基于粒子滤波的行为识别方法

行为识别是图像处理的一个热点问题。一些研究表明在监督学习的框架下,通过提取时空兴趣点（Spatial-temporal interest points）能较好地识别人体的行为。由于兴趣点中包含与人体行为无关的噪声点,为了改进兴趣点的提取,提出了一种基于人体骨架的改进方法。该方法通过粒子滤波（Particle filter）算法改进人体骨架的精度,而改进后的人体骨架,能得到更有效的兴趣点。通过在“Weizmann”,“KTH”数据集的测试,实验结果表明,该算法不仅能够提高人体行为的识别,而且能够改进人体骨架的精确度。     

重庆农民旅游行为研究

运用问卷法和访谈法等实地调研方法,主要从收入对农民旅游行为的影响这一角度,对重庆地域的6个区县8个镇的13个行政村的农民旅游行为作了实证研究。研究结果表明:重庆农民的旅游认知渠道和旅游动机多样,且旅游需求旺盛;农民旅游消费行为层次分明,出游方式多样,旅游地多为重庆市内,对旅游的住宿要求不高,旅游消费比较理性,单次旅游消费总额及各消费段比例较为均衡,花费最贵的项目为餐饮住宿,其次为交通费用;农民的个人经济收入对旅游行为有着极大的影响,具体表现在农民群体的收入越高,旅游动机越是复杂,旅游消费层次也越高。研究呈现出的农民旅游的行为特征,为重庆农民旅游市场的开发和完善提供了依据。
     

基于粒子群优化的检测网络攻击方法

为了有效判断网络数据包是否存在被攻击的可能性,在以往的研究基础上提出了一种新的检测算法DMPS(Detec-tion method based of particle susarm)。首先该算法根据数据包属性的离散度定义了状态检测指标,并利用粒子群优化方法给出了标准差分布的计算流程,以此判断数据包的异常状况。最后,通过OPNET和Matlab进行仿真实验,深入研究了影响该算法的关键因素,同时对比了与其他算法之间的性能状况,结果表明DMPS具有较好的适应性。
     

基于二叉树支持向量机多类分类算法的研究

基于二叉树的支持向量机多类分类算法虽然在目前现有的多类分类算法中总体性能较优,但是仍然存在分类精度和分类效率不高的问题。针对这些问题,提出了一种新的基于欧氏距离的二叉树支持向量机(Distance binary tree SVM,简称DBT SVM)多类分类算法,该算法综合地考虑了两类最近样本的欧式距离、类中心的欧氏距离对分类的影响,并且使最容易分离的类能优先分离出来。通过在UCI标准数据集上进行实验验证,结果表明该算法行之有效。
     

平行机最小化误工损失调度问题的粒子群算法

【目的】讨论非同类机环境下最小化任务总误工损失的调度问题。任务的误工损失是与交付期有关的一种惩罚量,该惩罚量的值等于任务滞后于交付期加工的部分。【方法】设计了一个粒子群算法求解该问题,并以数值实验进行验证。【结果】针对问题特性,对粒子群算法中的粒子表达方式、运算操作、初始解生成、种群更新方法等进行了重新定义。【结论】数值实验表明,算法处理该问题时可获得性能良好的解,并且运行时间也在可接受范围之内。
     

基于滤波反投影算法磁感应成像仿真图像重建

【目的】利用一组亥姆霍兹线圈为激励源,进一步研究磁感应成像技术。【方法】系统模型由背景物体、异物、亥姆霍兹线圈和20个检测线圈构成。利用滤波反投影算法重构图像,分析不同位置和不同体积大小的异物的重构图像结果,并且通过3个客观参数即相关系数、归一化均方距离和归一化平均绝对距离客观分析成像结果和实际图像的差异。【结果】当异物靠近边缘,图像的相关度为54.009,位置定位精度3mm以内。异物体积较大时,图像的相关度为71.340。【结论】异物越靠近边缘,或异物体积越大,重构图像的质量越好,3个参数指标最优。
     

基于随机参数的粒子群优化算法

粒子群优化算法本质上是一种全局随机优化技术,优化性能高但容易陷于局部最优,并且算法性能很大程度上依赖于参数设置。本文对该算法的3个控制参数进行数据实验和调查,分析参数设置对算法性能的影响规律,提出一种改进的粒子群优化算法,该算法在迭代的每一代中,惯性权重和加速系数都是在一定范围内随机产生:ω=rand(0.4,0.7),C1=rand(0.5,3.0),C2=rand(1,3.5)。由于该算法的控制参数不再固定取值;而且在一定范围内随机产生,从而增强了算法的多样性和遍历性,能够有效避免算法早熟收敛。通过标准函数的测试,验证了该算法性能优于固定参数粒子群算法和随机加速系数粒子群算法,具有更好的收敛性和稳定性。
     

基于自适应粒子群算法的重油热解模型参数估计

通过构造一个合适的目标函数,将化工模型参数估计问题转化为一个多维数值优化问题,然后提出一种参数自适应调整和维变异的改进粒子群优化算法来求解该问题。该算法首先利用佳点集方法初始化种群以保证粒子的多样性。惯性权重和学习因子随进化过程自适应调整,从而协调算法的全局和局部搜索能力。为了避免算法陷入局部最优,对收敛度最小的维进行变异。几个标准测试问题的实验结果表明该算法具有较强的全局寻优能力。最后将改进粒子群算法应用到重油热解模型参数估计中,并与基本遗传算法(SGA)和粒子群优化算法(SPSO)进行比较。研究结果表明:本文得到的平均相对误差为5.62%,比SGA和SPSO分别低1.08%和0.50%。
     

滤波正弦相位调制干涉测量技术误差分析

基于正弦相位调制干涉测量是当前国际前沿的高精度光学测量技术, 在位移、 形貌等测量中得到广泛应用。通常采用傅里叶变换进行频谱分析提取相位参数, 测量中需要处理庞大的数据, 测量仪器难以快速获得测量结果, 严重限制了正弦相位调制干涉的使用范围。为了降低传统频谱分析处理信号的复杂性, 采用了滤波技术处理相位信息。在数据处理时直接采用低通滤波器滤除高次谐波成分, 通过误差分析可知运用滤波技术处理干涉信号, 公式本身引起的误差非常小, 最大仅为 0. 9% ; 当调制频率波动为 0. 0 1H z 时, 位移误差最大为 0. 1n m , 误差可以忽略不计。
     

一种改进的粒子群优化算法

针对粒子群优化算法中粒子容易聚集和收敛速度慢,提出一种改进的粒子群优化算法。该算法同时考虑到粒子进化的成功率和多样性程度对算法寻优性能的影响,当粒子集聚程度较高时,增大惯性权值,提高算法的全局搜索能力。为平衡算法全局和局部寻优能力,当进化速度较快时,提高算法局部搜索能力,以免错过较好的位置。在速度更新中,引入较差粒子,避免算法再次去搜索这些较差的位置,降低算法的搜索效率。将该算法用于优化6个经典测试函数,实验表明：该算法不仅可以平衡局部和全局的搜索能力,而且可以提高算法的搜索效率和精度。
     

一种新的混合噪音滤波器加速算法

混合噪音滤波器MNF是目前滤波效果最好的算法之一,然而,由于它采用非局部算法思想,所以存在较大的计算负担,针对该不足,提出一种基于均值和方差相似性的加速算法(FMNF).该算法之关键思想是对邻域像素预分类,把两像素的均值比和方差比均在给定阈值范围内(接近于1)的邻域像素分为一类,视为相似像素,相似的像素参与滤波计算,不...     

基于邻域影响的改进粒子群算法的聚类算法

K-均值算法是一种传统的聚类分析方法,具有思想与算法简单的特点,因此成为聚类分析的常用方法之一。但K-均值算法的分类结果过分依赖于初始聚类中心的选择,对于某些初始值,该算法有可能收敛于一般次优解,在分析K-均值算法和粒子群算法的基础上,提出了一种基于邻域影响的改进的粒子群算法的聚类算法,通过对粒子群算法的改进来优化与K-均值结合的聚类算法。该算法将局部搜索能力强的K-均值算法和全局搜索能力强的粒子群算法结合,提高了K-均值算法的局部搜索能力、加快收敛速度,有效阻止了早熟现象的发生,达到那些离群的孤立点。实验表明该聚类算法有更好的收敛效果,一方面聚类所用的时间更短,另一方面聚类的准确率更高。     

基于累积运动能量图像的人体动作识别

指出了动作识别中的最大困难是难以提取有效的特征来准确描述人体的动作,动作模板是众多方法中的一种简单有效的方法,用来描述动作特征的经典动作模板是运动历史图像.由于受噪声的干扰,用运动历史图像描述复杂环境下的人体动作并不十分理想.为了得到比运动历史图像更加有效的动作模板,提出了将视频序列中的运动能量信息用一张图描述出来,称之为累积运动能量图像,提取其直方图特征来表征人体动作.经You Tube数据集上的实验表明:该累积运动能量图像的识别率比同类方法高.     

阶对有限群的刻画

令πe(G)表示G中元的阶之集.对于所有有限单群,已证明其均可由元阶集及群阶进行刻画.即设G为群,H为有限单群,则当GH且仅当(1)πe(G)=πe(H);(2)∣G∣=∣H∣.本文继续这一研究,对两类有限非单群进行讨论.首先在不使用2qp阶群的分类的前提下证明了所有阶为2qp(q＜p为不同的奇素数)的群可仅用元阶集和群阶加以刻画,然后利用23p阶群的分类证明了有6类23p(p为奇素数)阶群也可由元阶集和群阶唯一确定.     

Orlicz曲率像

【目的】把Lp中的p-曲率像推广为Orlicz曲率像。【方法】应用凸几何分析。【结果】对Orlicz曲率函数进行定义,并推广了Orlicz混合体积。【结论】得到Orlicz曲率像的仿射不变性等一些重要性质及关于Orlicz曲率像的几个不等式,特殊情形为 Lutwak 得到的Lp中的相应结果。
     

强G-预不变凸函数

本文给出了一类新的广义凸函数—强G-预不变凸函数,它是一类重要的广义凸函数,它是强预不变凸函数的真推广.首先,用例子证明了强G-预不变凸函数的存在性,并举例说明它区别于G-预不变凸函数、严格G-预不变凸函数;然后,给出了强G-预不变凸函数的3个基本性质定理;最后还给出了G-预不变凸函数是强G-预不变凸函数的一个充分条件...