采用预测模式的智能安全气囊控制算法

现有的汽车安全气囊易产生误触发和不触发的现象,为此,采用遗传神经网络预测模型开发了一款智能安全气囊控制器.首先在已开发的安全气囊控制器硬件系统基础上,建立并验证了目标车型的整车有限元模型以及乘员约束系统多刚体模型,通过仿真分析确定安全气囊的起爆方式以及最佳点火时刻,然后根据改进的遗传神经网络模型设计了安全气囊的智能控制算法,最后进行了台车试验验证.试验结果表明,该智能控制器可正确预测碰撞动态,并能够准确地预测起爆时刻.     

基于改进粒子群优化的K-means算法在学生状态分析系统中的应用

研究学生状态分析系统,旨在收集学生的综合数据,并对这些数据进行分析给出学生的状态,为老师和学生提供一个交流平台.使用基于改进粒子群优化的K-means算法来分析学生的数据,可以提高K-means聚类算法的全局搜索能力,缓解粒子群优化算法的早熟收敛现象.与基于标准粒子群优化的k-means算法和基于遗传算法的k-means算法的收敛结果相比,本文研究的算法有更好的搜索能力.将系统得到的学生评估结果与人工评价得到的相比,从系统获得的评价更全面、更客观.系统还可以提供视觉信息.最重要的是系统还能帮助老师更好地了解学生,及时引导学生,提高管理学生的效率.     

一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法

针对LBP算法在提取全局特征时不具有针对性的缺点,提出一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法。该算法引入Harris得到表情图像的角点,同时运用SIFT检测算法得到图像的局部最大最小值,通过Harris算法对SIFT特征点进行过滤,得到表情图像的准确感兴趣点;设计特征点最大区域选取法和特征点周围邻域选取法,将选取的区域作为LBP特征提取的输入图像;运用SVM多分类器得到每种表情的识别率。实验表明,该算法能更有效地提取表情特征,达到较好的识别效果。     

一种改进的人工蜂群算法优化的支持向量机

为了改善现有支持向量机(Support Vector Machine)的机器学习效果依赖于参数选择,而参数选择通常依赖于经验的问题,在现有基础上,本文结合一种称为骨架人工蜂群算法(Bare-bones Artificial Bee Colony)的改进的人工蜂群算法对支持向量机的2个参数进行优化,并对该优化结果进行试验。试验结果表明,改进的支持向量机的准确率、识别速度均优于原本的支持向量机。     

基于Apriori算法的数据挖掘在高校毕业生就业指导中的应用

随着高校毕业生人数的增加和管理信息系统的应用,产生了大量复杂的就业数据,利用Apriori算法的数据挖掘技术,从就业数据中挖掘出学分绩点与用人单位录用学生之间的关联规则,有助于提高就业管理部门对毕业生就业指导的实效性,实现毕业生更快更好的就业.     

面向运动目标检测的改进ViBe算法研究与实现

ViBe算法容易实现且运算效率高等优点，在运动目标检测等领域中获得广泛运用，但其也存在一些缺点，如鬼影、空洞、漏点以及运动目标检测不完整等问题，针对这些不足，从ViBe算法处理过程的主要阶段出发，提出一种改进的ViBe算法.首先用迭代累积背景法获取真实背景用来抑制鬼影问题，其次把真实背景分别用于帧差法和改进的ViBe算法中，帧差法可用来弥补视频序列帧中边界处像素点遗漏问题，改进的24领域ViBe算法用来提高模型精度，再把两个结果进行“或”运算，最后利用形态学进行处理用以消除小噪声干扰，使得到的目标更加完整.该算法能够去除噪声、抑制鬼影以及减少空洞点，实验结果表明，与传统的ViBe算法相比，能够有效抑制鬼影以及减少漏点问题，提高运动目标检测精确度.     

面向第二类装配线平衡问题的改进粒子群算法

为求解第二类装配线平衡问题，建立一种以最小化节拍、工位负载标准差为优化目标的第二类装线平衡问题的模型.根据装配线平衡问题的特点，设计出一种改进的粒子群算法，引入随迭代次数增加而线性递减的惯性权重，防止粒子群算法陷入局部极值点；将反向学习策略与PSO算法相结合，使PSO算法具有更佳的搜索能力和收敛速度.通过求解标杆问题，结果表明改进的PSO算法与标准PSO算法相比，具备更好的求解能力.最后通过对青贮机装配线为实例验证算法的可行性和有效性，进一步验证了本文中提出的改进PSO算法具有很强的计算效率和求解能力.     

面向虚拟介入手术的单线圈接收端电磁定位新模型

面向虚拟介入手术导丝导管三维定位需求，针对狭窄脑血管等对更小体积传感器的要求，提出了单线圈接收端的电磁定位新模型。基于电磁学理论和几何学原理，设计了三正交线圈组阵列的电磁场发射端，以及比现有感应器尺寸更小的单线圈接收端。基于毕奥-萨伐尔定律实现了接收端到线圈组几何中心的距离计算，并基于球交点公式实现了接收端的空间坐标求解。设计了两轮精度提升算法进一步减小误差，选择优化的发射端线圈组拓扑并拟合修正距离计算值。通过在COMSOL Multiphysics多物理仿真平台的实验和脑血管介入的应用实例，验证了新模型0.05 cm的定位精度和29 Hz的定位频率，为小型高精度电磁定位传感器制造提供了理论基础。     

改进萤火虫算法与K-means算法结合的配电网负荷聚类特性分析

负荷聚类特性分析是实现配电网的定制电力、高品质供电、高可靠性供电的重要基础．然而现有的Kmeans聚类分析方法，受限于数据样本集和聚类初始中心的选取等，会出现因初始中心不同造成聚类结果差异大的问题．为此，针对配电网负荷数据特点，提出一种基于改进萤火虫算法和K-means算法结合的配电网负荷聚类特性分析方法．利用萤火虫优化算法全局搜索能力强的优势，考虑类内相似度和类间差异度，寻优K-means算法初始中心，使聚类结果的聚类有效性指标取得最小值；进一步针对萤火虫算法在处理负荷数据时的弱点，通过密度法为萤火虫算法加入优秀初代个体，改进吸引公式以及个体间概率吸引移动的方式优化迭代过程中的个体移动方式，加快萤火虫算法前期收敛速度，并实现后期稳定收敛，算法更快地接近极值，计算速度更快．算例验证了本文所提算法的聚类有效性，并针对某配电台区电力负荷数据，寻得K-means算法最优初始中心，使得聚类结果的戴维森堡丁指标(Davies-Bouldinindex,DBI)最小，负荷聚类结果类内差异小，类间差异大，最终聚类中心的特征代表性强，为负荷类型划分、聚类特性分析提供重要依据，为需求侧差异化电力服务定制...     

HCOOH在电极Pd(110)表面电吸附的密度泛函研究

采用密度泛函理论和周期平板模型相结合方法,对HCOOH分子在Pd(110)表面bridge,bidentate和unidentate三种形态吸附位进行吸附结构、Mulliken布居和振动频率等性质的计算;计算结果表明HCOOH在金属态表面bidentate为最稳定的吸附位,电极表面unidentate为最稳吸附位;HCOOH在电极表面的吸附远大于金属态表面的吸附能,表明电化学反应比普通化学反应容易进行.电极表面吸附的结构和频率分析显示,吸附过程中O—H、C—H键均伸长,v(O—H)键和v(C—H)振动频率均发生明显红移,表明H原子在吸附过程中容易断裂,脱离HCOOH分子.Mulliken电荷布居分析表明在电吸附过程中电子由HCOOH分子向Pd(110)表面进行转移,有利于电催化反应进行.