自适应背景更新及运动目标检测算法

从视频中检测运动目标是智能视频监控应用中的一项关键技术.文中提出了一种基于区域的自适应背景更新及运动目标检测算法,首先使用高斯模型建立初始的静态背景图像,通过背景减法得到差值图像;然后使用自适应阈值对差值图像进行二值化,并利用形态学滤波和连通区域面积检测进行后处理,得到运动目标区域掩模;最后,根据运动目标区域掩模检测出运动目标,同时使用基于区域的自适应背景更新算法动态更新背景图像.实验结果表明,该算法能够自适应地对背景模型进行更新,对于背景的扰动、光线的渐变等带来的影响有很好的抑制作用,可以有效地检测出运动目标.     

一种基于层次型证书的移动IPv6绑定更新协议

针对移动IPv6路由最优化引入的安全威胁和传统保护机制缺乏认证的特点,基于IPv6的地址格式,提出了一种层次型的证书机制,解决了实体之间身份认证问题,并在此基础上提出了一种绑定更新协议。该协议通过把移动节点的开销交给家乡代理来处理,并运用一次绑定多个转交地址注册等机制降低了开销。与传统协议相比较,该协议的安全性和效率都有很大提高。     

Vector bundle constraint for particle swarm optimization and its application to active contour modeling

Active contour modeling (ACM) has been shown to be a powerful method in object boundary extraction. In this paper, a new ACM based on vector bundle constraint for particle swarm optimization (VBCPSO-ACM) is proposed. Different from the traditional particle swarm optimization (PSO), in the process of velocity update, a vector bundle is predefined for each particle and velocity update of the particle is restricted to its bundle. Applying this idea to ACM, control points on the contour are treated as particles in PSO and the evolution of the contour is driven by the particles. Meanwhile, global searching is shifted to local searching in ACM by decreasing the number of neighbors and inertia. In addition, the addition and deletion of particles on the active contour make this new model possible for representing the real boundaries more precisely. The proposed VBCPSO-ACM can avoid self-intersection during contour evolving and also extract inhomogeneous boundaries. The simulation results proved its great performance in performing contour extraction.     

一种求解大规模优化的有限内存方法

在修正的拟牛顿方程的基础上，给出了一种适用于求解大规模问题的有限内存对称秩一算法，该算法充分利用了迭代过程所得到的函数值和相应的梯度值。同时，用有限内存技术改造一般对称秩一算法，给出了对称秩一矩阵的有限内存矩阵表示，从而大大节省了计算机的内存和计算量，使算法更适用于大规模优化问题的求解。     

基于B^＋树的复杂生态信息存储结构模型

针对复杂生态信息的存储与管理问题,提出一种基于B 树的多维层次聚集立方体存储结构模型。通过将d维数据空间构建成多维层次式B 树,并节点进行压缩的二进制维层次编码,在此基础上实现了模型的快速查询、数据更新与模式更新算法。与传统的Data Cube相比,MH-Cube具有较好的查询与更新功能。生态数值实验表明,模型可为复杂生态信息的存储与管理提供较好的解决方案。     

带限制的动态数据库中大项目集增量式挖掘

提出了一种带限制的动态数据库中大项目集的增量式挖掘算法，基于限制条件它有4种优化策略，并对候选项目集进行修剪，减少了个性选项目集的数量。同时，利用已挖掘的大项目集计算本次挖掘顺在项目集的记数，减少了I／O的次数。该算法允许用户不断改变限制条件，实现交互式挖掘，而且可将挖掘的目标仅仅聚焦到其感兴趣的模式上，这不仅适用于对数据库进行插入操作，还适用于删除，修改操作，实验表明该算法是有效的。     

加快启发式实时算法的收敛

LRTA^*算法是一种实时搜索算法，若重复求解同样的规划任务，LRTA^*将收敛于最短路径．文中给出了通过改变值更新规则来加快实时算法收敛的一种方法．实验表明它比LRTA^*算法更快地收敛于次优解．     

PowerBuilder数据窗口多表更新的通用性方法

PowerBuilder中单数据窗口只能更新一个表,目前常用的解决方法是编写函数实现基于单数据窗口的两表更新,当表的数目增加时又需要重新编程或重复调用函数.为克服该局限性,对其进行了改进,通过建立全局函数实现单数据窗口的多表更新,提高了代码的可重用性和可维护性,通过向函数传递不同的参数,使程序不必受制于数据库表的个数和名称,体现其通用性,从而使PowerBuilder应用程序的报表更新技术更完善,更灵活.     

基于快速滚动更新的无缝隙定量降水预报模型

针对中小尺度天气系统极易导致突发性短时强降水而难以定量化预报的问题,提出了一种基于快速滚动更新的无缝隙定量降水预报模型。模型基于改进光流法技术实现临近(0～2 h)定量降水预报,基于GRAPES-3 km实时频率匹配订正技术构建短时(2～12 h)定量降水预报,基于最优背景场生成技术形成短中期(12～240 h)定量降水预报;依据3种预报时效定量降水预报技术的技巧差异,结合实时预报检验评估,提出了基于经验权重函数的不同预报时效之间的预报融合技术,并根据最新降水实况逐1 h调整预报,构建了0～240 h快速滚动更新的无缝隙定量降水预报模型。选取2018年5—10月24 h定量降水预报进行检验,并与传统定时预报对比,结果表明该模型24 h降水预报准确率高于传统定时预报,特别是对中小尺度天气系统突发性短时强降水预报时空精度明显提高,有利于中小河流洪水预报与灾害防控。     

两块校正结合滤子线搜索解带有等式约束的非线性优化问题

提出使用两块校正方法结合滤子线搜索策略求解带等式约束的非线性规划问题,滤子方法的使用避免了使用罚函数法时每次确定罚参数的困难,并且证明了在一定的假设条件下该算法的整体收敛性．数值计算结果表明本算法有效。