针对智能水下机器人(AUV)软件故障修复过程中存在的修复代价过高和系统环境只有部分可观察的问题,提出了一种基于微重启技术和部分客观马尔可夫决策(POMDP)模型的AUV软件故障修复方法。该方法结合AUV软件系统分层结构特点,构建了基于微重启的三层重启结构,便于细粒度的自修复微重启策略的实施;并依据部分可观马尔可夫决策过程理论,给出AUV软件自修复POMDP模型,同时采用基于点的值迭代(PBVI)算法求解生成修复策略,以最小化累积修复代价为目标,使系统在部分可观环境下能够以较低的修复代价执行修复动作。仿真实验结果表明,基于微重启技术和POMDP模型的AUV软件故障修复方法能够解决由软件老化及系统调用引起的AUV软件故障,同与两层微重启策略和三层微重启固定策略相比,该方法在累积故障修复时间和运行稳定性上明显更优。

提出了一种新颖的核非负稀疏表示(KNSR)算法，将其用于人脸识别，主要贡献有如下3个方面：首先，在稀疏表示(SR)的基础上引入了对表示系数的非负限制，并利用核函数来描述样本之间的非线性关系，提出了相应的目标函数；其次，提出了一种乘性梯度下降迭代算法对提出的目标函数进行优化求解，该算法在理论上可以保证收敛到全局最优值；最后，利用局部二元特征和汉明核来建模人脸样本的非线性关系，从而实现鲁棒的人脸识别。实验结果表明，在具有挑战性的人脸库上所提算法识别率均高于最近邻(NN)算法、支持向量机(SVM)、最近子空间(NS)、SR和协同表示(CR)算法，在YaleB和AR数据库上都达到了大约99%的识别率。