基于Camshift算法的运动目标跟踪系统研究

在遮挡物较多的变电站场景下,传统的目标跟踪算法容易出现人员跟丢、身份变换、目标被遮挡无法识别等情况,无法做到对目标的准确实时跟踪.使用Camshift算法对变电站环境中的运动目标进行跟踪研究的实验结果表明,Camshift算法能够快速准确地检测出变电站内的运动目标并对其实现有效跟踪,从而提高变电站的自动识别水平,降低监控人员的工作量,有效提高运动目标跟踪检测的效果.     

基于孪生网络在视频目标跟踪中的应用

针对目标跟踪出现的遮挡、相似干扰、快速运动等难题,提出了在孪生网络跟踪框架基础上进行遮挡检测的RGB-D视频目标跟踪算法。将聚合多层次特征的深度可分离卷积孪生网络作为目标跟踪基准框架,实验结果表明,提出的视频目标跟踪算法能够稳定跟踪目标,具有较高的成功率。     

基于协同表示的目标跟踪算法

提出一种基于协同表示的新的目标跟踪算法.在贝叶斯框架下,采用基于重构误差的观测似然函数和考虑遮挡的模型更新机制设计一个鲁棒的跟踪器.用l₁范数来建模重构误差以更好地容忍奇异值,同时用协同表示对编码系数进行约束.实验结果表明,和其他算法相比,本文算法能够战胜遮挡、尺度变化、光照变化、背景混乱等干扰因素,具有较高的准确度和鲁棒性.     

一种新的机动目标跟踪的多模型算法

IMM算法只有在精确选取模型时才能取得良好的效果,本文采用一种新的"当前"Jerk模型(CS-Jerk模型)与匀速运动模型进行交互,讨论并证明了新的"当前"统计Jerk模型,即CS-Jerk模型对突发机动自适应跟踪性能好。仿真结果表明,在跟踪一般机动目标时,本文算法的误差和"当前"统计模型与CV模型交互的IMM算法相当;在跟踪突发机动目标时,其误差明显小于"当前"统计模型与CV交互的IMM算法。     

应用主动轮廓模型在单摄像机监控系统中的运动目标检测与跟踪

介绍在实时图像处理中的单摄像机监控系统运动目标检测与跟踪方法.针对运动目标的检测,首先进行帧间图像的匹配,接着计算图像间的误差,检测出运动区域,得到运动物体的大致轮廓.通过利用动态规划法改进的主动轮廓模型方法,提取运动目标轮廓.算法有较好的鲁棒性和抗噪声能力,速度也比较快.这种方法可以在轮渡站实时监控系统中得到应用.     

改进GWO-BP算法优化PID在配药系统中的应用

针对PID控制器对配药系统控制过程中常出现不稳定和跃进等现象导致配药浓度误差过大的问题,提出改进的GWO-BP算法优化PID控制器参数在配药系统控制中的仿真应用方案。对于灰狼优化算法在全局寻优能力不足、收敛精度不高和收敛速度不够快等问题,利用改进非线性收敛因子以及改进学习因子来改变位置更新公式,进而改进灰狼优化算法收敛速率,提高寻优能力;利用改进GWO-BP算法优化PID控制器参数解决在实际工程应用中存在鲁棒性低难以得到最优的PID控制器参数等问题。仿真结果显示：IGWO-BP-PID控制器超调量从原来的23.0%降低到10.6%,调节时间从0.76 s减少到0.17s,峰值时间从0.22s减少到0.06s。IGWO-BP-PID控制器的控制效果更优、稳定性更好。     

神经类型与心理因素的关系及在体育运动中的应用

在体育运动中,神经类型与心理都起到重要的作用。阐述了神经类型和心理的关系,总结归纳了神经类型和心理在体育运动中的应用,并提出将神经类型与心理应用于“全民健身计划”的设想。     

模糊自组织神经网络在聚类中的应用

针对文献[6]中模糊自组织神经网络算法在处理混迭的目标信号时选择参数的不足之处,提出了改进算法,并将该算法应用于混迭的信号目标识别.仿真结果表明,新算法比旧算法具有更强的识别能力.     

基于神经网络的PNN算法在交通标志检测中的应用

交通标志检测技术是实现智能交通系统的关键。查阅诸多文献,文章阐述模式识别的概念,并且给出计算机模式识别的抽象过程。通过对现有交通标志检测框架进行研究,根据交通标志设计之规则,结合概率神经网络,设计了一种基于多层决策树的PNN分类算法模型,并对神经元高斯函数的参数进行改进,最终建立交通标志检测的算法流程。通过实验,对60个交通标志进行晴天、多云以及阴雨三种天气背景下的检测。最后整理实验数据,通过建立图表进行分析和比较,证明该分类器能够实现交通标志检测的功能,达到预期的检测效果。最后,分析了该算法模型还存在的不足之处,也指出了将来研究的方向。     

基于改进灰狼算法优化BP神经网络的无线传感器网络数据融合算法

为提高无线传感器网络数据融合精度,降低网络能耗,延长网络生存时间,提出基于改进灰狼算法优化BP神经网络的无线传感器网络数据融合算法(IGWOBPDA).首先为平衡灰狼算法全局与局部搜索能力提出改进控制参数和动态权重更新位置的改进灰狼方案,利用改进灰狼算法对BP神经网络初始阈值和初始权值进行优化以解决数据融合中BP神经网...     

基于改进粒子群的BP神经网络WSN数据融合算法

针对无线传感器网络（WSN）数据融合算法中传统反向传播（BP）神经网络收敛速度慢、对初值敏感和易陷入局部最优解的问题,提出基于改进粒子群的BP神经网络WSN数据融合算法（BSO-BP）。用天牛须搜索（BAS）算法对粒子群算法进行改进,利用改进后的粒子群算法优化BP神经网络权值和阈值,引入WSN数据融合中,簇首节点通过优化训练后的BP神经网络对采集数据进行特征提取,将融合后的数据发送至汇聚节点。仿真实验表明,BSO-BP算法能有效地提高融合精度和收敛速度,减少冗余数据传输,延长网络生命周期。相较于传统BP数据融合算法和PSO-BP算法,BSO-BP算法减少了至少11%的平均相对误差和13.89%的均方根误差。     

CMAC神经网络在变磁阻电动机转矩控制中的应用

结合变磁阻电动机的工作特点,提出了应用小脑模型神经网络控制SRM转矩的控制器结构和改进的学习算法。该算法是在原算法的基础上增加了一个与可变相角有关的约束函数。仿真结果表明:该系统不但收敛速度没有降低,而且经过训练能够产生理想的电流曲线,在抑制电机转矩脉动和提高有效功率方面具有显著效果。     

深度卷积神经网络在迁移学习模式下的SAR目标识别

合成孔径雷达（synthetic aperture radar,SAR）自动目标识别过程主要包括目标特征提取和分类器训练两个步骤。提出一种基于深度卷积神经网络（deep convolutional neural networks,DNNs）的SAR自动目标识别方法,使用一类优化的DNNs网络结构对SAR图像目标进行分类训练。该网络结构自动提取目标类别特征,避免人工预选取特征方法带来的不标准性。在DNNs网络模型训练过程中引入迁移学习的概念,以防止结果陷入局部最优解和加快模型参数的训练。最后使用美国运动和静止目标获取与识别MSTAR数据集进行试验,给出该方法与其他分类方法结果的对比,证明其取得较高的分类正确率。     

改进微粒群算法在机组组合问题中的应用

提出一种求解机组组合问题的改进微粒群优化算法.将机组启停状态变量和机组输出功率连续变量融合为一个变量,提出伪输出功率编码,降低计算的时间复杂度;对机组分类动态调整,对多时段有效地直接优化;对各种约束进行数学处理、修复处理,提高种群质量.优化结果显示该方法有效可行.     

改进的粒子滤波算法在船用组合导航中的应用

将典型的粒子滤波算法应用于非线性INS/GPS船用组合导航系统中时,不能解决重要性函数与似然函数的不匹配问题,且当传感器具有较大的漂移误差时,无法根据当前的观测值对粒子状态进行修正。为解决这些问题,基于典型的粒子滤波算法提出一种改进的粒子滤波(improved particle filter,IPF)算法。根据当前的观测值估计对应的状态误差,并在确定粒子的权值和重采样前对预测的粒子的误差进行修正。仿真结果表明:IPF算法能够有效解决上述问题,保持很好的滤波精度。     

改进的ID3算法及其在教育信息挖掘中的应用

为有效利用上海海事大学教学管理工作多年来积累的大量数据,对分类规则挖掘常用的ID3算法进行研究,结合教育信息的特点对ID3算法进行改进,以此为基础设计并实现了教育信息挖掘系统;利用所实现的系统对学生成绩和基本信息数据库进行挖掘分析,找出课程之间的相关性以及学生基本信息对学生就业方向的影响,并对挖掘结果进行比较分析,为学校的教学管理提供参考.     

U-D分解渐消记忆滤波神经网络控制器在船舶操纵中的应用

针对前馈网络BP算法所存在的收敛速度慢且常遇局部极小值等缺陷 ,提出一种基于U D分解的渐消记忆推广Kalman滤波学习新方法。与EKF相比 ,该方法不仅大大加快了学习收敛速度、数值稳定性好 ,而且比BP算法需较少学习次数和隐节点数 ,学习效果也更好。将这种学习算法应用在船舶操纵的神经网络控制器中 ,仿真结果表明该方法是提高网络学习速度、改善学习效果的一种有效方法 ,可有效解决非线性系统的控制问题。     

改进粒子群算法在暴雨强度公式参数优化中的应用

本文基于充分的完全的信息共享机制,提出了一种改进的粒子群算法,并将其应用于北京市郊区不同重现期的暴雨强度与降雨历时关系式中参数的优化,与基本的粒子群算法,遗传算法,传统回归法和优选回归法的优化效果进行了分析比较。实例计算结果表明：粒子群算法用于暴雨强度公式中的参数估计精度高于遗传算法,传统回归法和优选回归法的参数估计精度而改进的粒子群算法的参数估计精度又高于基本的粒子群算法。     

基于稀疏求解的改进PCA方法在SAR目标识别中的应用

针对实际军事情况下车辆目标为非合作目标,提出改进的主成分分析方法（IPCA）。它首先利用稀疏求解方法得到与测试样本最相关的部分训练样本以及它们对测试样本的表示系数。然后结合主成分分析（PCA）得到最优投影矩阵,使投影后不同测试样本能更好地利用训练样本信息进行分类。利用美国运动和静止目标获取与识别数据库中3类目标进行识别实验,结果表明基于改进的PCA方法比传统的PCA方法能够得到更高的识别率,并对稀疏方位角训练样本有更好的鲁棒性。     

牛顿法的构造思想在算法构造中的应用

牛顿-拉弗森(Newtoon Raphson)法是求解非线性方程的最重要的迭代法之一.本文总结了牛顿法的三种不同构造思想,进一步探讨了数值分析中构造和改进算法常用的三种方法,并且举例说明这三种思想方法在数值分析中的应用.