十字激光图像的亚像素中心检测算法研究

激光光斑中心的精确定位是机器视觉检测领域的关键技术。本文就双摄像头获取的十字激光图像进行光斑中心检测。首先,根据激光光斑亮度高的特点,以最大类间方差法对激光图像进行二值化处理,既可以简化后续处理、提高实时性,又可以排除背景中的各种干扰因素。然后分别检测两条激光中心线点群作为直线拟合的样本点,并采用最小二乘算法拟合两条激光线得到激光光斑中心的亚像素级定位。最后,对得到的激光光斑中心进行分析,去除由于物体表面不光滑等因素产生的干扰线对检测结果的影响。实验结果表明该算法能够满足实时性需求,鲁棒性好,定位精度高。     

BFGS算法在ARMA模型参数估计中的应用

本文提出了一种ARMA模型参数估计的改进方法．这种方法通过非线性最小二乘法结合高斯一牛顿法．利用BFGS算法构造具有遗传对称正定性的矩阵近似Hesse矩阵的逆．加快计算的收敛速度和提高模型参数估计的精确度,并证明了该算法的全局收敛性．     

基于随机Kaczmarz算法的最小二乘拟合

最小二乘法是一种常用的数据拟合方法,当实验数据庞大时,对应一个大型超定线性方程组,采用一般的求解方法会面临计算量大的困难.随机Kaczmarz算法是求解大型超定线性方程组的经典算法之一,将其应用于最小二乘拟合,实验结果表明拟合效果好.     

最小二乘法在个人所得税税收收入研究中的应用

在经济变量模型的参数估计中,最常见的一种拟合方法就是经典的最小二乘法估计量.在给定的假设条件下,最小二乘法得到的参数估计量具有非常好的统计性质,能够直观的分析因变量与自变量之间存在的关系.对最小二乘法估计值求解的数学原理及计量性质进行了阐述,并采用最小二乘估计法估计量解释了影响个人所得税税收收入的一些主要因素.     

最小二乘法在个人所得税税收收入研究中的应用

在经济变量模型的参数估计中,最常见的一种拟合方法就是经典的最小二乘法估计量.在给定的假设条件下,最小二乘法得到的参数估计量具有非常好的统计性质,能够直观的分析因变量与自变量之间存在的关系.对最小二乘法估计值求解的数学原理及计量性质进行了阐述,并采用最小二乘估计法估计量解释了影响个人所得税税收收入的一些主要因素.     

数据拟合的最小二乘法在物理实验中的应用

利用最小二乘法对物理实验数据加以分析,结果表明最小二乘法可以对离散数据进行有效的拟合.     

小波阈值方法在Laplace方程中的应用

把Laplace方程的柯西问题化为算子方程来考虑,右端项是非精确数据。运用小波对偶最小二乘法,得到了阶最佳的收敛性稳定性分析和非线性自适应。     

最小二乘法原理及其在实验曲线拟合中的应用分析

最小二乘法在曲线拟合中占有十分重要的位置,在一元一次直线方程中,最小二乘法的应用十分广泛,但在一元二次的直线方程中应用有限,本文从最小二乘法在直线中应用出发,引进一元二次方程进行论述,从物理学角度将所得物理模型进行论证,最终通过校验说明文章模型的合理性。     

最小二乘法的拟合及其应用

最小二乘法在很多领域都有着重要的应用。本文探讨了最小二乘法的一元线性拟合和多元线性拟合,并讨论了最小二乘法在经济预测中的应用。     

LINEST函数在最小二乘法求直线拟合中的应用

最小二乘法求直线拟合是在大学物理实验数据处理中常见的一种方法,在实验数据比较多的情况下,利用最小二乘法公式求线性参数和相关系数运算量大,费时费力。提出用Excel软件中的LINEST函数进行数据处理的方法及优点。     

改进的PSO算法及其在证券组合投资中的应用

粒子群优化算法(PSO)作为一种进化计算技术,已经广泛运用到了各个行业领域中。基于不同应用领域的具体要求,人们也针对不同的技术特点对PSO进行了改进。针对PSO算法在证券组合投资中的应用要求,提出一种改进的PSO算法,并通过上海证券交易所的实际数据进行计算机模拟,证实该算法在实际证券组合投资中的实用性。     

改进的F-ISODATA聚类算法在ANFIS建模中的应用

文章介绍了模糊ISODATA聚类分析的算法及其改进算法,并以此对基因序列聚类进行实验分析。对基于模糊ISODATA聚类分析的神经模糊建模方法进行了介绍,并以此对电动汽车的蓄电池剩余电量进行了知识建模,得到了较好的结果。     

改进FCM算法在网络入侵检测中的应用研究

入侵检测作为一种主动防御技术已成为实现网络安全的一个重要手段.数据挖掘技术中模糊C均值算法(FCM)对分析审计日志数据和检测入侵非常有用,它通过迭代来优化目标函数,求取目标函数的极值点,但该算法本身无监督性,没有先验知识指导的初始化值易使算法陷入局部极值,从而产生误导.基于广义回归神经网络(GRNN)改进FCM算法则可以在网络入侵检测中最大可能地避免主观假定对预测结果的影响.     

Retinex算法在铁路货运检测中的应用

本文将Retinex算法应用到铁路货运检测中,着重研究并实现了在Retinex算法基础上发展起来的单尺度Retinex(SSR)图像增强算法和多尺度Retinex(MSR)图像增强算法,不仅能增大图像动态范围,提高图像亮度,还能保持图像细节,增加图像清晰度。     

一种改进的MTCNN人脸检测算法

人脸检测主要运用于机场、火车站等人口密集场所。目前常用的人脸检测算法有MTCNN、YOLOV3、faster-RCNN、SSD等,但已有算法难以兼顾检测速度和检测准确性。 通过改进多任务级联卷积神经网络（MTCNN）人脸检测算法,将MTCNN、YOLOV3、faster-RCNN等3个模型进行整合,减少内存与显存之间的数据搬运;然后动态修改Minsize值,减少图像金字塔中图片生成数量,并根据图像相似度对输入图片进行不同处理以提高效率。改进后的MTCNN算法比传统MTCNN算法识别速度提高将近40%,且正确率达到97%,可更好满足现代社会对于人脸检测的应用需求。     

一种改进的聚类和孤立点检测算法

对基于距离的聚类及基于密度的孤立点检测方法进行了分析研究,提出了一种基于距离和密度的聚类和孤立点检测算法DDBCOD.该算法根据距离和密度阈值对数据进行聚类,并发现数据中的孤立点.实验表明,该算法能够识别任意形状的聚类,对高维数据有效,能够很好的识别出孤立点.     

基于改进的数学形态学边缘检测算法研究

研究了彩色图像边缘检测问题。针对传统边缘检测算法存在的边缘分辨率较低、低强度边缘保护能力较差等情况,提出了基于数学形态学彩色图像边缘检测改进算法。该方法将利用数学形态四运算,即膨胀、腐蚀、开、闭等变换以及它们的组合,并根据不同的结构元素的尺度大小和结构元类型,给出了一种改进的形态学抗噪型边缘检测算子,有效地检测出完整的图像边缘信息,并保持图像边缘的平滑性。实验结果证明了,与传统的边缘检测算法相比,本文提出的算法能有效提取准确的边缘信息,而且又具有很强的抗噪性,是一种有效的边缘检测方法。     

改进 SSD 的交通标志目标检测算法

以 Faster R-CNN 为代表的 two-stage 目标检测算法检测速度慢,而 one-stage 目标检测算法中的 SSD算法虽然检测速度快,但对交通标志类小目标的检测效果不佳。因此在 SSD 算法 VGG16 骨干网络上引入感受野块（RFB）结构,既提升检测速度又可在小目标检测上达到良好的检测精度。与此同时,为提高网络分类精度,在损失函数中加入中心损失。将 SSD 算法与改进的 SSD 算法在 VOC 数据集上进行训练,对比其性能可知,改进后算法 mPA 值达到 80.7%,相比 SSD300（VGG16）算法提高了 3.5%。该算法在 LISA traffic sign 数据集上训练,在迁移学习的基础上得到的 mPA 值为 78.4%,检测单张图像平均耗时为 20.5ms,可满足实时性要求。     

一种基于改进帧差法的运动目标检测

针对视频中的运动目标离摄像头较近时由于形状的变化而导致目标边界测定不准确的问题,在帧间差分法的基础上,提出了一个求精运动目标边界的算法。先用得到边界值计算目标中心点,再对视频中的运动目标进行运动距离和速度的检测,并在Matlab中进行仿真。实验结果表明,该算法对帧差法的结果进行求精后,得到的运动目标的状态值更接近于实际情况,改进的算法更适合于视频中运动目标形状变化较大的情况下进行运动目标状态的检测。     

改进的分数阶微分算法在图像增强中的应用

针对图像增强过程中没有根据图像局部特征进行个性化增强的问题,提出改进的分数阶微分算法,结合局部标准差和粗糙度,计算不同的增强算子来处理图像.本文从函数定义、滤波器构造、实验比较几个方面进行阐述,结果证明,该算法能够自适应地计算分数阶微分阶次,对于不同的区域的灰度得到与其对应的适当的分数阶阶次.通过与方向模板的结合,实现对图像的细节、边缘和纹理信息的有效增强,使得图像的视觉效果增强.