动态分层二值进化全关节驱动跟踪贫化算法

在人体运动跟踪建模中,需要对样本集的多样性特征进行贫化处理,以提高全关节驱动模式运动状态跟踪的准确性。传统方法采用量子进化和粒子滤波算法进行人体运动跟踪贫化算法实现,算法在全关节多样化样本特征运动模式下,跟踪效果不好。提出一种采用动态分层二值进化处理的改进的量子进化粒子滤波全关节驱动模式跟踪方法,解决多样本特征的贫化问题。进行人体全关节驱动模式动力学分析及人体运动跟踪模型构建,通过动态分层处理技术,获得二值前景图像,求得人体关节的全方位信息特征,通过动态分层二值进化方法,准确地找到各关节位置,构建亮度模型函数,实现贫化处理。实验表明,改进算法能实现对体操运动员运动幅度大的肘、腕、踝部位均得到了准确的跟踪结果,贫化效果较好,运动状态估计精度较高。     

改进量子进化算法在计算机网络路由选择中的应用研究

针对现有的计算机网络最佳路由选择算法寻优性能和收敛性能较差的问题,本文提出了基于计算机网络路由选择的改进量子进化算法。该算法在传统量子进化算法的基础上,对旋转角进行调整优化,加快搜索速度,提高寻优精度,并且还根据量子位的空间所在象限和相位角对旋转角的方向进行优化调整。通过算法仿真可得知,在计算机网络路由器基础上,本文研究的改进量子进化算法和以往量子进化算法相比,使得计算机网络路由面临选择时在收敛速度和寻优能力更加优越。     

嵌入式平台中Shift目标跟踪算法的收敛局限性优化

嵌入式平台目标跟踪在应用的过程中Mean-Shift算法具有一定的收敛局限性,因此提出了一种基于改进Mean-Shift的嵌入式系统目标跟踪算法,首先对标准Mean-Shift算法的采样模式进行了改进,然后标记已采样的点来加快运算速度,最后对原算法的收敛局限性进行了优化。通过对算法进行仿真,得到结果是:改进的Mean-Shift的嵌入式系统目标跟踪算法相比于之前的算法具有更好的应用性能,其精确性也相对较高。     

一种新改进的粒子群优化算法

由于粒子群优化算法对多极值复杂问题求解时容易陷入局部极值,提出一种新改进的粒子群优化算法。该改进算法是将粒子群进化过程分为两个不同的阶段,每个阶段应用不同的进化模型,通过结合这两种进化模型的各自优点有效地降低群体陷入局部最优。由仿真实验结果可知,对于复杂多极值函数优化问题,本文算法比标准粒子群优化算法的全局寻优能力更强。     

改进差分进化算法在PID控制器在线优化中的应用

将基于混合差分策略的改进差分进化优化算法应用在PID控制器在线优化中。MDE结合了DE/rand/1的多样性和DE/best/1的高收敛速度的优点,算法的寻优性能远超过两种策略单独作用时的性能。MDE充分利用了差分进化的进化寻优优势与PID控制器的简单方便,让控制器在系统运行过程中进行自我设计和优化。     

基于进化算法优化的多Agent系统协作模型

针对差分进化算法在多Agent系统协作时容易过早的收敛到局部极小点,从而导致寻优性能不佳的问题,本文提出了一种基于参数自适应调整差分进化算法的多Agent系统协作模型,首先对标准差分进化算法的参数进行自适应调整,在选择阶段如果子代的适应度值差于相应的父代个体,调整相应的差分进化控制参数,然后将改进算法应用于多Agent系统的协作中,以提高其协作的性能。算法仿真试验结果表明,本文提出的基于参数自适应调整差分进化算法的多Agent系统协作模型相比较传统算法而言,具有较好的寻优能力和协作性能。     

基于自适应观测粒子滤波的运动跟踪算法

针对标准粒子滤波算法在运动跟踪的应用中还存在跟踪精度不高的问题,本文提出了一种基于噪声优化自适应观测粒子滤波算法的运动跟踪模型,首先构建基于目标跟踪的观测模型,利用当前时刻得到的观测量对粒子滤波算法进行修正,然后采用一个加权函数对目标进行采样来建立直方图,达到自适应加权的目的,最后采用不同方差的高斯噪声加权和来建模,对自适应观测粒子滤波进行去噪优化。仿真试验结果表明,本文提出的基于噪声优化自适应观测粒子滤波算法的运动跟踪模型相比较标准粒子滤波算法而言,具有较高的运动目标跟踪精度且在运动跟踪的应用中效果良好。     

基于惯性卡尔曼滤波的户外运动跟踪定位模型

在GPS户外运动定位的应用中卡尔曼滤波算法存在定位不够精确的缺点,本文以此为着眼点设计了一个以惯性优化非线性卡尔曼滤波为基础的户外运动跟踪定位模型。在设计中,先近似非线性函数的概率密度分布,之后非线性变换每个Sigma点,由此可以得出非线性变化后的方差以及点集,随后再用惯性优化模型取代高斯积分,由此形成一个以卡尔曼滤波为基础的户外运动跟踪定位模型。并针对这一模型进行了仿真实验,实验结果表明在户外运动人体跟踪定位中,本文设计的经过改进的算法与标准算法相比具有更高的精确性。     

基于模板匹配的穴位定位与跟踪研究

按摩机器人在按摩时,由于人体的移动,需要实时对穴位定位和跟踪。本文结合人体背部特征和运动特点,提出了基于模板匹配的按摩机器人穴位定位和跟踪的算法。首先在人体背部预按摩穴位点处布置红色圆形人工标志,利用快速模板匹配算法获取各个人工标志的中心坐标,然后利用相机标定技术获取穴位的世界坐标,最后通过对人体颈部人工标志的跟踪,计算出人体偏移量,将偏移量累加到穴位坐标,实现穴位的跟踪。实验结果表明,该算法具有较高稳定,在误检测方面,明显优于HOUGH算法。     

蚁群链多层博弈网络监护信息融合特征优选

在网络安全预测监护模型设计中,需要对网络安全监护信息进行数据融合和特征优选,以提高对变异特征的识别能力。传统方法中,采用蚁群算法进行监护信息特征优化融合进化和链路模型设计,算法无法实现相邻簇头之间的信息素融合,特征优化效果不好。针对这一问题,提出蚁群链运动多层博弈的网络监护信息融合特征优选算法,构建多层博弈网络监护数据样本驱动空间权矩阵模型,引入粗糙集理论,对蚁群引导的粗糙集前馈补偿网络进行动态博弈,实现网络安全监护数据的预测控制目标函数最佳寻优。构建多层博弈网络监护系统模型,得到蚁群链运动的监护信息数据状态跟踪模型,实现网络安全监护信息的融合特征优选改进。仿真实验表明,该算法能有效提高对异常信息的监护和检测能力,有较高的特征优选品质,展示了本文算法在对网络安全监护中的优越性能。     

一种稀松运动特征匹配的跟踪滞后消除算法

针对在运动目标结构较为复杂,运动速度较快的情况下,采集图像与被跟踪的目标存在较大的速度差异,算法运算较为复杂,运算耗时与跟踪速度不匹配,形成跟踪滞后的问题,提出一种基于稀松运动特征匹配的跟踪滞后消除算法.在运动目标跟踪的进程中,运用稀松特征迭代计算的方法,减少特征数量.在保证跟踪精度的同时,最大程度缩短计算时间.实验表明,提出的算法很好地解决了被跟踪运动目标的滞后性问题,跟踪效果明显改善.     

趋化繁殖细菌觅食的种群寻优方法及数据挖掘

针对传统的细菌觅食算法限于梯度信息优化,对非线性特征数据挖掘效果不好的缺陷,提出一种基于趋化繁殖算法的细菌觅食种群寻优方法,并有效应用海量非线性特征数据挖掘中。首先根据现有细菌觅食算法,引入细菌趋化算子和细菌繁殖算子,设计一种新的个体编码方式及进化模式。然后通过设计种群的自适应调整因子增强个体活力,并融合禁忌搜索算法,提高种群搜索寻优能力,克服算法易于陷入过早收敛和限于梯度信息优化的不足,提高对非线性特征数据挖掘性能。仿真实验表明,新算法可以搜索到种群最优组合,非线性特征数据挖掘跟踪曲线表明,算法具有较好的预测和数据挖掘能力,特征数据挖掘准确率提高显著,收敛速度高。     

进化计算的PID控制参数快速整定算法

PID控制参数优化是工业自动控制领域的研究热点,传统的PID控制通过人工试凑法获取控制系数,控制实时性和精度较低。为了解决这些问题,本文提出了进化计算的PID控制参数快速整定算法,通过对PID控制参数的粒子化映射,将PID控制参数优化转化为动态系统的全局寻优问题,利用粒子的进化迭代计算能力,搜索符合目标函数的控制参数。实验仿真利用温度控系统进行算法验证,仿真证明该算法具有很强的鲁棒性,可以快速达到系统整定。     

基于多目标鱼群-蚁群算法的水资源优化配置

为了解决复杂的水资源优化配置问题和丰富智能优化方法在水资源优化配置中的应用,建立了以经济、社会、环境综合效益最大为目标的水资源优化配置模型和多目标鱼群-蚁群算法。经济效益以区域供水带来的直接经济效益最大为目标;社会效益以区域总缺水量最小为目标;生态环境效益以区域重要污染物排放量最小为目标;约束条件包括供水、需水、水环境和经济发展协调度等。多目标鱼群-蚁群算法融合了人工鱼群算法的快速跟踪变化和跳出局部极值优点以及蚁群算法的信息素正反馈优点,并将人工鱼群算法中的拥挤度概念引入到蚁群算法中,避免了蚁群算法初期可能早熟的问题。通过实验仿真,此算法具有较快的收敛速度和较高的寻优性能,能有效地找到优化解,从而为解决复杂的水资源优化配置问题提供了新的思路。     

一种改进的权均值粒子群优化算法

针对粒子群优化算法的早熟收敛和进化后期收敛速度慢等问题,提出了权均值粒子群优化算法。通过在“认知”部分和“社会”部分加入随机权值更新粒子的飞行速度,使粒子能够很快地收敛到全局最优点。典型函数的仿真结果表明,该算法不仅具有较好的全局收敛性能和较快的收敛速度,而且有效地避免了早熟收敛问题。     

基于量子群聚类的云存储调度执行开销建模

传统方法使用量子群遗传进化方法进行云存储系统任务调度的执行开销建模,在数据汇聚和协议传输中没有考虑量子态的相干性和感知节点的方向性,不能全局搜索最优量子位,执行开销不能实现最小化。提出一种基于量子群聚类的云存储调度最小执行开销建模算法,首先进行量子群聚类进化策略和云存储系统任务调度模型总体设计,设计基于量子群聚类的云存储系统任务调度分配协议,进行有效的资源调度设计,整合云计算中心资源,提高资源利用率,减少任务执行时间。仿真结果得出,该算法能使云存储系统任务调度执行开销与任务规模的匹配性能最佳,性能优于传统算法,在云存储信息管理系统等领域具有较好的应用价值。     

基于量子位Bloch球面坐标的量子进化算法

根据量子位的Bloch球面坐标提出的一种量子进化算法,首先使用量子位的Bloch球面坐标对量子染色体进行编码,通过量子旋转门对量子位进行更新,而对于量子旋转门转角大小的选择,提出了一种简单快捷的确定方法。在旋转、变异操作的过程中,采用了基于量子位Bloch球面坐标的新算子。数值计算结果证明,基于量子位Bloch球面坐标的量子遗传算法在搜索能力和优化效率两方面优于普通的量子遗传算法。     

遗传量子算法在欠约束和过约束的几何约束求解问题中的应用

几何约束求解技术是基于约束满足的参数化设计方法中最核心的技术。几何约束求解技术的好坏、性能的优劣直接关系到一个基于约束的参数化设计系统是否优良。遗传量子算法是将量子计算和遗传算法相结合的算法,采用量子位染色体的表示形式。该算法具有量子计算的量子位和量子位的迭加特性,同时加入了量子交换算法,使得进化染色体更好的呈现多样特性。实验表明,将该算法应用于几何约束求解方程中,可以解决欠约束和过约束一致的问题。     

梯级水库发电优化调度的改进细菌觅食算法研究

细菌觅食算法在求解水库优化调度问题时,以固定的步长进行趋向操作,同时以固定概率对细菌个体进行随机驱散操作,虽然可以一定程度上增加种群多样性,但是在进化后期容易使优秀的个体流失,影响算法的寻优质量。针对该问题,文章提出步长自适应调整和驱散概率自适应调整两项改进策略,根据算法进化程度和细菌个体的能量值动态调整趋向操作的步长和驱散操作的概率,使算法进化过程中尽量保证种群多样性的基础上,提高细菌个体的觅食能力,进一步促进算法达到局部搜索和全局优化之间的平衡。将改进的细菌觅食算法应用于乌江梯级水库群的联合优化调度问题,模拟结果表明:改进细菌觅食算法具有较强的全局寻优能力,适合求解梯级水库联合优化调度问题。     

基于深度学习的无人机目标检测系统

本文基于机器视觉对无人机目标检测系统进行研究,采用YOLOv3作为论文的基础网络模型.在原模型的基础上对网络模型的结构和无人机预测框筛选算法进行了改进,提高了无人机检测的速度和准确率.在无人机识别的基础上,本文采用改进后的KCF算法对无人机进行跟踪,达到了很好的跟踪效果.