基于层片分割算法的螺旋锥齿轮切削仿真

为解决螺旋锥齿轮切削过程几何仿真存在的问题,提出了层片切割算法.通过将被加工零件进行适当的层片分割,利用刀具与锥齿轮毛坯的分割特征求交,齿坯在每一切削瞬时的切削形状可由所有这些特征的集合表达,从而显示出每一瞬时的切削过程,并得到螺旋锥齿轮的最终形状.该算法求交速度快,求交结果精确.此外,该算法是建立在已有的编程语言基础...     

生产线复杂场景条件下的动目标提取方法

针对重轨生产线钢坯检测所涉及的钢坯提取问题,提出了一种改进的交互式图论分割方法.首先用基于颜色差异的改进的K均值聚类算法将人工标记的种子进行精确地初步分类;然后使用改进的图论分割算法,将钢坯目标从复杂场景中分割出来;最后将分割结果进行边缘校正和去噪处理.实验结果表明:该算法充分利用了图像的区域特征和边缘特征,提高了分割的质量和速度,分割结果满足实际应用的需求.     

基于空洞卷积的人体实例分割算法

针对人体实例分割任务中存在着姿态多样和背景复杂的问题,提出了一种高精度的实例分割算法。利用Mask R-CNN算法特征融合过程中的细节信息,改善人体分割任务中边缘分割不精确的问题,提高人体分割精度。改进了特征金字塔的特征融合过程,将原有自顶向下的路径改为自底向上,以保留浅层特征图中更多的空间位置信息,并且在特征融合过程中加入多尺度空洞卷积,在增大特征图感受野同时保持分辨率不变,可以避免降采样过程中特征丢失;使用COCO数据集和网络平台,建立新的人体图像数据集。最后将本算法与Mask R-CNN算法做对比,在IoU分别为0.7、0.8和0.9时,准确率提高了0.26,0.41和0.59。实验结果表明,算法在新的人体图像数据集可以得到更精确的结果。     

基于KPCA-GG的火力发电设备状态诊断方法

为了解决具有非线性特征的设备状态诊断问题,提出一种基于核主成分分析和Gath-Geva模糊聚类相结合的多元时序分割算法.根据Gath-Geva模糊聚类算法得到聚类结果,利用核主成分分析算法提取非线性特征,从而构造KPCA分析模型.将聚类类簇在该模型空间中的距离作为类簇相似性分析及合并的标准,以提升方法的分割效果.实验结果表明,基于KPCA的Gath-Geva模糊聚类算法能识别数据的非线性信息,更准确地分析数据特征,其分割效果优于基于主成分分析的聚类算法的分割效果.通过提取的非线性特征对数据进行分割有助于识别设备状态的转换,可用于解决一类具有非线性特点的火力发电设备过程状态诊断问题.     

基于自组织特征映射的图像分割算法研究

提出了一种基于自组织特征映射的图像分割算法,实现了计算机对图像的初步理解,从而在某种程度上模拟了生物的初级视觉功能．通过分析研究Kohonen网络的自组织特征映射过程,构造了基于Kohonen网络的图像分割神经网络方法,应用自组织特征映射方法将原始图像分割为有序化的相关特征区域．最后结合图像分割的特点对算法进行了改进,结合有监督的学习算法,使得图像的分割最终在先验知识的指导下进行．实验结果表明将Kohonen网络应用于图像分割使得算法具有很强的自适应性,能够在很大程度上避免背景及噪声对分割的影响．     

基于TWSVM超像素分类的彩色图像分割算法

图像分割是图像分析与理解的关键环节之一.提出了一种基于TWSVM超像素分类的彩色图像分割算法.首先,利用熵率超像素生成算法,将原始彩色图像划分成超像素区域;其次,结合直方图与双树复小波变换理论,提取出超像素的颜色特征和纹理特征;然后,采纳最大类间方差阈值法确定出TWSVM训练样本;最后,利用训练好的TWSVM模型对超像素进行分类处理,以获得最终分割结果.实验结果表明,本文算法可以获得较好的彩色图像分割效果.     

融合注视点预测和流形学习的显著性目标分割

针对现有显著性分割算法在图像背景复杂时先验知识不够健壮的问题,提出一种融合注视点预测和流形学习的显著性目标分割算法,能有效地对复杂场景中的显著性目标进行分割.该算法通过引入注视点先验知识和提取超像素分割图,预测并粗分割场景中的显著性目标;为了进一步提高显著性分割的性能,利用色彩模型(CIE-Lab)空间的颜色对比度表示超像素的特征;通过基于流形学习的方法对粗分割区域进行显著性优化,提高了分割精度.实验结果表明:在处理复杂图像集过程中,相比其他分割算法,该算法性能提高了21.8%,并且在不同环境下的显著性目标分割的鲁棒性更好.     

基于Relieft特征加权的C均值聚类算法的研究和改进

图像分割是图像处理到图像分析的最关键步骤.首先,研究C均值的聚类算法并阐述与其相关的概念,分析该聚类方法的基本原理和聚类准则.然后,针对该算法的优缺点以及存在的不足之处,对C均值聚类算法进行改进,将Relieft技术引进,由于图像分割时涉及众多特征,改进算法的核心就在于特征提取时进行加权处理,最终设计出有效的、鲁棒性好的彩色图像分割的流程.最后,通过大量的实验,将改进前后的C均值图像分割算法的分割结果进行比较,改进后的聚类算法能够实现更加优秀的图像分割结果;通过将实验对象置于不同的环境下的实验数据的统计,可以验证改进后分割算法的鲁棒性更好.     

基于分水岭变换和主动轮廓模型的舌体轮廓图像分割

舌体轮廓的图像分割是计算机辅助舌诊系统进行图像分析的前提条件.提出了一种基于分水岭变换和主动轮廓模型相结合的自动轮廓分割算法.采用了分水岭变换的结果作为主动轮廓模型算法的初始曲线.在分水岭变换中,通过引入标记函数和强制最小值技术解决了传统分水岭变换可能导致的过分割问题;同时,在保证分割质量的基础上,通过降采样的方法来提高分割速度.算法对678例临床舌像进行了分割,正确分割率为96.9%.     

基于粗糙集和MRF的彩色图像分割方法

提出了基于粗糙集和马尔科夫随机场(MRF)的彩色图像分割方法.将图像分割分为两个阶段:粗分割阶段和细分割阶段.基于粗糙集分割方法不仅仅考虑了每个像素点的颜色特征,也考虑了像素点邻域的颜色信息,这提高了粗分割的分割精度.在基于粗糙集分割的基础上,采用颜色特征和纹理特征,建立多特征的自适应可变权重马尔科夫随机场分割模型,再利用禁忌搜索算法逐步更新像素点标记,实现图像的最大后验概率估计.传统的MRF分割模型中需要人工设定图像分割数目以及随机给定初始分割,文中的算法,初始分割和初始类别数都将由粗分割获得.实验表明,文中算法可以有效地实现彩色图像分割.     

一种基于模拟退火算法的硬件/软件分解方法

嵌入式系统设计的一个重要环节是硬件/软件分解,通常在系统设计初期解决该问题·硬件/软件分解问题是NP完全问题,无法在有效时间内寻找到满意的分解方案·基于此提出了一个基于模拟退火算法的硬件/软件分解方法,采用了相邻块通讯分解模型以及由单处理器和专用硬件模块构成的目标结构,解决了硬件约束条件下系统执行速度的优化问题·为寻找到性能优良的分解方案,定义了分解优化目标及代价函数,确定了初始温度、终止温度、温度衰减函数等几个控制模拟退火的关键参数,并探讨了模拟退火的停止规则·与贪心算法相比,该方法可以在合理的时间内为嵌入式系统寻找到满意的解决方案·     

基于遗传算法和神经网络的软件界面美感建模

用户界面作为人与机器之间信息交互的桥梁,良好的用户界面能够提高人机交互的效率.本文以软件界面布局和色彩特征作为研究对象,采用神经网络方法建立特征与软件美感之间的关系模型,遗传算法进行特征选择,找出对界面美感影响较大的特征,并且通过主成分分析,最终提炼出界面美感的设计要素.     

基于F-M算法的电路划分新方法

提出了一种基于F M算法的启发式电路划分新方法.首先对电路各单元进行聚类,将聚类结果作为算法的初始划分,为了得到更好的划分效果,在F M算法的每一次迭代过程中都引入了单元释放;同时对比例划分作了进一步的研究;最后将该方法应用于标杆电路的划分.实验结果表明,该方法与F M算法相比,划分结果得到了明显的改善.     

基于遗传算法的加工方案选择与操作排序综合优化方法

为了得到全局最优工艺计划,提出一种基于遗传算法的可行加工方案选择与操作排序综合优化方法.考虑了特征有多个可行加工方案且其选择概率不同,在每次外层迭代中,由轮盘赌算法选择其一用于操作排序优化.通过内层的遗传算法获取子最优工艺计划,在外层比较各子最优工艺计划来获取全局最优工艺计划.特征的操作优先约束随着加工方案选择的不同而自动改变,并用于约束调整算法来保证解的可行性.实例验证了该方法的有效性,并发现了全局最优工艺计划产生于选择各特征的最大选择概率对应的可行加工方案的规律.     

融合子区域局部二值模式特征与深层聚合网络的人脸识别

针对深度网络对人脸噪声敏感,且学习过程容易忽视人脸结构信息的问题,提出融合子区域局部二值模式(local binary pattern,LBP)特征和深层聚合网络的人脸识别算法。将人脸图像划分为不同子区域,并采用局部二值模式对人脸进行预处理,获取子区域人脸的LBP特征。不同子区域LBP特征输入不同的稀疏自动编码器,实现深层特征提取;然后不同稀疏自动编码器的输出特征通过全连接方式实现特征聚合,获得人脸特征向量用于分类。通过大量实验获取了最优的聚合网络模型架构和网络参数取值,改善了人脸识别效果。     

结构化道路车道线识别的一种改进算法

基于机器视觉高速智能车辆,提出了一种改进的道路识别算法. 通过实车采集的图像进行灰度化、中值滤波、边缘增强、最优阈值二值化,获得良好的二值化图像. 根据道路特征采用一种改进的Hough变换识别出边界. 在预处理和检测时都使用感兴趣区域(AOI),减少了图像处理时间,提高了道路识别的可靠性. 实车实验表明,该算法具有良好的实时性、可靠性和鲁棒性.     

基于嵌入式的智能电气节能控制研究

对嵌入式系统进行电气节能控制具有重要的应用价值。利用传统算法进行嵌入式系统的电气节能控制过程中,无法根据嵌入式操作系统中的工作属性确定嵌入式系统工作过程中物理进程时间的精确值,降低了嵌入式系统的运行效率。提出一种基于模糊神经网络算法的嵌入式系统的智能电气节能控制方法,根据嵌入式系统中的电量与时间的非线性关系,建立嵌入式的智能电气节能控制模型。在模糊神经网络中,通过电压调节的时间误差和误差变化率这两个输入变量,能够得到电气节能控制的优化策略,最终获得电气控制最优解。实验结果表明,利用改进算法进行嵌入式系统的电气节能控制,能够极大提高嵌入式系统的运行效率,降低了电量损耗,效果令人满意。     

基于表上作业原理的运输问题计算机寻优算法

针对运输问题寻优的高度复杂性,提出了一种基于表上作业原理的计算机寻优算法。在算法中,采用"最小元素法"获取初始基可行解,采用"位势法"获取检验数数组,采用"递归过程"获取闭合回路数组,根据闭合回路数组和基可行解获取调整量,根据闭合回路数组、调整量对基可行解进行调整,通过While循环不断寻优直到最小检验数非负。While循环退出时,若存在0检验数,则任选一个0检验数,以其为起点寻找一个闭合回路数组,通过调整得到随机最优解。应用案例表明,该算法实现了表上作业求解过程的计算机程序化,提高了计算效率、确保了计算准确性。     

基于冲击响应的目标P特征检测算法研究

研究目标冲击响应P特征检测算法 (PFD) .首先介绍如何由冲击雷达所获得的观测中求取目标的冲击响应 ;然后以目标冲击响应为模型以SVD技术为主要手段提出了一种具有良好效果的模型判阶方法 ;建立了以模型阶为判决统计量的P特征检测算法 ,并进行仿真实验 ,获得了满意的结果 .     

结构振动序列最优控制算法及其Simulink仿真实现

阐述了序列最优控制算法是针对土木工程结构地震响应振动控制问题中激励不可预知的特点,推导出1 种更为一般的最优控制算法,所获得的最优控制力表达式同时包含了结构响应和地震激励2 部分的影响.该算法增益矩阵与传统的2种最优控制近似算法相比具有时变的特点,提出了在应用该算法进行主动控制Simulink仿真分析时的2种实现方法,并通过AMD控制基准模型对2种实现方法进行了比较,同时也对该算法与现有两种结构最优控制算法的控制效果进行了评价.结果表明,2种实现方法是完全等效的,且在控制效果方面,序列最优控制算法优于现有的2种最优控制算法.