车辆视频检测算法的研究

车辆视频检测是近年来逐步发展起来的一种新型车辆检测方法,是智能交通系统研究中的一个重要方向。本文阐述了车辆视频检测相关算法,主要包括车辆存在检测、车速测量与车型识别的算法的设计,以及各个算法的影响因素分析与对策。     

一种改进的自动分割镜头的方法

对现有传统分割算法进行分析，提出了一种改进的自动分割镜头的算法．通过计算视频序列相邻帧之间的灰度差值及色彩差异，自适应进行视频镜头的边界检测和闪光检测．这种算法将帧差法和直方图法这两种传统算法相结合，有效地提高了检出率及精确率，是一种简便、快捷的算法．     

高光谱影像化学气体检测算法研究

在研究高光谱影像目标检测常用算法的基础上,将约束能量最小化方法(CEM)、正交子空间投影(OSP)、广义似然比检验(GLRT)及自适应一致估计器(ACE)等算法应用到高光谱影像化学气体检测中。实验采用两组合成的高光谱影像数据,实验结果显示算法可行,且ACE算法取得最好的检测效果。     

LTE系统辅同步信号检测算法研究

该文着重于对LTE系统辅同步（SSS）信号检测算法研究。首先介绍了LTE辅同步信号结构,然后介绍了滑动互相关算法,对时域检测和频域检测两种算法做了理论的研究。通过仿真分析,比较两种检测算法的性能,表明频域检测算法性能更好,与理论分析一致。     

椭圆检测算法的比较

椭圆检测在图像识别与计算机视觉领域中一直占有重要的位置,而边缘检测是图像特征提取(包括椭圆检测)的首要条件.介绍了常用的几种边缘检测算法(如Sobel算子、Canny算子、Zernike矩算子等),分析了这些算法的异同与优劣;讨论了几种基于Hough变换及其改进方法的椭圆检测算法(包括利用椭圆极点与极弦性质的提取算法、利用三点确定椭圆的提取算法、利用椭圆几何对称性算法等).比较这些算法并选取几种分别应用于真实图像,并列出检测结果.最后,提出存在的问题和进一步研究的切入点.     

V-BLAST系统检测算法

目的 为了降低垂直分层空时码(V-BLAsT)系统的复杂度,提高系统性能.方法 介绍了V-BLAST的干扰抵消、并行解码、QR分解算法,提出了两种改进的检测算法,利用MATLAB对它们在复杂度和性能方面进行仿真与分析.结果 仿真显示干扰同时抵消算法在信噪比为10dB时误码率为10～2,性能最优,在译码时对初始估值进行排序,增加了译码复杂度;并行解码算法和QR算法的复杂度较小,但误码性能降低.结论 要求性能高的选用干扰抵消算法,要求复杂度低的选用并行解码或QR算法,性能和复杂度兼顾则选用循环迭代QR算法.     

一种基音周期估计的改进CAMDF算法

本文首先介绍了传统基音周期估计算法:ACF算法和AMDF算法.为了克服AMDF算法容易导致估计出的基音周期加倍的缺陷,本文重点阐述了CAMDF基音周期估计算法,并提出了改进CAMDF算法.该法是在CAMDF算法之前,对语音信号进行降比特处理.实验表明,改进CAMDF算法在降低对处理器件复杂度和精度方面要求的同时并不会影响基音周期的估计效果.最后,本文进行了各种基音检测算法的仿真比较,实验表明改进CAMDF算法在基音估计效果上具有很好的准确性和稳定性.     

一种有效的音频分割算法

音频分割是提取音频结构和内容语义的重要手段,是基于内容的音频分析、检索的基础.本文提出一种音频分割算法,采用定长分析窗分层结构遍历音频流,窗内根据熵变化趋势检测跳变点.实验结果表明,该算法避免了△B/C分割算法中的硬门限判决和数据累积问题,是一种更加有效的音频分割方法.     

高分辨率航拍灰度图像中的房屋主轮廓识别

提出一种对高分辨率的灰度低空航拍图像的房屋主轮廓识别系统，应用图像分割与房屋矢量化相结合的算法，首先把图像分割成一系列只包含1幢或几幢房屋的子图像，再分别对子图像进行边缘检测、直线检测和房屋矢量化，以缩小算法的复杂度，并实现自适应地调整矢量化参数，该系统适用于房屋密度大，结构复杂的城市地区，在图像平面与地面有一定的倾斜角度时，仍能很好地识别出房屋的主轮廓特征，算法对阴影也有很好的抗干扰性。     

基于改进概率霍夫直线检测的电梯门状态检测方法

针对电梯物联网改造外加传感器施工困难、成本较高等问题,该文提出了一种基于前置图像处理的电梯门状态直线检测方法。针对轿厢外背景及门板工艺对直线检测算法的干扰提出基于规则决策的解决方案。通过提取视频流电梯门图像进行预处理,使用改进概率霍夫直线检测算法提取特征直线,结合基于先验知识的判断规则,实现对电梯门开、关及故障状态的实时检测。通过多个门开关场景验证了算法的有效性,实验结果分析表明,该文提出的限角概率霍夫直线检测算法提取特征直线比概率霍夫直线检测算法耗时减少10%,查准率和查全率均优于概率霍夫直线检测算法,能适用于边缘侧电梯门状态检测系统。     

课程表问题的一种混合型模拟退火算法

提出了课程表问题的一种基于概率型启发式算法（HA）的混合型模拟退火算法。其中，概率型的启发式算法采用了复杂度高者优先，循环首次适应算法，贪婪法，回溯法和松弛法等多种方法，该算法所排出的课表可作为模拟退火算法的初始解。模拟退火可对概率型启发式算法的排课结果做进一步优化，克服了启发式算法不具有全局收敛性的缺点。所以，混合型模拟退火算法具有启发式算法充分利用领域知识，计算量小，优化快速和模拟退火的全局收敛性，数值实验也证明了它的有效性和可行性。     

基于改进自适应遗传算法的仿真研究

交叉概率Pc和变异概率Pm是遗传算法中重要的参数,自适应遗传算法中Pc和Pm能根据个体适应度差异自适应地调节其大小,在快速收敛和全局最优之间获得了较好的平衡,但自适应遗传算法对于进化初期不利.改进的自适应遗传算法避免了进化初期较优个体处于停滞不前的状态.分别用3种算法对典型的测试函数进行训练,仿真结果表明:改进的自适应遗传算法在收敛速度和寻最优解方面是最优的.     

基于扇形趋利果蝇优化算法改进的FS-K聚类算法

针对果蝇算法对高维函数收敛精度低的缺点,提出了一种改进的基于扇形搜索的果蝇算法(Fan search-Fruit Fly Optimization Algorithm,FS-FOA),该算法在原果蝇FOA算法的基础上改进了果蝇群体的搜索路径,并赋予果蝇个体趋利性,使更多的果蝇个体朝着味道浓度更大的方向前进,使果蝇群体的搜索方向有更多的选择性,增加果蝇算法在处理高维函数问题上的收敛速度和收敛精度;并将改进的FS-FOA算法与K-means聚类相结合,提出一种FS-K聚类算法,与原K-means聚类和原果蝇(FOA)算法进行对比实验,引入5个经典的测试函数对原FOA算法和FS-FOA算法寻优结果进行测试,结果表明采用FS-FOA算法具有更高的收敛精度;引入5个UCI公共数据集对改进FS-K聚类算法和原K-means算法、SOM聚类算法、FCM聚类算法进行测试,结果表明FS-K聚类算法具有更好的聚类效果。     

基于遗传算法的BP网络全局收敛的混合智能学习算法

给出了一种将 BP算法和遗传算法有机结合的全局收敛的混合计算智能学习算法。此算法结合了 BP算法和遗传算法的长处 ,既有较快的收敛性 ,又具备良好的全局收敛特性。计算机仿真结果表明 ,该混合算法显著优于遗传算法和 BP算法     

一种从自由飞行实验中提取空气动力系数的新方法

该文提出从飞行体自由飞行试验中提取空气动力系数的新方法－－Ｍａｒｑｕａｒｄｔ改进法。Ｍａｒｑｕａｒｄｔ法综合了Ｃｈａｐｍａｎｎ－Ｋｉｒｋ渚最速下降法的优点而避开了它们的缺点，是一种比较好的数据处理方法。Ｍａｎｑｕａｒｄｔ改进法既继承了Ｍａｒｑｕａｒｄｔ法的优点，又大大地减少了计算工作量，是一种收敛快的迭代算法，最后，给出了在靶道实验数据处理中的计算实例。     

基于图的挖掘关联规则改进算法

关联知识挖掘算法中一种广为人知的算法就是Aprior算法,之后所有关联规则挖掘算法的基本思想都是基于频繁项目集发现算法的基础上进行了改进.为了提高关联规则挖掘效率,首先回顾了基于图的关联规则挖掘算法;然后,在此基础上进行了改进,把关联规则挖掘中寻找频繁项集的问题转换为图中寻找完全子图的问题,通过在图中查找完全子图来寻找频繁项集.提出了一种基于图的关联规则挖掘改进算法,并且对原算法和改进的算法从时间和空间的性能进行了比较分析,得出改进的算法是有效可行的.最后从实验结果得出结论GenerateItemsets算法比DGBFIG算法优.     

一种全局优化的两阶段算法

为了提高算法的有效性,利用梯度算法和粒子群算法独立的运行机制,采用驱赶技术和重新初始化部分群体的技术,提出了一种基于梯度下降法和粒子群算法的两阶段优化算法,并对新算法进行了理论分析和数值仿真.数值结果显示新算法比单纯梯度算法有更好的全局优化能力,比单纯粒子群算法有更快的收敛速度和更高的精度.新算法求解质量更高,运行更稳定.     

用混合遗传算法求解物流配送路径优化问题

为了改善物流配送路径优化问题的运算质量,提出一种将遗传算法和模拟退火算法相结合的混合遗传算法。通过仿真 实例验证,证明混合遗传算法的解优于单纯使用遗传算法和模拟退火算法所得到的解,同时混合遗传算法与传统优化算法相 比收敛速度更快,分配结果更优良,具有很好的应用价值。     

基于改进算法的移动机器人路径规划

机器人路径规划问题通常采用不同算法来对其进行规划，为发挥算法中改进遗传算法和鲸鱼优化法的优势，弥补遗传算法出现优化准确率和收敛度不高等问题，将改进遗传算法和鲸鱼优化法融合，增强移动机器人路径规划对动态环境的适应性能。对算法适应度函数进行优化，改善了基本遗传算法、提升了原算法对函数的求解效率。通过遗传算法、对遗传算法进行改进的算法、改进遗传算法与鲸鱼算法相融合的算法所运行的路径长度与运行时间进行比较，结果表明融合改进优化算法可以有效获取最优算子，减少运算时的迭代次数，同时提升算法的规划准确率。     

基于学习与竞争的改进PSO算法研究

针对普通PSO算法收敛速率慢,难以收敛到全局最优解的问题,提出了一种基于学习与竞争的改进PSO算法.该算法通过将种群内部学习和竞争的思想与PSO算法相结合,让种群中个体通过竞争和学习策略来替代原有的PSO算法迭代公式.该方法在不增加PSO算法计算复杂度的基础上,能够克服基本PSO算法的不足.最后基于动态系统的稳定性分析理论,给出了该PSO算法收敛性的证明.在7种不同的测试函数上对改进后的算法进行了实验测试.实验结果表明该改进算法比传统的PSO算法有着更好的搜索精度.结果证明,新算法比普通的PSO算法具有更高的搜索精度和较低的时间复杂度.改进算法求解函数优化问题更加有效,收敛速率更快.