基于明暗度分类和改进二分法的车牌字符分割

车牌字符分割易受到车牌倾斜及边界、杂点的干扰,致使复杂条件下的车牌图像分割准确率不高,针对该缺点提出一种鲁棒性强的分割算法。在车牌预处理阶段进行图像明暗度分类及灰度图增强,以此为基础进行倾斜校正及上下边界定位;在字符切分阶段采用改进二分法进行分割,之后对1,2,6,7四个字符实现了边界精确定位。实验表明,该算法实时性较好,能够有效克服车牌对比度不高、模糊、粘连和倾斜的缺点。     

基于拥塞控制的无线多媒体传感网地理位置路由协议

无线多媒体传感网络(wireless multimedia sensor network,WMSN)是一个能量受限的网络,能量问题直接影响到网络的生命期.如果知道目的节点的地理位置信息,路由请求(routing requests,RREQs)就可以减小包的转发范围,减少不必要的能量消耗.地理位置路由(location aided routing,LAR)基于该思想被提出.在LAR协议的基础上,利用媒体访问控制层(media access control,MAC)的拥塞信息,提出基于拥塞控制的LAR路由协议——ILAR(improved LAR).仿真结果表明,ILAR具有路由开销少、吞吐量大和包时延小的特点,适合作为WMSN的路由协议.     

震区公路崩塌危险度评价模型研究

以＂5.12＂地震重灾县———青川县（青川生命线道路沿线）作为研究区域,选取产生崩塌及影响其稳定性的9个因素为评价因子,将崩塌危险度分为无危险、低度危险、中度危险和高度危险4个等级,建立了基于改进灰色聚类法的崩塌危险度评价模型。应用该模型对青川生命线道路沿线崩塌灾害点进行评价,将此评价结果与经典灰色聚类法所得的评价结果进行对比。研究结果表明,基于改进灰色聚类法的崩塌危险度评价模型所得的评价结果比经典灰色聚类法所得的评级结果更接近于现场专家勘查结果。由此可见,采用这种基于改进灰色聚类法的评价模型对崩塌危险度进行快速、科学、有效地评价是切实可行的。     

基于改进引力搜索算法的励磁控制PID参数优化

在引力搜索算法（GSA）基础上,结合PSO算法中粒子的运动特点,提出了改进引力搜索算法（IGSA）,并将其应用到励磁控制系统PID参数优化．IGSA嵌入了引力搜索和粒子群搜索,使其在保留引力搜索特点的前提下增加了信息共享及记忆能力,进一步提高了搜索能力．定义了同时考虑ITAE指标和超调量指标的加权目标函数,提出了基于混沌引力搜索的参数优化策略．将IGSA与传统群体优化算法进行了充分对比试验,验证了提出的励磁控制系统PID参数优化方法的有效性．     

电磁导航智能寻迹小车方向控制算法的分析与应用

针对电磁式智能小车系统路径信息处理复杂的问题,提出了一种基于延伸有效增减区间的优化PID算法。首先,对磁场信号检测原理作了介绍,提出了一种新的传感器布置方案;其次,提出使用归一化处理来解决数据不对称的问题,通过MATLAB仿真的方法分析了前瞻高度与位置解算函数线性度的关系,并提供了扩展单调区间宽度的方法;最后,对传统PID算法的各个环节分别进行了改进,提出舍弃积分控制环节来克服转向的时滞性,使用位置偏差的二次幂作为比例系数来保证转向角度与弯道的吻合度,在微分控制环节当中引入非线性环节来达到优化路径的目的。在保证小车寻迹精度的前提下,改进后的算法相对于传统PID算法使小车的车速提高了约20%。实验表明,该算法能够实现小车识别复杂路径、自主寻迹的功能。     

基于动态贝叶斯网络的无人机路径规划研究

针对威胁可变及威胁体不尽相同的无人机路径规划问题,提出了一种局部路径重规划的算法。该算法首先构造出战场具有n类威胁体的初始路径图———“改进型Voronoi图”,后应用Dijkstra算法搜索威胁分布图,求解粗略最短路径。在无人战斗机飞行过程中,威胁体威胁等级不断变化,无人战斗机通过多传感器数据融合知识构建动态贝叶斯网络图,感知环境,获取信息,应用Viterbi解码算法获得实时威胁等级,进行局部改进型Voronoi图的重构,以完成局部路径重规划,提高了无人战斗机在实战环境下生存概率。给出了应用该方法的具体步骤,通过仿真实验证明该算法的有效性。     

用随机神经网络优化求解C-TSP

基于动态随机神经网络(DRNN:Dynamical Random Neural Network)求解典型旅行商优化问题TSP(Traveling Salesman Problem),通过简化方程参数的改进算法,针对解决大规模TSP的求解效果在时间以及路径寻优上所存在的问题,提出一种新的分区方案来解决中国31城市的旅行商问题.所获得的最优路径结果与目前公开文献中已有的其他神经网络所解的结果相比较,显示出采用随机神经网络解决多于10个变量TSP问题的优越性.实验结果表明,采用该方法解决31个城市TSP的优化,所得出的最短距离(15 112.7km)比已有5种算法的结果都要少.     

中文搜索引擎的缺陷与改进

简要介绍了现有中文搜索引擎的工作原理,分析了其存在的缺陷,然后针对这些缺陷提出了一种经过改进的中文搜索引擎结构体系,并对其中用到的改进策略进行了剖析.     

青海云杉自由授粉家系遗传变异与基于BLUP的改良代亲本选择

【目的】最佳线性无偏预测(BLUP)方法是对遗传种质在不平衡环境下利用混合线性模型方程对育种值进行无偏预测,可有效估算与剔除环境效应,反映真实遗传效应,有较高精确性。应用BLUP方法估算育种值用于改良代亲本选择,对于青海云杉的遗传改良具有积极的参考价值。【方法】本研究在对13 a和14 a的两批青海云杉种子园自由授粉子代测定林的树高遗传分析基础上,利用BLUP方法,通过构建亲缘关系矩阵,对树高育种值进行估测。【结果】结果表明家系及家系和区组互作效应显著影响树高。两批青海云杉种子园自由授粉子代树高的家系遗传力分别为0.17和0.36,单株遗传力均为0.07。基于混合线性模型的BLUP方法估算家系亲本无性系树高育种值和真实树高、单株树高预测值和真实值均具有极显著相关关系,相关系数分别为0.99和0.86。根据家系亲本无性系育种值选出20个优良家系,根据优良家系后向选择母本无性系建立改良种子园的树高现实遗传增益分别为36%和26%。根据单株树高育种值采用配合选择方法从两批家系试验林各选出20个改良代优树,根据前向选择子代优良单株的树高预期遗传增益分别为7.6%和7.9%。【结论】对比后向选择和前向选择树高的遗传增益发现,青海云杉高世代育种中可优先后向选择,选择优良家系母本无性系建立1.5代改良代种子园。     

激励机制改进蚁群优化算法用于全局路径规划

为提高优化算法搜索能力,分析了基本蚁群优化算法和心理学家斯金纳的强化激励方法的基本原理,将正、负激励原理应用于改进基本蚁群优化算法,提出了基于激励机制的改进蚁群算法,并给出了其数学描述。将改进的算法应用于求解旅行商问题和避碰约束下的最短路径规划问题,并与基本算法进行比较。仿真试验显示,改进的蚁群算法有效搜索到最短路径,实现全局路径优化。由于采用了激励机制,使得种群中所有个体都能够积极向最优解移动,从而更快地找到最优解,其较之基本蚁群算法具有较快的收敛速度,整体性能优越,能够应用于求解路径规划等问题。