Mean shift在目标跟踪中的应用

首先总结了Mean shift的发展过程,并且分析了Mean shift算法的参数少,鲁棒性强,快速实现模式计算的特点,然后根据它在目标跟踪中的应用,总结了该算法核函数直方图对目标的特征描述比较弱,容易陷入局部最大值,不能适应目标多自由度变化的缺点,针对缺点提出的不同的改进方法进行了归纳,最后对未来的发展进行了预测。     

一种改进的三角模糊数互补判断矩阵的排序方法

在传统的三角模糊数互补判断矩阵排序方法的基础上,结合三角模糊数均值的概念,提出了一种改进的排序方法。该方法通过三角模糊数互补判断矩阵以及相应的概率分布矩阵,计算得到模糊均值矩阵,从而将三角模糊数互补判断矩阵的排序问题转换为模糊均值矩阵的排序问题,然后对模糊均值矩阵利用权的最小平方法计算排序向量。通过计算三角模糊数均值,有效地减少了判断过程中的不确定性。给出了该方法的具体应用步骤,仿真算例表明该方法易于实现,具有很好的可操作性。     

主动悬架最优控制性能函数的加权系数研究

为了分析汽车主动悬架最优控制性能函数中加权系数的影响，对某轿车建立了整车七自由度动力学模型，设计了基于随机最优控制策略的状态反馈控制器。通过ADAMS＆MATLAB＼simlllink联合仿真，探讨了性能函数加权系数对悬架控制力的最大幅值及悬架性能的影响，得到了该轿车性能函数中加权系数的变化与主动悬架最优控制力的最大幅值及悬架性能的关系．这为主动悬架最优控制性能函数加权系数的确定提供了参考依据。     

基于多机场终端区交通态势的航班延误预测

为了针对性地制定后续优化措施,以降低多机场终端区内航班延误所带来的不利影响,并提高多机场系统内各机场的运营效率,进行多机场终端区航班延误的预测研究。首先,考虑多机场终端区交通态势对航班延误的影响,在对多机场终端区交通态势进行分析的基础上,建立了6个描述终端区交通态势的指标。接着,构建反向传播（back propagation,BP）神经网络航班延误预测模型,将终端区交通态势指标、航班信息和天气环境数据等作为输入,航班延误时间作为输出,并利用粒子群优化算法（particle swarm optimization,PSO）优化BP神经网络进行训练。通过实例验证和分析,基于多机场终端区交通态势的航班延误预测能够有效提高预测准确率,同时,通过粒子群优化BP神经网络的预测模型预测准确率均高于一般的考虑交通态势的BP和遗传算法优化的BP神经网络模型（genetic algorithm and back propagation,GA-BP）。     

基于PFC 2D的含节理岩体单轴压缩数值模拟

基于颗粒流方法模拟含节理岩体的单轴压缩破坏过程,并对不同节理倾角的岩体进行单轴压缩数值模拟,研究不同节理倾角岩体的裂纹扩展路径、破坏形式以及强度变化规律。结果表明:(1)在单轴压缩破坏过程中,岩体节理倾角不同,裂纹扩展与最终破坏形态不同,但破坏过程基本一致;(2)当节理倾角从0°到90°的变化过程中,抗压强度随节理倾角的增大先减小后增加,总体呈"U"型分布规律,并在倾角为60°时达最小值。     

改进粒子群算法的自动阻抗匹配技术

由于无线电能传输距离的改变或谐振线圈之间发生偏移、负载改变等多方面的影响使系统的输入阻抗发生变化,导致输入阻抗与射频源内阻不匹配,使传输效率大幅下降。在射频源和发射线圈之间加入阻抗匹配网络可以提高无线电能的传输效率。为了提高阻抗匹配的精度和速度,提出了一种改进的粒子群算法。重点将改进算法和传统算法进行仿真实验比较,证明了改进算法在匹配精度和速度方面的优越性。最后将该算法嵌入到自动阻抗匹配系统中,提高了无线电能的传输效率,同时证明了所提算法的有效性。     

绕水翼空化流场旋涡特性分析

为了深入了解绕水翼空化流动机理,利用数字式粒子图像测速(DPIV)系统,并辅以高速摄像机,对绕水翼流动进行了观测. 观测结果表明: 空化的发展对整个流场的涡量变化起决定作用. 无论在空化还是无空化流场中,涡量主要集中在自水翼前后缘开始的剪切层所在区域,并形成涡带,且上下涡旋向相反;随着空化数的降低,空化区域的流场混合得更为均匀,从而使涡量的峰值逐渐减小;上下涡带逐渐靠拢,并向后延伸、拉直,同时下涡带的起始位置向后推移.     

单质点弦振子振动分析

利用拉格朗日方程建立了单质点弦振子非线性振动方程,应用微扰法与线化和校正法对单质点弦振子进行了求解;利用MAPLE9.0计算机绘图,分别作出了它们的周期近似解随振幅的变化曲线以及近似解与数值解的变化曲线.所得结论为利用线化和校正法所求得的近似解与数值解比较,具有简单实用、精度高、相对误差低等优点,在求解非线性振动中具有一定的实用价值.     

基于PSO参数辨识SVM的中长期径流预测研究

以径向基函数作为核函数,利用微粒群(PSO)算法的全局寻优特性进行支持向量机(SVM)的参数辩识.在微粒群搜索参数前,先对参数进行指数变换,使[0,1]和[1,∞]有着相同的搜索概率.微粒群算法的适应值函数是以支持向量机模型的推广能力为标准的,讨论了测试样本的最小误差和留一法对支持向量机学习方法推广能力的两种估计.最后...