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

2016 Vol.17 No.6 P.489-602

<<< CONTENTS >>>

Regular Papers

Preference transfer model in collaborative filtering for implicit data

Bin Ju, Yun-tao Qian, Min-chao Ye

DOI: 10.1631/FITEE.1500313 Downloaded: 2528 Clicked: 6145 Cited: 0 Commented: 0(p.489-500) <Full Text> <PPT> 1946

Chinese summary <100> 基于興趣轉移模型的協同過濾算法

目的：由于單一(yī)域中(zhōng)的用戶-物(wù)品關系數據的極度稀疏性，很容易遇到預測的“天花闆”。爲提高隐性關系數據的預測效果，把來自浏覽域的用戶-物(wù)品頻(pín)次矩陣與來自購物(wù)域的用戶-物(wù)品頻(pín)次矩陣進行整合，能夠提早預測到用戶興趣的時間發生(shēng)點，從而提高推薦系統的預測精度。
創新點：采用多任務非負矩陣分(fēn)解框架。不同于前人基于高斯分(fēn)布先驗的矩陣分(fēn)解模型，本文基于泊松分(fēn)布先驗，提出一(yī)種基于用戶興趣因子轉移的跨域的非負矩陣分(fēn)解模型。
方法：首先，“先看後買”是人類購物(wù)的一(yī)般行爲。來自浏覽行爲背後的用戶興趣一(yī)定早于購物(wù)行爲背後的用戶興趣發生(shēng)，因此通過概率圖模型對矩陣進行共享物(wù)品因子的分(fēn)解（圖2）。然後，針對用戶-物(wù)品關系矩陣中(zhōng)的數據是頻(pín)次數據的特點，提出了一(yī)個基于泊松分(fēn)布先驗的多任務非負矩陣分(fēn)解算法（算法1）。算法第一(yī)階段，把用戶-物(wù)品浏覽矩陣和用戶-物(wù)品購買矩陣一(yī)起分(fēn)解爲用戶浏覽興趣因子矩陣和用戶購買興趣因子矩陣。第二階段，把兩個興趣因子矩陣按列的最大(dà)值置1，其餘爲0，然後做兩個因子矩陣的點積，生(shēng)成所謂的興趣轉移字典。第三階段，根據興趣轉移字典重構下(xià)一(yī)階段用戶-物(wù)品的購買矩陣，預測未來用戶可能會購買何種物(wù)品（圖3）。
結論：基于相同用戶、相同物(wù)品的不同業務場景信息（如浏覽行爲數據和購買行爲數據）分(fēn)析用戶潛在興趣的概率産生(shēng)模式，能夠大(dà)幅度提升預測用戶未來購買何種物(wù)品的效果。

關鍵詞組：推薦系統；協同過濾；興趣轉移模型；跨域；隐性數據

ARAP++: an extension of the local/global approach to mesh parameterization

Zhao Wang, Zhong-xuan Luo, Jie-lin Zhang, Emil Saucan

DOI: 10.1631/FITEE.1500184 Downloaded: 2684 Clicked: 6500 Cited: 3 Commented: 0(p.501-515) <Full Text> <PPT> 1802

Chinese summary <38> ARAP++:一(yī)類推廣的局部/全局參數化算法

目的：本文針對單邊界和多邊界的三角網格提出了一(yī)種含有凸組合權值的局部/全局參數化方法（ARAP++）。該方法将凸組合權值與三角面片間仿射變換的Jacobian矩陣相結合，得到一(yī)種新的線性叠代格式，收斂迅速。它是一(yī)種自由邊界的參數化方法。可以通過調整Jacobian矩陣的奇異值，使參數化網格保持原始網格的幾何性質。同時在叠代格式中(zhōng)引入拉伸算子來處理高曲率的三角網格，減小(xiǎo)了其參數化後的面積扭曲與拉伸扭曲。最後通過數值實驗将ARAP++方法與其它經典參數化方法進行比較。實驗結果表明本文方法所得到的參數化結果較之其它方法在角度、面積和拉伸等方面的扭曲變形有明顯改進，從而使得該方法在紋理映射和重網格化等應用中(zhōng)得到較好的視覺效果。
創新點：首先通過優化彈性能量函數推導得到了一(yī)類局部/全局線性叠代格式，并闡明該方法與ARAP方法之間的聯系。針對保面積的情況，提出了一(yī)種快速得到最佳拟合矩陣的方法。最後爲提高算法的魯棒性，對ARAP++方法進行改進，使其可以很好的處理高曲率網格的展平，盡可能防止參數化結果的網格重疊。
方法：ARAP++是一(yī)種線性叠代的參數化方法。本文首先将原始網格初始化展平到平面上，然後對初始化網格進行叠代計算。其中(zhōng)每次叠代主要分(fēn)爲兩個階段：（1）局部優化；（2）整體(tǐ)求解。實驗證明本文算法收斂迅速，并且可以得到很好的紋理映射和重網格化結果。
結論：本文提出了一(yī)種自由邊界的網格參數化方法，該方法可以使用不同的凸組合權值得到相應性質的參數化結果（圖10），也可以通過改變Jacobian矩陣的奇異值來達到保角、保面積、保剛性的目的（圖3）。本文方法針對不同的網格模型也可以通過拉伸算子來協調參數化後角度、面積以及拉伸扭曲之間的關系（圖9），從而使得該方法在紋理映射（圖13、14）和重網格化（圖15）等應用中(zhōng)得到較好的視覺效果。

關鍵詞組：網格參數化；凸組合權值；拉伸算子；Jacobian矩陣

Unseen head pose prediction using dense multivariate label distribution

Gao-li Sang, Hu Chen, Ge Huang, Qi-jun Zhao

DOI: 10.1631/FITEE.1500235 Downloaded: 2501 Clicked: 6037 Cited: 0 Commented: 0(p.516-526) <Full Text>

Chinese summary <35> 基于稠密多變量标簽的“連續”頭部姿态估計方法

目的：精确的頭部姿态估計對于人臉相關的應用，如人臉識别、視線估計、情感分(fēn)析等具有重要意義。大(dà)多數現有的人臉姿态估計方法僅能對訓練數據庫包含姿态的情況進行估計。爲實現對訓練數據庫不包含姿态的情況進行預測，有學者提出了基于回歸的頭部姿态估計方法。然而，這些基于回歸的方法雖然可以預測連續的姿态，但是卻很少有相關的系統性性能評估。
方法：針對訓練數據庫不包含姿态的估計問題，本文提出使用稠密多變量标簽分(fēn)布表示人臉姿态。通過給樣本分(fēn)配稠密化的多變量标簽，可以實現對數據庫不包含姿态的情況進行較爲準确的估計。
結論：本文方法在Pointing’04數據庫上的yaw和pitch方向分(fēn)别取得了平均絕對誤差4.01°和2.13°。此外(wài)，在CAL-PEAL，Multi-PIE等公開(kāi)庫上的實驗表明，本文方法在訓練數據庫包含姿态上的預測性能也優于其他比較先進的方法。

關鍵詞組：頭部姿态估計；稠密多變量标簽分(fēn)布；角度間隔；不一(yī)緻性标簽

Multi-objective layout optimization of a satellite module using the Wang-Landau sampling method with local search

Jing-fa Liu, Liang Hao, Gang Li, Yu Xue, Zhao-xia Liu, Juan Huang

DOI: 10.1631/FITEE.1500292 Downloaded: 2221 Clicked: 6600 Cited: 4 Commented: 0(p.527-542) <Full Text> <PPT> 1725

Chinese summary <38> 求解多目标衛星艙布局優化問題的帶局部搜索的Wang-Landau抽樣算法

目的：成功的衛星艙布局設計不僅可以有效降低衛星艙的發射成本與建造成本，而且可以提高其承載能力、使用壽命及穩定性。本文研究成果理論上可望推廣應用于具有不同布局空間和考慮其他設計目标、約束條件的布局設計問題，有助于推進航天器布局設計理論的研究。在算法實踐上期望有助于人造衛星儀器艙布局設計問題實用化方法與技術的研究和應用，并可望推廣應用于其它複雜(zá)航天器布局設計領域。
創新點：将Wang-Landau随機抽樣算法和基于梯度法的局部搜索算法相結合，并引入一(yī)些啓發式布局更新策略，提出了一(yī)種新的混合算法。實驗結果表明該算法可以有效解決多目标衛星艙組件布局優化問題。
方法：借鑒罰函數思想把帶約束的優化問題轉化爲不帶約束的優化問題；采用二分(fēn)法找到衛星艙的最小(xiǎo)半徑；提出快速幹涉量計算方法；通過結合Wang-Landau抽樣算法，基于梯度法的局部搜索算法和啓發式布局更新策略構建了一(yī)種混合算法（WL-LS）。
結論：通過結合Wang-Landau抽樣算法、局部搜索算法和啓發式布局更新策略，所提出的混合算法在實驗結果上優于現有的最好算法，是一(yī)種求解多目标衛星艙布局優化問題的有效算法。

關鍵詞組：裝填問題；布局設計；衛星艙；Wang-Landau抽樣算法

Orbit determination using incremental phase and TDOA of X-ray pulsar

Rong Jiao, Lu-ping Xu, Hua Zhang, Cong Li

DOI: 10.1631/FITEE.1500365 Downloaded: 2093 Clicked: 5578 Cited: 0 Commented: 0(p.543-552) <Full Text> <PPT> 1610

Chinese summary <36> 基于X射線脈沖星相位增量和TDOA的初軌确定方法

目的：針對航天器需要安裝多個探測器及初軌定軌精度低的問題，實現單探測器高精度定軌。
創新點：提出一(yī)種使用單探測器分(fēn)時觀測三顆X射線脈沖星來确定初始軌道的方法，并将一(yī)個觀測周期内的相位增量和TDOA相融合來提高定軌精度。
方法：首先，從X射線脈沖星導航基本原理出發，得到TDOA觀測量。考慮到航天器同時安裝多個探測器時體(tǐ)積大(dà)功耗高的問題，提出了在航天器上安裝一(yī)個探測器，輪流分(fēn)時觀測三顆脈沖星，獲得相位增量觀測量。然後，使用加權最小(xiǎo)二乘法将TDOA和相位增量信息融合，提供比傳統X射線脈沖星導航更多的信息，從而提高定軌精度。最後，通過仿真實驗，驗證所提方法的有效性。
結論：爲了提高初軌定軌精度，提出了一(yī)種X射線脈沖星相位增量觀測與TDOA相融合的方法。與單獨TDOA定軌相比，融合算法定軌位置精度提高了30%以上，速度精度提高了20%以上，達到了初軌确定的精度要求。

關鍵詞組：初軌确定算法；單X射線脈沖星探測器；相位增量；二體(tǐ)運動方程；加權最小(xiǎo)二乘法

Intelligent computing budget allocation for on-road trajectory planning based on candidate curves

Xiao-xin Fu, Yong-heng Jiang, De-xian Huang, Jing-chun Wang, Kai-sheng Huang

DOI: 10.1631/FITEE.1500269 Downloaded: 2131 Clicked: 5830 Cited: 0 Commented: 0(p.553-565) <Full Text> <PPT> 1725

Chinese summary <34> 基于候選曲線的公路軌迹規劃中(zhōng)的智能計算量分(fēn)配

目的：公路軌迹規劃是輔助駕駛和無人駕駛領域中(zhōng)的關鍵問題。爲解決該問題，作者針對傳統方法（如勢場法、RRT）在求解質量和求解效率方面的不足，提出基于候選曲線的規劃算法OODE。OODE分(fēn)軌迹曲線和加速度變化兩部分(fēn)規劃軌迹，采用差分(fēn)進化（DE）算法通過求解子問題計算各候選曲線的評價，然後通過比較曲線評價從候選者中(zhōng)選取最優曲線。DE的叠代次數越多，曲線評價越準确。本文考慮對不同曲線智能分(fēn)配叠代計算量，以減少總計算量消耗，同時保證所選最優曲線以足夠高的概率是真實最優曲線，從而提高OODE算法的效率。
創新點：提出基于智能計算量分(fēn)配（ICBA）的軌迹規劃算法框架；設計曲線評價預測模型和優質曲線選拔模型，提出基于ICBA的軌迹規劃算法IOODE。
方法：基于對優質曲線叠代分(fēn)配計算量的思想，設計智能計算量分(fēn)配（ICBA）機制，提出基于ICBA的軌迹規劃算法框架（圖4）；設計曲線評價預測模型（EPM）和優質曲線選拔模型（CSM），提出基于ICBA的軌迹規劃算法IOODE；通過仿真分(fēn)析IOODE算法的軌迹規劃結果（圖9、10），驗證所提出計算量分(fēn)配機制的有效性（圖12、13）和ICBA對算法效率的提升作用（圖14、表5）。
結論：本文中(zhōng)提出的IOODE算法與OODE算法相比，求解質量沒有明顯區别，但求解速度提升約20%（表5）。

關鍵詞組：智能計算量分(fēn)配；軌迹規劃；公路規劃；智能汽車(chē)；序優化

Subspace-based identification of discrete time-delay system

Qiang Liu, Jia-chen Ma

DOI: 10.1631/FITEE.1500358 Downloaded: 2238 Clicked: 6055 Cited: 0 Commented: 0(p.566-575) <Full Text> <PPT> 1693

Chinese summary <32> 基于子空間的離(lí)散時滞系統辨識

目的：時滞存在于很多系統中(zhōng)，時滞會導緻系統性能下(xià)降并使系統變得不穩定。因此研究具有未知(zhī)時滞的線性辨識對于系統分(fēn)析和控制設計有着很重要的作用。本文提出了一(yī)種ACS算法，用來解決具有單一(yī)時延的離(lí)散随機時滞系統的辨識。
創新點：提出一(yī)種ACS算法，将時滞系統矩陣從估計的增廣矩陣中(zhōng)重新恢複出來。采用狀态增廣方法将時滞系統與等價的線性時不變系統聯系起來，利用N4SID算法對增廣系統矩陣進行初始估計。
方法：時滞系統被表達爲具有單一(yī)時延的時滞差分(fēn)方程。首先利用狀态增廣方法将線性時滞系統轉化爲一(yī)個等價的線性時不變系統。然後利用子空間辨識方法對增廣系統矩陣進行初始估計，提出了一(yī)種ACS算法，得到了線性時滞系統的狀态空間模型。最後通過解決兩個最小(xiǎo)二乘法問題，利用卡爾曼狀态序列和輸入輸出數據得到相同狀态空間下(xià)的時滞系統矩陣。
結論：本文提出的ACS算法可以利用估計的增廣矩陣得出時滞系統矩陣，解決了線性離(lí)散時滞系統的辨識問題，同時證明了該算法具有良好的局部收斂性能。仿真結果表明了這種算法的有效性。

關鍵詞組：辨識問題；時滞系統；子空間辨識方法；ACS算法；最小(xiǎo)二乘法

Active steering control strategy for articulated vehicles

Kyong-il Kim, Hsin Guan, Bo Wang, Rui Guo, Fan Liang

DOI: 10.1631/FITEE.1500211 Downloaded: 2900 Clicked: 7523 Cited: 1 Commented: 0(p.576-586) <Full Text> <PPT> 1889

Chinese summary <34> 鉸接車(chē)輛的主動轉向控制策略研究

目的：在車(chē)輛穩定性控制領域中(zhōng)，目前對兩軸車(chē)的研究較爲成熟，對多軸的鉸接車(chē)輛模拟仍有待深入研究。現有的文獻對鉸接車(chē)輛的穩定性控制策略，主要采用挂車(chē)跟蹤拖車(chē)軌迹的控制策略，不适用于直角彎工(gōng)況。爲解決這一(yī)問題，本文設計了适用于鉸接車(chē)輛的跟蹤理想橫擺角速度和質心側偏角的控制策略，适用于鉸接車(chē)輛任意工(gōng)況的穩定性控制。
創新點：首次将跟蹤理想橫擺角速度和質心側偏角的控制策略用于鉸接車(chē)輛。
方法：建立了3自由度鉸接車(chē)輛簡化模型，采用基于模拟退火(huǒ)的粒子群優化方法辨識簡化模型的關鍵參數并形成三維場圖，能根據鉸接車(chē)輛的實時工(gōng)況查表得出當前鉸接車(chē)輛的關鍵參數。采用LQR方法設計了跟蹤理想橫擺角速度和質心側偏角的控制策略。
結論：本文的控制策略能很好地減小(xiǎo)鉸接車(chē)輛的質心側偏角（圖22、23）；能很好地跟蹤理想的橫擺角速度（圖18、19）；減小(xiǎo)側向加速度（圖24、25）改善高速鉸接車(chē)輛的穩定性并适用于直角彎工(gōng)況（圖14）。

關鍵詞組：鉸接車(chē)輛；直角彎工(gōng)況；穩定性控制；LQR

Derivation and analysis on the analytical structure of interval type-2 fuzzy controller with two nonlinear fuzzy sets for each input variable

Bin-bin Lei, Xue-chao Duan, Hong Bao, Qian Xu

DOI: 10.1631/FITEE.1601019 Downloaded: 2155 Clicked: 5671 Cited: 0 Commented: 0(p.587-602) <Full Text> <PPT> 1572

Chinese summary <30> 每個輸入具有兩個非線性模糊集合的區間二型模糊控制器解析結構的推導與分(fēn)析

題目：每個輸入具有兩個非線性模糊集合的區間二型模糊控制器解析結構的推導與分(fēn)析
目的：針對具有非線性模糊集合的區間二型模糊控制器内部工(gōng)作原理未知(zhī)的問題，提出内部解析結構的推導方法，同時分(fēn)析區間二型模糊控制器的特點和優勢，爲模糊控制器的系統設計提供理論指導。
創新點：首先，将區間二型模糊控制器的解析結構推導推廣到了具有非線性模糊集合和紮德AND算子的區間二型模糊控制器。其次，分(fēn)析了區間二型模糊控制器優于對應一(yī)型模糊控制器的原因。最後，通過結構分(fēn)析爲區間二型模糊控制器的不确定迹參數的調整提供了理論依據。
方法：首先，根據區間二型模糊控制器Karnik-Mendel降型方法的特點将整個模糊輸入空間劃分(fēn)爲若幹分(fēn)區（圖6）。其次，在得到的每一(yī)個分(fēn)區上，推導區間二型模糊控制器具體(tǐ)的輸入輸出函數表達式（式（31）、式（A8）‐（A21））。同時，證明了文中(zhōng)具有非線性模糊集合的區間二型模糊集合近似等效爲具有變增益的非線性PI或PD控制器。然後，在得到的解析結構的基礎上，從理論上分(fēn)析了文中(zhōng)的區間二型模糊控制器的參數變化對控制性能的影響以及在超調量和上升時間方面優于對應一(yī)型模糊控制器的原因。最後，通過仿真實例和實驗驗證了上述理論分(fēn)析的正确性和文中(zhōng)區間二型模糊控制器的有效性。
結論：文中(zhōng)提出的具有非線性模糊集合的區間二型模糊集合近似等效爲具有變增益的非線性PI或PD控制器。

關鍵詞組：區間二型模糊控制器；解析結構；Karnik-Mendel降型