【喜报】《自动化学报》三篇文章入选第三届中国科协优秀科技论文遴选计划

2018 年 10 月 30 日 中国自动化学会

《自动化学报》三篇文章入选第三届中国科协优秀科技论文遴选计划!

近年来，《自动化学报》稳步发展，一方面，继续聚焦自动化前沿科技成果，集中报导热点领域研究进展，出版了过程控制会议三十周年纪念专刊、区块链技术与知识自动化专刊和生成式对抗网络技术与应用专刊，组织了信息物理融合系统理论与应用专刊和未来自动化发展专刊，这些专刊得到广泛关注。另一方面，加强信息传播能力建设，构建多渠道传播平台，提高科研成果传播的速度和广度。

2018年《自动化学报》入选《中国自动化学会推荐学术期刊目录（试行）》且为A类期刊。根据《2017年版中国科技期刊引证报告》(核心版)的相关数据，《自动化学报》 2016年的影响因子为1.407，在信息与系统科学相关工程与技术类期刊中连续五年蝉联第一。 2017年，《自动化学报》获得“百种中国杰出学术期刊”、“中国最具国际影响力学术期刊”荣誉称号，入选“中国精品科技期刊”，持续获得中科院科学出版基金项目资助。《自动化学报》 2013年发表的论文“复杂工业过程运行优化与反馈控制”获第二届中国科协优秀科技论文奖。

学报网址：http://www.aas.net.cn

投稿系统:

https://mc03.manuscriptcentral.com/aas-cn

为深入贯彻落实党的十九大精神，服务创新型国家建设，引导更多高水平科研成果在我国科技期刊首发，提高我国科技期刊汇聚科学发现、引领学科发展、培育顶尖人才的能力，中国科协组织开展了第三届优秀科技论文遴选计划。通过专家推荐、初评遴选、终评审定以及公示等程序，95篇入选论文，其中《自动化学报》三篇文章入选：基于非局部相似模型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EMD和选择性集成学习算法的磨机负荷参数软测量（汤健;柴天佑;丛秋梅;苑明哲;赵立杰;刘卓;余文）和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（陈晋音;何辉豪）。

本届入选的95篇论文是2014年以来发表在我国科技期刊上的优秀论文的代表，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，具有较高的情报学价值。

基于非局部相似模型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

引用格式：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.

摘要：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.

基于EMD和选择性集成学习算法的磨机负荷参数软测量

汤健, 柴天佑, 丛秋梅, 苑明哲, 赵立杰, 刘卓, 余文

引用格式：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.

摘要：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.

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

陈晋音, 何辉豪

引用格式：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.

摘要：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.