計算機(jī)應(yīng)用研究

2024年06期

收藏成功

微博空間微信

類型

月刊

類別

定價

促銷信息

全年訂閱更優(yōu)惠!

￥50.00 ￥12.00

原貌版試讀單本購買

強(qiáng)化學(xué)習(xí)的可解釋方法分類研究 摘要：強(qiáng)化學(xué)習(xí)能夠在動態(tài)復(fù)雜環(huán)境中實現(xiàn)自主學(xué)習(xí)，這使其在法律、醫(yī)學(xué)、金融等領(lǐng)域有著廣泛應(yīng)用。但強(qiáng)化學(xué)習(xí)仍面臨著全局狀態(tài)空間不可觀測、對獎勵函數(shù)強(qiáng)依賴和因果關(guān)系不確定等諸多問題，導(dǎo)致其可解釋性弱，嚴(yán)重影響其在相關(guān)領(lǐng)域的推廣，會遭遇諸如難以判...
面向分布式復(fù)雜數(shù)據(jù)樣本的聯(lián)邦語義分割方法綜述 摘要：語義分割在醫(yī)學(xué)圖像分析、戰(zhàn)場態(tài)勢感知等領(lǐng)域起著重要作用，但單一客戶端通常無法為模型提供足夠數(shù)量與多樣性的訓(xùn)練數(shù)據(jù)，因此從復(fù)雜多變的分布式數(shù)據(jù)中訓(xùn)練語義分割模型是有必要的。為了不泄露數(shù)據(jù)隱私和保護(hù)數(shù)據(jù)安全，應(yīng)用聯(lián)邦學(xué)習(xí)在多客戶端協(xié)同訓(xùn)...
大規(guī)模智慧交通信號控制中的強(qiáng)化學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)方法綜述 摘要：當(dāng)前在交通信號控制系統(tǒng)中引入智能化檢測和控制已是大勢所趨，特別是強(qiáng)化學(xué)習(xí)和深度強(qiáng)化學(xué)習(xí)方法在可擴(kuò)展性、穩(wěn)定性和可推廣性等方面展現(xiàn)出巨大的技術(shù)優(yōu)勢，已成為該領(lǐng)域的研究熱點(diǎn)。針對基于強(qiáng)化學(xué)習(xí)的交通信號控制任務(wù)進(jìn)行了研究，在廣泛調(diào)研交通信...

基于信譽(yù)機(jī)制的改進(jìn)PBFT共識算法 摘要：針對實用拜占庭容錯共識算法（practical Byzantine fault tolerant，PBFT）通信開銷大和缺乏獎懲機(jī)制的問題，提出一種基于信譽(yù)機(jī)制的改進(jìn)PBFT共識算法RPBFT（reputed practical B...
區(qū)塊鏈預(yù)言機(jī)節(jié)點(diǎn)選擇的深度強(qiáng)化學(xué)習(xí)中間件 摘要：優(yōu)化區(qū)塊鏈環(huán)境中現(xiàn)有預(yù)言機(jī)方案中的節(jié)點(diǎn)選擇問題，以提高預(yù)言機(jī)節(jié)點(diǎn)選擇的準(zhǔn)確性和可靠性。引入了基于深度強(qiáng)化學(xué)習(xí)的區(qū)塊鏈預(yù)言機(jī)節(jié)點(diǎn)選擇中間件ORLM（oracle reinforcement learning model）。該中間件考慮...

基于相對距離和歷史成功率機(jī)制的增強(qiáng)麻雀搜索算法 摘要：針對麻雀搜索算法收斂精度低、易陷入局部最優(yōu)等問題，提出了一種融合相對距離和歷史成功率的增強(qiáng)麻雀搜索算法（RHSSA）。首先，RHSSA引入一種融合適應(yīng)度值與相對距離的發(fā)現(xiàn)者選擇方式，使選出的發(fā)現(xiàn)者既保持較高質(zhì)量，又保持在搜索空間的分...
基于改進(jìn)粒子群算法的機(jī)械臂能耗軌跡優(yōu)化 摘要：針對工業(yè)機(jī)器人能耗軌跡優(yōu)化問題，提出了一種基于金字塔層拓?fù)浣Y(jié)構(gòu)的粒子群算法。該算法引入了金字塔層式的拓?fù)浣Y(jié)構(gòu)，將粒子進(jìn)行排序、分層，從而改進(jìn)算法的競爭策略，增加了種群多樣性；引入了新的合作策略以更新粒子的速度和位置；引入勝利百分比來...
基于自適應(yīng)交叉與協(xié)方差學(xué)習(xí)的改進(jìn)平衡優(yōu)化器算法 摘要：針對平衡優(yōu)化器算法存在的收斂精度低和易陷入局部停滯的問題，提出一種基于自適應(yīng)交叉與協(xié)方差學(xué)習(xí)的改進(jìn)平衡優(yōu)化器算法。首先，構(gòu)建外部存檔來保留歷史優(yōu)勢個體，增加種群多樣性，以提高算法的全局尋優(yōu)能力。其次，引入自適應(yīng)交叉概率來平衡算法的全...
基于自變量簡約的大規(guī)模稀疏多目標(biāo)優(yōu)化 摘要：現(xiàn)有的大多數(shù)進(jìn)化算法在求解大規(guī)模優(yōu)化問題時性能會隨決策變量維數(shù)的增長而下降。通常，多目標(biāo)優(yōu)化的Pareto有效解集是自變量空間的一個低維流形，該流形的維度遠(yuǎn)小于自變量空間的維度。鑒于此，提出一種基于自變量簡約的多目標(biāo)進(jìn)化算法求解大規(guī)...
基于改進(jìn)雙檔案多目標(biāo)進(jìn)化算法的柔性作業(yè)車間批量流混排調(diào)度 摘要：針對柔性作業(yè)車間批量流調(diào)度問題，基于快速換模技術(shù)，考慮可變子批劃分柔性、子批混排加工柔性、自動換模柔性和物料運(yùn)輸柔性，建立以最小化完工時間和加工子批總數(shù)為目標(biāo)的混排調(diào)度優(yōu)化模型，并提出一種改進(jìn)雙檔案多目標(biāo)進(jìn)化算法以優(yōu)化目標(biāo)函數(shù)?；?..

圖文語義增強(qiáng)的多模態(tài)命名實體識別方法 摘要：為了解決多模態(tài)命名實體識別方法中存在的圖文語義缺失、多模態(tài)表征語義不明確等問題，提出了一種圖文語義增強(qiáng)的多模態(tài)命名實體識別方法。其中，利用多種預(yù)訓(xùn)練模型分別提取文本特征、字符特征、區(qū)域視覺特征、圖像關(guān)鍵字和視覺標(biāo)簽，以全面描述圖文數(shù)...
基于雙層圖注意力網(wǎng)絡(luò)的鄰域信息聚合實體對齊方法 摘要：針對知識圖譜中存在部分屬性信息對實體對齊任務(wù)影響程度不一致以及實體的鄰域信息重要程度不一致的問題，提出了一種結(jié)合雙層圖注意力網(wǎng)絡(luò)的鄰域信息聚合實體對齊（two-layer graph attention network entity...
基于空間注意力圖的知識蒸餾算法 摘要：知識蒸餾算法對深度神經(jīng)網(wǎng)絡(luò)的精簡具有很大的推動作用。當(dāng)前基于特征的知識蒸餾算法或只關(guān)注單個部分進(jìn)行改進(jìn)，忽視了其他有益部分，或是對小模型應(yīng)重點(diǎn)關(guān)注的部分提供有效指導(dǎo)，這使得蒸餾的效果有所欠缺。為了充分利用大模型的有益信息并處理，以提...
面向動態(tài)三維迷宮的綜合獎勵設(shè)計 摘要：動態(tài)三維迷宮是較為困難的、具有不確定性和不完全信息的強(qiáng)化學(xué)習(xí)任務(wù)環(huán)境，使用常規(guī)獎勵函數(shù)在此環(huán)境中訓(xùn)練任務(wù)，速度緩慢甚至可能無法完成。為解決利用強(qiáng)化學(xué)習(xí)在動態(tài)迷宮中尋找多目標(biāo)的問題，提出一種基于事件觸發(fā)的綜合獎勵方案。該方案將三維迷宮...
考慮實時訂單更新的拼車調(diào)度雙層規(guī)劃模型 摘要：針對訂單實時更新的實際情況，為仍有待完成訂單的司機(jī)持續(xù)分配任務(wù)，在保證司機(jī)收益增加的同時，提升拼車平臺的派單效率。在考慮拼車系統(tǒng)服務(wù)質(zhì)量與運(yùn)行成本的基礎(chǔ)上，基于平臺角度構(gòu)建了以司機(jī)總收益最大化為目標(biāo)的雙層規(guī)劃模型，并給出求解該模型的...
基于測距與GNSS信息融合的車聯(lián)網(wǎng)協(xié)同定位技術(shù) 摘要：為了提高車聯(lián)網(wǎng)中車輛定位的精度，提出了基于車載雷達(dá)測距信息與全球衛(wèi)星導(dǎo)航系統(tǒng)（global navigation satellite system，GNSS）信息融合的車聯(lián)網(wǎng)協(xié)同定位方法。該方法使用極大似然估計策略建立數(shù)學(xué)模型，其本...
一種二進(jìn)制癌癥單驅(qū)動通路識別模型和算法 摘要：針對驅(qū)動通路識別的相關(guān)研究依賴傳統(tǒng)生物實驗方法，存在費(fèi)時費(fèi)力且經(jīng)濟(jì)成本高的問題，提出一種新的二進(jìn)制癌癥驅(qū)動通路識別方法PEA-BLMWS。首先，利用已有的基因表達(dá)數(shù)據(jù)，通過對比正?；蚺c突變基因表達(dá)量的差異，挖掘潛在的基因突變數(shù)據(jù)；...
基于GPU的zk-SNARK中多標(biāo)量乘法的并行計算方法 摘要：針對zk-SNARK（zero-knowledge succinct non-interactive argument of knowledge）中計算最為耗時的多標(biāo)量乘法（multi-scalar multiplication，M...
面向簡化規(guī)則的集成學(xué)習(xí)模型及規(guī)則約簡策略 摘要：隨著機(jī)器學(xué)習(xí)模型的廣泛應(yīng)用，研究者們逐漸認(rèn)識到這類方法的局限之處。這些模型大多數(shù)為黑盒模型，導(dǎo)致其可解釋性較差。為了解決這一問題，以集成學(xué)習(xí)模型為基礎(chǔ)，提出了一種基于規(guī)則的可解釋模型以及規(guī)則約簡方法，包括生成優(yōu)化的隨機(jī)森林模型、冗余...
基于自適應(yīng)重加權(quán)和正則化的集成元學(xué)習(xí)算法 摘要：在訓(xùn)練集存在噪聲標(biāo)簽或類別不平衡分布的情況下，深度神經(jīng)網(wǎng)絡(luò)具有過度擬合這種有偏差的訓(xùn)練數(shù)據(jù)的不良趨勢。通過設(shè)計適當(dāng)?shù)臉颖緳?quán)重，使用重加權(quán)策略是解決此問題的常用方法，但不適當(dāng)?shù)闹丶訖?quán)方案會給網(wǎng)絡(luò)學(xué)習(xí)引入額外的開銷和偏差，僅使用重加權(quán)方...
基于魯棒和可靠對稱交叉熵的測試時適應(yīng)算法 摘要：測試時間適應(yīng)（test-time adaptation，TTA）的目標(biāo)是利用未標(biāo)記的測試數(shù)據(jù)使已訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)模型在測試時適應(yīng)測試數(shù)據(jù)分布?，F(xiàn)有的TTA方法主要考慮在單個或多個靜態(tài)環(huán)境中進(jìn)行適應(yīng)。然而，在非平穩(wěn)環(huán)境中，測試數(shù)據(jù)分...
基于行為輪廓矩陣增強(qiáng)的業(yè)務(wù)流程結(jié)果預(yù)測方法 摘要：預(yù)測性過程監(jiān)控依賴于預(yù)測效果，針對如何增強(qiáng)預(yù)測性過程監(jiān)控預(yù)測效果的問題，提出了一種基于行為輪廓矩陣增強(qiáng)的業(yè)務(wù)流程結(jié)果預(yù)測方法。首先，通過分析活動間的行為關(guān)系提取行為輪廓矩陣，并將其與事件序列一同輸入到模型中。隨后，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)（...
困難樣本采樣聯(lián)合對比增強(qiáng)的深度圖聚類 摘要：針對困難樣本挖掘的圖聚類算法是最近的研究熱點(diǎn)，目前算法存在的主要問題有：對比方法和樣本對加權(quán)策略缺少良好的融合機(jī)制；采樣正樣本時忽略了視圖內(nèi)部的“假陰性”樣本；忽視圖級信息對聚類的幫助。針對上述問題，提出困難樣本采樣聯(lián)合對比增強(qiáng)的圖...
基于雙層解碼的多輪情感對話生成模型 摘要：情感對話系統(tǒng)的成功取決于語言理解、情感感知和表達(dá)能力，同時面部表情和個性等也能提供幫助。然而，盡管這些信息對于多輪情感對話至關(guān)重要，但是現(xiàn)有系統(tǒng)既未能夠充分利用多模態(tài)信息的優(yōu)勢，又忽略了上下文相關(guān)性的重要性。為了解決這個問題，提出了...

基于TransMP模型的Web系統(tǒng)剩余壽命預(yù)測方法 摘要：針對當(dāng)前軟件剩余使用壽命預(yù)測方法忽略了多性能指標(biāo)間所蘊(yùn)涵壽命信息的問題，提出一種融合多性能指標(biāo)Transformer（TransMP）模型的Web系統(tǒng)剩余壽命預(yù)測方法。首先，搭建內(nèi)存故障型Web系統(tǒng)加速老化實驗平臺，創(chuàng)建包含內(nèi)存使用...
基于深度學(xué)習(xí)的融合流程多視角行為分析:預(yù)測業(yè)務(wù)流程監(jiān)控 摘要：預(yù)測性業(yè)務(wù)流程監(jiān)控（PBPM）是業(yè)務(wù)流程管理（BPM）中的一個重要研究領(lǐng)域，旨在準(zhǔn)確預(yù)測未來的行為事件。目前，PBPM研究中廣泛引用了深度學(xué)習(xí)方法，但大多數(shù)方法只考慮單一的事件-控制流視角，無法將屬性-數(shù)據(jù)流視角與之結(jié)合進(jìn)行流程預(yù)測...
基于深度強(qiáng)化學(xué)習(xí)的電子政務(wù)云動態(tài)化任務(wù)調(diào)度方法 摘要：電子政務(wù)云中心的任務(wù)調(diào)度一直是個復(fù)雜的問題。大多數(shù)現(xiàn)有的任務(wù)調(diào)度方法依賴于專家知識，通用性不強(qiáng)，無法處理動態(tài)的云環(huán)境，通常會導(dǎo)致云中心的資源利用率降低和服務(wù)質(zhì)量下降，任務(wù)的完工時間變長。為此，提出了一種基于演員評論家（actor-c...
快速視頻去霧改進(jìn)算法的FPGA實現(xiàn) 摘要：內(nèi)窺鏡去霧算法在醫(yī)療領(lǐng)域具有廣泛應(yīng)用，為臨床醫(yī)生提供清晰、實時的圖像。去霧技術(shù)雖然已經(jīng)取得較大的進(jìn)步，但去霧算法的復(fù)雜度較高，在內(nèi)窺鏡等復(fù)雜情況下硬件實現(xiàn)較為困難。為了在硬件上實現(xiàn)內(nèi)窺鏡實時去霧效果，對暗通道先驗算法進(jìn)行改進(jìn)，降低硬...
考慮多源供能波動性的企業(yè)生產(chǎn)運(yùn)作與能源計劃耦合優(yōu)化 摘要：多源供能是提高清潔能源占比，助力制造企業(yè)綠色低碳轉(zhuǎn)型的有效方式。然而受季節(jié)、天氣等因素影響，可再生能源出力存在波動性，影響能源系統(tǒng)供應(yīng)的穩(wěn)定性。針對該問題，構(gòu)建了企業(yè)生產(chǎn)運(yùn)作與能源計劃耦合優(yōu)化的不確定整數(shù)規(guī)劃模型，利用區(qū)間數(shù)描述能源...

非正交多址系統(tǒng)中基于公平性改善的雙層擠壓迭代功率分配方法 摘要：為了解決下行非正交多址系統(tǒng)中多用戶通信的公平性問題，提出了基于公平性改善的雙層擠壓迭代功率分配方法。研究內(nèi)容包括：首先，設(shè)計基于用戶信道增益差的用戶信道分裂過程，方便動態(tài)調(diào)整功率擠壓時的擠壓程度；其次，從強(qiáng)用戶到弱用戶進(jìn)行內(nèi)層功率擠...
多域網(wǎng)絡(luò)中基于域間時延博弈的端到端動態(tài)協(xié)同切片方法 摘要：針對多域網(wǎng)絡(luò)中的切片存在域間時延不均的問題，提出了一種基于域間時延博弈的端到端動態(tài)協(xié)同切片方法（inter-domain dynamic game algorithm，IDGA）。采用博弈論方法將端到端時延約束分配到不同的網(wǎng)絡(luò)域，通...
基于深度強(qiáng)化學(xué)習(xí)的邊緣網(wǎng)絡(luò)內(nèi)容協(xié)作緩存與傳輸方案研究 摘要：為了應(yīng)對第五代無線通信網(wǎng)絡(luò)中數(shù)據(jù)吞吐量急劇增加的問題，移動邊緣緩存成為了一種有效的解決方案。它通過在邊緣設(shè)備上存儲網(wǎng)絡(luò)內(nèi)容，減輕回程鏈路和核心網(wǎng)絡(luò)的負(fù)擔(dān)，縮短服務(wù)時延。到目前為止，大多數(shù)邊緣緩存研究主要優(yōu)化協(xié)作內(nèi)容緩存，忽略了內(nèi)容傳...
非完美頻譜感知下認(rèn)知超密集網(wǎng)絡(luò)的資源分配 摘要：針對實際認(rèn)知超密集網(wǎng)絡(luò)場景中認(rèn)知無線電存在非完美頻譜感知的情況，提出了一種基于非完美頻譜感知的資源分配方案，目標(biāo)是在考慮跨/同層干擾約束、保障用戶服務(wù)質(zhì)量下，最大化非完美頻譜感知下認(rèn)知超密集網(wǎng)絡(luò)中次級網(wǎng)絡(luò)的能效。為此，依據(jù)網(wǎng)絡(luò)模型構(gòu)...

基于可逆神經(jīng)網(wǎng)絡(luò)的神經(jīng)輻射場水印 摘要：針對面向隱式表達(dá)的神經(jīng)輻射場的3D模型的版權(quán)問題，將神經(jīng)輻射場水印的嵌入與提取視為一對圖像變換的逆問題，提出了一種利用可逆神經(jīng)網(wǎng)絡(luò)水印保護(hù)神經(jīng)輻射場版權(quán)方案。利用二維圖像的水印技術(shù)以實現(xiàn)對三維場景的保護(hù)，通過可逆網(wǎng)絡(luò)中的正向過程在神...
基于可學(xué)習(xí)攻擊步長的聯(lián)合對抗訓(xùn)練方法 摘要：對抗訓(xùn)練（AT）是抵御對抗攻擊的有力手段。然而，現(xiàn)有方法在訓(xùn)練效率和對抗魯棒性之間往往難以平衡。部分方法提高訓(xùn)練效率但降低對抗魯棒性，而其他方法則相反。為了找到最佳平衡點(diǎn)，提出了一種基于可學(xué)習(xí)攻擊步長的聯(lián)合對抗訓(xùn)練方法（FGSM-L...
梯度隱藏的安全聚類與隱私保護(hù)聯(lián)邦學(xué)習(xí) 摘要：聯(lián)邦學(xué)習(xí)是一種前沿的分布式機(jī)器學(xué)習(xí)算法，它在保障用戶對數(shù)據(jù)控制權(quán)的同時實現(xiàn)了多方協(xié)同訓(xùn)練。然而，現(xiàn)有的聯(lián)邦學(xué)習(xí)算法在處理Non-IID數(shù)據(jù)、梯度信息泄露和動態(tài)用戶離線等方面存在諸多問題。為了解決這些問題，基于四元數(shù)、零共享與秘密共享...
基于不經(jīng)意多項式估值的SM4協(xié)同加解密方案 摘要：協(xié)同加解密是安全多方計算中的重要研究方向，它可以安全高效地實現(xiàn)數(shù)據(jù)保護(hù)、隱私保護(hù)。為解決現(xiàn)有SM4協(xié)同加解密方案離線計算階段計算復(fù)雜度偏高的問題，提出一種基于不經(jīng)意多項式估值的SM4協(xié)同加解密方案。方案利用預(yù)計算的多項式集合和多項式...

基于內(nèi)容風(fēng)格增強(qiáng)和特征嵌入優(yōu)化的人臉活體檢測方法 摘要：針對現(xiàn)有人臉活體檢測算法的特征表示不佳，以及在跨數(shù)據(jù)集上泛化性能較差等問題，提出了一種基于內(nèi)容風(fēng)格增強(qiáng)和特征嵌入優(yōu)化的人臉活體檢測方法。首先，使用ResNet-18編碼器提取來自多個源域的通用特征，并經(jīng)過不同注意力機(jī)制的兩個自適應(yīng)模...
3D UNeXt:輕量級快速腦提取網(wǎng)絡(luò) 摘要：為了解決現(xiàn)有腦提取網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、參數(shù)量大且推理速度不高的問題，受UNeXt啟發(fā)，提出一種基于3D卷積、3D多層感知機(jī)（multilayer perception，MLP）和多尺度特征融合的輕量級快速腦提取網(wǎng)絡(luò)3D UNeXt，極大地...
基于特征級損失和可學(xué)習(xí)噪聲的醫(yī)學(xué)圖像域泛化方法 摘要：在醫(yī)學(xué)圖像分割任務(wù)中，域偏移問題會影響訓(xùn)練好的分割模型在未見域的性能，因此，提高模型泛化性對于醫(yī)學(xué)圖像智能模型的實際應(yīng)用至關(guān)重要。表示學(xué)習(xí)是目前解決域泛化問題的主流方法之一，大多使用圖像級損失和一致性損失來監(jiān)督圖像生成，但是對醫(yī)學(xué)圖...
基于局部-全局特征耦合與邊界引導(dǎo)的遙感圖像建筑物變化檢測 摘要：針對現(xiàn)有變化檢測方法局部特征和全局特征難以兼顧、變化對象和背景之間分界模糊的問題，提出了一種基于局部-全局特征耦合與邊界引導(dǎo)的遙感圖像建筑物變化檢測方法。該方法在編碼階段采用并行的卷積神經(jīng)網(wǎng)絡(luò)和Transformer分別提取遙感圖像...
基于優(yōu)化感受野策略的圖像修復(fù)方法 摘要：當(dāng)前流行的基于深度神經(jīng)網(wǎng)絡(luò)的圖像修復(fù)方法，通常使用大感受野的特征提取器，在修復(fù)局部圖案和紋理時，會產(chǎn)生偽影或扭曲的紋理，從而無法恢復(fù)圖像的整體語義和視覺結(jié)構(gòu)。為了解決這個問題，提出了一種基于優(yōu)化感受野策略的圖像修復(fù)方法（optimi...
基于目標(biāo)圖像先驗信息的無監(jiān)督多聚焦圖像融合 摘要：多聚焦圖像融合（MFIF）是從不同源圖像中獲取聚焦區(qū)域，以形成全清晰圖像的一種圖像增強(qiáng)方法。針對目前MFIF方法主要存在的兩個方面問題，即傳統(tǒng)的空間域方法在其融合邊界存在較強(qiáng)的散焦擴(kuò)散效應(yīng)（DSE）以及偽影等問題；深度學(xué)習(xí)方法缺乏還...
一種面向機(jī)器視覺感知的暗光圖像增強(qiáng)網(wǎng)絡(luò) 摘要：低光照等惡劣環(huán)境下的目標(biāo)檢測一直都是難點(diǎn)，低光照和多霧因素往往會導(dǎo)致圖像出現(xiàn)可視度低、噪聲大等情況，嚴(yán)重干擾目標(biāo)檢測的檢測精度。針對上述問題，提出了一個面向機(jī)器視覺感知的低光圖像增強(qiáng)網(wǎng)絡(luò)MVP-Net，并與YOLOv3目標(biāo)檢測網(wǎng)絡(luò)整...
基于嵌套剖分的位姿圖分層優(yōu)化算法 摘要：位姿圖優(yōu)化（pose graph optimization，PGO）是一種在同時定位與地圖構(gòu)建（simultaneous localization and mapping，SLAM）后端優(yōu)化中常用的高維非凸優(yōu)化算法，通常建模成極大...