基于改进Meanshift算法的刀闸实时状态的精准跟踪

以变电站中的双柱式水平刀闸为例,基于传统Meanshift算法和局部二元模式(LBP)编码增强结构特征,提出改进的Meanshift算法,用该算法解析刀闸工作视频信息,实现刀闸实时状态跟踪.通过对87个刀闸开合视频的跟踪实验可知,改进算法在X方向的跟踪精度提高了120%,Y轴方向的跟踪精度提高了800%.因此,该算法为刀闸状态的准确识别提供了新的手段.     

基于分块阈值LBP算法的光学薄膜表面缺陷分割

为提高光学薄膜缺陷检测的能力和精度,提出一种基于局部二值模式(LBP)的改进算法。通过对采集到的图像进行分块分析,计算全图和各小块离散度,并进行对比。将分块离散度全图离散度的视为缺陷与背景共存的模块,以该模块中间像素灰度均值作为LBP阈值进行图像处理;分块离散度≤全图离散度的视为平稳模块,将全图灰度均值作为LBP阈值进行图像处理。实验结果表明:该算法能有效地检测出光学薄膜的缺陷,同时也避免了噪声的干扰,证明该算法用于检测光学薄膜缺陷的可行性。     

Lupas算子对局部有界函数的点态逼近估计

利用概率方法并结合区间分割技术和Bojanic-Cheng方法研究了Lupas算子对局部有界函数的点态逼近估计,得到了Lupas算子的渐近估计。     

周期性居家医疗护理问题的禁忌求解算法

针对周期性服务需求的居家医疗与护理资源管理问题，提出一种基于插入法和节约算法的禁忌算法。该算法综合考虑客户接受服务的日期、客户的服务等级和客户访问次序，在初始解基础上进行邻域搜索，每次邻域搜索选取部分客户，搜索其所有可能的服务日期、服务等级对应的调度方案，选择成本最低的方案作为邻域搜索的最新解。邻域搜索中变换过的客户将列入禁忌表，在禁忌步长内不予变换。通过多次迭代，求解结果向最优解方向收敛。对随机生成的算例及基于标准 Vehicle Routing Problem （VRP）算例构造的算例进行仿真验证，并与 Rolling Horizon Myopic Planning Approach （RHMPA）算法求解结果对比，实验结果表明，该算法在一定运行时间内适合求解客户规模低于500人的案例，且求解结果优于 RHMPA 算法，多次求解的结果相对误差仅为0．94％。该算法为家庭护理管理和计划调度问题提供了新的算法设计优化思路，对提高当前我国相关产业的管理和调度水平具有现实意义。     

一类具有非局部条件的Sobolev型Hilfer分数阶发展方程的偏近似可控性

研究了Hilbert空间中具有非局部条件的Sobolev型Hilfer分数阶发展方程的偏近似可控性。 通过使用变分法和近似法，构造了控制系统的近似解算子并得到了近似解集的紧性。 在非局部函数不满足Lipschitz条件的情况下，得到了控制系统偏近似可控的充分条件。     

实时检验泡沫：基于严格局部鞅判别的泡沫检验方法

实时检验泡沫并对市场参与者和监管者进行预警，有利于防范和化解金融风险。基于检验泡沫的严格局部鞅判别原理，在RKSH方法的基础上拓展了一种倒向滚动检验方法（BSLM），并通过蒙特卡洛仿真和实证分析验证了新方法的有效性。研究发现：相对于传统严格局部鞅判别方法，BSLM方法对距离当前时刻较近的泡沫具有更高的检验势，并且能更早地事前预警泡沫；在对中国股票市场主要指数2000~2015年的泡沫检验中，新方法能判断泡沫的生成时间和破灭时间，发现上证指数和深圳成指的泡沫具有较强的联动性。     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明，在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

快速和尺度稳健的纹理图像识别

传统的纹理图像识别方法很难同时获得较好的识别精度、实时性和尺度稳健性,不利于实际的工程应用.因此,提出一种快速和尺度稳健的纹理图像识别方法.该方法首先利用高斯滤波构造一个纹理图像的多尺度空间,然后利用完备的局部二值计数(Completed Local Binary Count,CLBC)算法对多尺度空间中的每个图像提取局部二值特征,并跨尺度提取局部二值特征的最大值,再将多个分辨率的特征相结合作为纹理图像的最终特征描述,最后利用最近子空间分类器(Nearest Subspace Classifier,NSC)判定纹理图像的类别.在基准纹理图像数据库上的实验表明,该方法在识别精度、实时性和尺度稳健性方面获得了很好的综合性能,有利于实际的工程应用.     

基于蜜蜂繁殖机理的蜂群聚类算法

将基于蜜蜂繁殖机理的蜂群算法应用于聚类问题,提出了一种新的蜂群聚类算法.对随机生成的初始蜂后在选优的基础上进一步优化,提高了算法收敛速度和聚类结果的稳定性.结合蜂后染色体的编码方式和雄蜂精子的单倍体特征,设计了产生幼蜂的交叉操作.充分利用蜂后良好基因信息对幼蜂展开邻域搜索来改进幼蜂质量.通过与其他聚类算法的对比实验,表明该算法具有良好的聚类效果和稳定性.