《自动化学报》发表文章入选第五届“中国科协优秀科技论文”

《自动化学报》发表于2017年第1期的论文“平行学习-机器学习的一个新型理论框架”入选第五届中国科协优秀科技论文，这是学报自第一至第四届获奖之后的第7篇获奖论文。

2016年起，中国科协每年组织开展优秀科技论文遴选计划，遴选评定发表在我国科技期刊上的优秀论文代表，它们或在基础研究领域对所在学科发展有重大影响或能够开拓和引领学科发展；或在应用研究领域具有巨大应用价值、能够引导所在学科工程与技术发展；或反映某分支学科的历史背景、研究现状、发展趋势，具有较高的学科价值。

本文提出了一种新的机器学习理论框架.该框架结合了现有多种机器学习理论框架的优点，并针对如何使用软件定义的人工系统从大数据提取有效数据，如何结合预测学习和集成学习，以及如何利用默顿定律进行指示学习等目前机器学习领域面临的重要问题进行了特别设计.

李力, 林懿伦, 曹东璞, 郑南宁, 王飞跃. 平行学习——机器学习的一个新型理论框架. 自动化学报, 2017, 43(1): 1-8

 http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2017.y000001

自能源（We-energy，WE）作为能源互联网的子单元旨在实现能量间的双向传输及灵活转换.由于自能源在不同工况下运行特性存在很大差异，现有方法还不能对其参数精确地辨识.为了解决上述问题，本文根据自能源网络结构提出了一种基于GAN技术的数据——机理混合驱动方法对自能源模型参数辨识.将GAN （Generative adversarial networks）模型中训练数据与专家经验结合进行模糊分类，解决了自能源在不同运行工况下的模型切换问题.通过应用含策略梯度反馈的改进GAN技术对模型进行训练，解决了自能源中输出序列离散的问题.仿真结果表明，提出的模型具有较高的辨识精度和更好的推广性，能有效地拟合系统不同工况下各节点的状态变化.

孙秋野, 胡旌伟, 杨凌霄, 张化光. 基于GAN技术的自能源混合建模与参数辨识方法. 自动化学报, 2018, 44(5): 901-914

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2018.c170487

01基于非局部相似模型的压缩感知图像恢复算法

针对压缩感知(Compressed sensing, CS)图像恢复问题, 提出了一种基于非局部相似模型的压缩感知恢复算法, 该算法将传统意义上二维图像块的稀疏性扩展到相似图像块组在三维空间上的稀疏性, 在提高图像表示稀疏度的同时进一步提高了压缩感知图像恢复效率, 恢复图像在纹理和结构保持方面都得到了很大的提升. 在该算法模型求解过程中, 使用增广拉格朗日方法将受限优化问题转换为非受限优化问题, 为减少计算复杂度, 还使用了基于泰勒展开的线性化技术来加速算法求解. 实验结果表明, 该算法的图像恢复性能优于目前主流的压缩感知图像恢复算法.

沈燕飞, 李锦涛, 朱珍民, 张勇东, 代锋. 基于非局部相似模型的压缩感知图像恢复算法. 自动化学报, 2015, 41(2): 261-272

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2015.c140210

02基于EMD和选择性集成学习算法的磨机负荷参数软测量

针对磨机筒体振动和振声信号组成复杂难以解释、蕴含信息存在冗余性和互补性、与磨机负 荷参数映射关系难以描述等问题，提出了基于经验模态分解（Empirical mode decomposition，EMD）技术和选择性集成学习算法分析 筒体振动与振声信号组成，建立磨机负荷参数软测量模型的新方法.首先从机理上定性分析了筒 体振动及振声信号组成的复杂性；然后采用EMD技术将原始信号自适应分解为具有不同时间尺度的系列组 成成分，即本征模态函数（Intrinsic mode function，IMF）；接着在频域内基于互信息（Mutual information，MI）方法分析并选择IMF频谱特征；最后采用基 于核偏最小二乘（Kernel partial least square，KPLS）建模方法、分支定界优化算法的选择性集成学习方法建立磨机负荷参数软测量模型，实现了多源多尺度频谱特征的选择性信息融合.基于实验球磨机的实际运行数据仿真验证了该方法的有效性.

汤健, 柴天佑, 丛秋梅, 苑明哲, 赵立杰, 刘卓, 余文. 基于EMD和选择性集成学习算法的磨机负荷参数软测量. 自动化学报, 2014, 40(9): 1853-1866

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2014.01853

03基于密度的聚类中心自动确定的混合属性数据聚类算法研究

面对广泛存在的混合属性数据,现有大部分混合属性聚类算法普遍存在聚类 质量低、聚类算法参数依赖性大、聚类类别个数和聚类中心无法准确自动确定等问题,针对 这些问题本文提出了一种基于密度的聚类中心自动确定的混合属性数据 聚类算法.该算法通过分析混合属性数据特征,将混合属性数据分为数 值占优、分类占优和均衡型混合属性数据三类,分析不同情况的特征选取 相应的距离度量方式.在计算数据集各个点的密度和距离分布图基础 上,深入分析获得规律: 高密度且与比它更高密度的数据点有较大距离的数 据点最可能成为聚类中心,通过线性回归模型和残差分析确定奇异 点,理论论证这些奇异点即为聚类中心,从而实现了自动确定聚类中心.采 用粒子群算法(Particle swarm optimization, PSO)寻找最优dc值,通过参数dc能够计算得到 任意数据对象的密度和到比它密度更高的点的最小距离,根据聚类 中心自动确定方法确定每个簇中心,并将其他点按到最近邻的更高 密度对象的最小距离划分到相应的簇中,从而实现聚类.最终将本文 提出算法与其他现有的多种混合属性聚类算法在多个数据集上进行 算法性能比较,验证本文提出算法具有较高的聚类质量.

陈晋音, 何辉豪. 基于密度的聚类中心自动确定的混合属性数据聚类算法研究. 自动化学报, 2015, 41(10): 1798-1813

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.2015.c150062

过程控制不仅使被控对象的输出尽可能好地跟踪控制器设定值, 而且要对整个工业装置的运行进行控制, 使反映产品在该装置加工过程中质量、效率与消耗等指标, 即运行指标在目标值范围内, 尽可能提高质量与效率指标, 尽可能降低消耗指标, 即实现工业过程运行优化控制. 本文在综述了已有的运行优化与控制方法的基础上, 重点介绍了复杂工业过程的数据驱动的混合智能运行优化控制和运行控制半实物仿真系统, 并以赤铁矿磨矿过程为应用研究案例, 仿真实验和工业应用结果表明所提方法的有效性, 并指出了复杂工业过程运行优化控制研究需要关注的问题.

柴天佑. 复杂工业过程运行优化与反馈控制. 自动化学报, 2013, 39(11): 1744-1757

http://www.aas.net.cn/cn/article/doi/10.3724/SP.J.1004.2013.01744

论述了作者提出并实现的全过程计算机辅助动画自动生成技术,即从用自然语言书写 的故事开始,直至最终生成动画,每一步都是在计算机辅助下完成的,这是一种新的基于人工智 能的动画生成技术.文中还分别从自然语言理解、故事理解、动画设计和生成、规划、动画知识 库、常识处理几个方面对该技术进行阐述.

陆汝钤, 张松懋. 从故事到动画片--全过程计算机辅助动画自动生成. 自动化学报, 2002, 28(03): 321-348

http://www.aas.net.cn/article/id/15534

自动化学报