海面背景红外目标的识别算法

为了实现多角度状态的舰船目标识别,针对低信噪比下海面背景的目标红外图像,提出了一种基于分段拟合的稳定提取海天线信息的算法。在此基础上对经过目标分割后得到的感兴趣区域统计提取舰船目标的形状特征、位置特征等,考虑海面的干扰目标,设计综合分类器,通过对提取的各目标特征进行概率融合的方法实现目标判断。进行了仿真平台软件的试验测试。结果表明,使用该算法可以实现在不同环境和未知海天线的情况下对海面舰船目标多角度状态的可靠识别。     

基于载波技术的照明节电系统研制

设计了1种在单片机AT89C51控制下运行的、利用电力线载波发射控制信号的节电控制系统.系统由主控器和分控器组成,主、分控器通过AC220V电力线载波传递控制信号,既能有效克服长明灯现象,又不会影响其他用电器正常用电,而且可以确保用户在必须照明时方便启动.     

基于二维成像的三维物体形状特征分析

目前三维物体识别方法在识别过程中所需数据量大、难以实用。该文简化三维物体识别过程,构建了一个基于单视点二维投影图像的三维物体识别系统。分别选取Zernike矩、基于Trace变换的Triple特征、MSA等三种形状特征,实现了对物体的视点空间的聚类划分。在普林斯顿三维模型库上,通过分类识别实验分析三种形状特征的性能。实验表明:特征对不同类别物体的分类效果差异明显。该文由此提出了针对目标物体形状及应用环境的特征选取方案。     

学习流体仿真中的高效长时序运动预测（英文）

快速准确的进行流体仿真是一个具有挑战性的任务，基于传统方法的流体仿真需要消耗大量的计算资源以获得准确的结果。深度学习方法快速发展，为基于数据的流体仿真和生成提供了可能。提出一种基于单帧的浓度场和一个序列的先验速度场的长时序流体仿真运动预测算法。这一模型专注于将通过神经网络预测的速度和密度场基于纳维-斯托克斯方程获得的仿真数据在宏观尺度上进行匹配。通过使用基于全卷积U型网络的自动编码器和基于LSTM网络的时序预测子网络，本文模型在时间演化过程中更好地保持了视觉宏观相似性，并实现了显著的计算速度提升。本文方法实现了对流体场演化的宏观分布的准确和快速的长时序运动预测。在一系列二维和三维的仿真数据的基准测试上证明了本文算法的有效性和高效性。     

结合突变论和离散聚类思想的视点空间划分算法

针对视点空间划分问题中算法复杂以及计算复杂度大的问题,提出了一种结合突变论和离散聚类思想的新方法.利用突变论获得视觉事件的空间切割曲面方程,然后在视点空间球面上选取有序采样并计算每个样点的符号序列,通过对符号序列的判断实现对离散点的聚类,使用点集替代传统的边界线方程来表达视点空间分划结果.该方法避免了突变理论中求解视点空间分划线方程数值解以及从分划线相互关系中寻找闭合区域的过程.实验结果表明该方法能够有效地提高三维目标识别的实时性,计算时间不足原算法的15%.     

无网格伽辽金法在裂纹扩展计算中的应用

采用了一种基于t-分布的新型权函数，提高了无网格伽辽金法的计算精度；采用完全变换法处理本质边界条件，实现了本质边界条件在节点处的精确施加；针对裂纹扩展中的实际情况，对动态影响半径法作了进一步的补充和改进．算例验证了方法的正确性和有效性．     

图像识别神经网络处理系统

目的　研制用于二值图像实时识别的神经网络处理器; 方法　采用数字电路实现的图像识别神经网络系统有３ 大模块：边缘提取模块以二值图像序列作为输入,用平面建筑物原理和８ 邻域原理提取图像的边缘特征;特征提取模块在边缘特征的基础上提取具有不变性的角特性和组块特征;模式分类模块采用４ 层特征映射神经网络实现图像模式识别; 结果　通过对图像信号发生器送出的二值飞机图像识别说明,训练样本数越多系统识别率越高; 结论　该系统能够快速、正确地实时识别二值图像序列;     

基于动态神经网络的轧制液温控系统的辨识

轧制液是铝箔轧制中的一种对稳定性要求很高的工艺润滑液,它不能局部受高热只能采用间接均加热,因此其控制量与温度之间是一种十分复杂的非线性关系,采用传统的建模方法难以建立其精确的数学模型.人工神经网络能够以任意精度逼近连续的非线性关系,并对复杂不确定问题具有自适应和自学习能力,为解决这一类非线性系统的辨识建模提供了新的途径.通过比较选用了一种动态递归网络来建立轧制液温控系统的辨识模型.     

基于神经网元的自适应Dahlin数字控制器

在常规Dahlin数字控制器基础上,提出了1种基于神经网元的自适应Dahlin数字控制器.它具有收敛速度快、鲁棒性强的特点,而且学习算法是自适应的.它既可以用于参数时变和时滞未知的受控对象,又适用于逆不稳定过程,同时不存在控制器的振铃现象,是解决具有慢时变和时滞未知工业过程控制的有效方法.     

Computation of Edge-Edge-Edge Events Based on Conicoid Theory for 3-D Object Recognition

The availability of a good viewpoint space partition is crucial in three dimensional(3-D)object recognition on the approach of aspect graph.There are two important events,depicted by the aspect graph approach, edge-edge-edge(EEE)events and edge-vertex(EV)events.This paper presents an algorithm to compute EEE events by characteristic analysis based on conicoid theory,in contrast to current algorithms that focus too much on EV events and often overlook the importance of EEE events.Also,the paper provides a...