基于稀疏表示和粒子滤波的在线目标跟踪算法

针对目标跟踪过程中由于外形变化或者遮挡所造成的跟踪效果下降或导致漂移的问题,提出一种粒子滤波框架下基于稀疏表示的在线目标跟踪算法.采用分层梯度方向直方图(PHOG)特征对目标模板进行描述,并且每一个候选模板都可以通过PHOG基向量和琐碎模板进行稀疏表示,进而利用L1范数最小化方法进行最优求解.为保证在遮挡的情况下目标跟踪的精度,对目标遮挡部分和非遮挡部分进行拆分建模,并利用PCA子空间增量学习的方式不断更新目标跟踪模型.通过对具有挑战性的跟踪视频进行定性和定量分析,实验证明该方法在跟踪精度上要优于传统的跟踪方法.      

Incremental support vector machine algorithm based on multi-kernel learning

A new incremental support vector machine (SVM) algorithm is proposed which is based on multiple kernel learning.Through introducing multiple kernel learning into the SVM incremental learning,large scale data set learning problem can be solved effectively.Furthermore,different punishments are adopted in allusion to the training subset and the acquired support vectors,which may help to improve the performance of SVM.Simulation results indicate that the proposed algorithm can not only solve the model selection problem in SVM incremental learning,but also improve the classification or prediction precision.     

基于极限学习机的未校准图像视觉伺服控制

解决非结构化环境中的机器人视觉伺服控制的主要问题是获得交互矩阵, 而解决交互矩阵的常见问题是交互矩阵伪逆的奇异性问题。 针对该问题, 提出了一种新型的基于图像的视觉伺服控制方法, 并采用增量式极限学习机解决图像雅可比矩阵的伪逆逼近问题。 为提高系统的收敛速度, 采用了具有自适应因子的速度改进控制器。 最后, 采用了六自由度机械手仿真, 验证了所提出方法的有效性和优势, 该算法提高了系统的鲁棒性, 避免了计算雅可比矩阵的伪逆的问题。     

产业集群广义创新合作网络演化

综合考虑网络动态演化过程中的偏好依附和区域优先连接性,运用复杂网络研究中的率方程法,从企业的"网络嵌入性"角度出发,推导出了网络度分布的演化方程.分析结果表明,创新合作网络度分布服从幂律分布;随着网络的动态演化,企业间所拥有的资源差异越来越大,这给企业带来了更多的技术机会,有利于新知识的产生和交流;"网络嵌入性"越均衡,越有利于提高集群整体的创新绩效;应鼓励集群内企业间积极开展创新合作,这将有利于优化网络结构,降低创新资源被少数企业所垄断的可能性.     

应用增量法生成非均匀B样条曲线曲面

应用基于展开的增量法生成非均匀B样条曲线曲面以及NURBS曲线,给出一个较简单高效的算法.此算法仅在初始化时进行乘除运算而后均为加法迭代,相较于deBoor算法效率更高.     

阵列光电池及其在增量式光电编码器的应用

为解决航空航天仪器小型化问题, 以光电池阵列结构代替狭缝功能, 将狭缝与光电池合二为一, 使光的二次衍射变为一次衍射, 以提高信号质量。由于光电池采用了阵列结构, 缩小了面积, 降低光源不均匀等影响, 安装调试方便, 有利于产业化生产和航空航天仪器的小型化。实践证明, 取消狭缝, 采用阵列光电池既提高了信号质量, 又降低了加工成本, 是增量式光电编码器的重要改进。     

随机需求下实行累进数量折扣的零售商最优订购策略

供应商为了激励零售商增加订购量,现实中往往采取累进数量折扣策略,而零售商在享受到数量折扣的同时若过量订购,必然会增加由需求不确定性造成的库存积压成本。假设零售商面对的需求是服从某一随机分布,提出了累进数量折扣下的零售商具有(s,S,S0)订购策略,并证明了零售商采取该策略能够最小化总成本,实现收益和风险的最优平衡。最后通过数值实验验证了这一结论,并为此类零售商的运营提供了指导性建议。     

一种带有实时视觉特征学习的自主发育机器人探索

能根据实时的环境如人一样进行自主发育学习是近年刚刚提出的、根据生物和认知的原理的一个新思想,因提出的方法复杂度高,所需的机器人平台的要求也比较高,在研究了增量获取特征和自主发育算法的基础上,把视觉特征抽取和自主发育结合在一起,通过一定的简化,形成能在简单的平台上实现的简化系统．经实验模拟证实该系统能够实时抽取视频图像的特征并实现移动机器人对环境的主动辨别和认知．     

基于增量迭代法的深基坑桩锚支护结构位移计算简化方法

针对深基坑桩锚支护结构工程的施工特点,提出采用增量法对深基坑桩锚支护结构进行设计研究,把深基坑因开挖引起的桩体位移这一非线性问题用近似的线性方法解决,用一系列线性的分段折线去代替非线性曲线.考虑到基坑开挖过程中桩锚支护结构位移的影响,推导出基于桩体位移的土压力模型的位移计算公式,再运用迭代法对每步求出的桩体位移量进行修正,避免增量法计算产生的误差累计叠加.结合工程实例,把上述方法用Matlab编制成计算程序,将计算结果与有限元模拟软件Plaxis的模拟结果以及常规增量法对比分析,结果表明,用提出的简化方法计算桩体位移更加接近工程实际,较常规增量法更为准确.     

基于遗传算法的多变量增量型广义预测控制

针对多变量增量型广义预测控制算法增量系数难于根据系统特性选择的问题,提出基于遗传算法的多变量增量型广义预测控制算法.多变量增量型广义预测控制算法通过将求解出来的控制增量分别乘以相应的增量系数,来提高系统的鲁棒性和稳定性,同时采用阶梯式的控制策略降低多变量广义预测控制算法的计算量,运用改进的遗传算法优化整定多变量增量型广义预测控制的增量系数增强系统的跟踪特性.通过原油常压塔的侧线产品质量控制的仿真,验证了该方法有较好的鲁棒牲和抗干扰性.