu

DOI: 10.1631/FITEE.1500149 Downloaded: 2522 Clicked: 7121 Cited: 0 Commented: 0(p.985-994) <Full Text> <PPT> 1781

Chinese summary <25> 改進的變速率粒子濾波及其在機動目标跟蹤中(zhōng)的應用

目的：針對一(yī)類特定的機動目标跟蹤問題（目标長時間近似勻速直線運動，偶爾強機動運動），提出一(yī)種兼顧機動期間跟蹤精度與非機動期間系統負擔的非線性濾波方法。
創新點：提出便于工(gōng)程應用的基于笛卡爾坐标系的變速率模型和改進的變速率粒子濾波；提出機動檢測方法而非多模型方法動态調整變速率粒子濾波的核心參數。通過在改進的變速率粒子濾波中(zhōng)嵌入無味粒子濾波，進一(yī)步改進估計精度。
方法：首先，提出笛卡爾坐标系下(xià)的變速率采樣模型。此時狀态駐留時間不再與測量周期保持一(yī)緻，從而可以減少目标非機動期間的狀态更新次數。其次，提出一(yī)種基于機動檢測的改進變速率粒子濾波方法，當目标機動或非機動時，動态調整變速率模型的Gamma分(fēn)布參數。目标機動時，狀态更新更頻(pín)繁，粒子分(fēn)布範圍更廣；目标非機動時，狀态更新次數較少，降低系統存儲和計算負擔。最後，在改進的變速率粒子濾波中(zhōng)采用無味粒子濾波，進一(yī)步提高估計精度。
結論：改進的變速率粒子濾波方法采用笛卡爾系而非本體(tǐ)坐标系，需要的先驗信息更少，更便于工(gōng)程應用。通過動态調整算法中(zhōng)的分(fēn)布參數，采用無味粒子濾波方法，可以兼顧目标在非機動和機動期間的跟蹤性能，同時降低系統的計算和存儲負擔。

關鍵詞組：機動目标跟蹤；長期平滑區域；變速率模型；機動檢測