应用禁忌粒子群算法的车间调度及其并行化实现

为了解决批量生产、制造、装配等车间调度问题,基于Hadoop集群,提出应用禁忌粒子群算法的车间调度及其并行化实现.以某装载机制造车间最小化完成时间为目标,通过使用禁忌粒子群算法对车间调度问题进行求解.结果表明：在车间批量大的情况下,禁忌粒子群算法可得出有效的调度方案,避免算法陷入局部最优解.与现有的智能算法相比,禁忌粒子群算法更有利于实现全局最优解.     

ZigBee室内定位算法中数据预处理

为了尽可能地消除ZigBee网络中接收到的链路质量指示(LQI)值因受到各种干扰而产生的波动性,对实际测量获得的LQI值使用不同的小波函数、不同的阈值及不同的分解层数进行小波降噪实验.实验结果表明:使用小波降噪的方法,能够比较明显地滤除ZigBee网络中接收到的LQI值中所包含的噪声,同时使用不同的小波、不同的阈值及不同的分解层数,其降噪效果不同.     

采用HOG特征和机器学习的行人检测方法

针对基于方向梯度直方图(HOG)/线性支持向量机(SVM)算法的行人检测方法中存在检测速度慢的问题,提出一种将HOG特征与Adaboost-BP模型相结合的行人检测方法.利用边缘检测技术快速检测出行人候选区域,提取出多尺度多方向的HOG特征,利用Adaboost算法训练多个反向传播神经网络用于构建强分类器,实现对测试样本图像的检测识别.结果表明:文中方法具有更高的检测率、更低的误报率和漏检率,具有较好的检测效果.     

温补晶振的一种实现方法

提出一种数字控制实现晶振温度补偿的方法.利用Matlab 7.0对采集的数据进行分析处理,采用多项式拟合和多项式插值建立数学模型,并使用中值滤波法和程序判断滤波法对数据采集进行滤波,消除随机噪声对数据的干扰,以保证数据样本的稳定性.通过样品实例分析可以看出,在靠近非线性工作区的测试数据误差较大,工作电流也较大;在温度传感器的线性区-45~85℃的范围内可以对晶振进行有效补偿,频率的偏差在温度传感器的线性范围内可以控制在晶振频率的10-7以内.     

模拟I2C总线从器件的一种方法

I^2C BUS(Inter Integrated Circuit BUS内部集成电路总线)是由Philips公司推出的二线制串行扩展总线．I^2C总线是具备总线仲裁和高低速设备同步等功能的高性能多主机总线．利用51单片机的两根普通的I/O线,模拟I^2C总线从器件给出源程序．这些程序都在已研制的CDMA直放机监控模块的I^2C总线接口中获得验证和通过．     

空间光通信中高斯光束传输闪烁指数测量系统

基于ARM9嵌入式MCU设计并制作了闪烁参数测量系统,利用该系统对激光在实际湍流中的闪烁指数进行实验测量.在实际测量中,证明该系统能实时地测量激光在湍流大气中传输的闪烁指数.实验结果表明:当高斯光束在湍流大气中的传输距离越大,其闪烁指数越大;在相同位置处,高斯光束的闪烁指数随着湍流强度的增加而增大.     

应用空间约束和二次相似度学习算法的行人再识别

针对空间分布的全局外观潜在变化的行人再识别问题,提出一种基于空间约束和二次相似度学习算法.通过二次相似度函数(QSF)估计每个子区域的相似度,从而形成多项式特征图,并将所有特征图融合到统一的框架中.该框架利用局部相似度和全局相似度的互补优势,结合多个视觉线索进一步提高算法的鲁棒性.实验对比3个公共数据集,结果表明:基于空间约束和二次相似度学习算法具有显著的识别性能.     

Spark平台下KNN-ALS模型推荐算法

考虑Spark大数据平台内存计算框架在迭代计算的优势,提出Spark平台下KNN-ALS模型的推荐算法.针对矩阵分解算法只考虑隐含信息而忽视相似度信息的缺陷,将相似度信息加入评分预测中,并采用适合并行化的交替最小二乘法进行模型最优.在MovieLens数据集上的实验表明:该算法能够提高协同过滤推荐算法在大数据集下的处理效率,且加速比也达到并行处理的线性要求,相比其他方法有较好的精度.     

可扩展为多通道的胶体金测试系统的研制

研制对不同指标的试条进行扫描测试的胶体金测试系统.系统采用高亮度绿色发光二极管作为光源,高感度光纤探头作为感光元件,使得传感器可以有效抑制被检测样本背景色对扫描过程的影响.采用8通道10位A/DMAX 192两片并联的方式,可以同时对10种不同的样品进行分析,并根据事先标定的光密度值与浓度的拟合曲线给出分析结果.同时,系统具有手工标定和自动标定两种方式,提供试剂质控功能,有效地保障试剂正常使用.     

深度可分离卷积网络的驾驶状态识别算法

针对嵌入式设备内存小及多分类准确率低等导致驾驶员检测问题,提出经过深度可分离卷积网络改进而成的,快速下采样网络(fast downsampling network,MF-Net)驾驶状态识别系统.即将快速下采样策略应用于深度可分离卷积网络,在12层内执行32倍下采样,以有效降低计算成本、增加信息容量并实现性能改进.实验结果表明:与VGG(visual geometry group)和ResNet 50等其他卷积神经网络(CNN)模型相比,所提出的MF-Net模型深度可分离卷积大大减少参数量,快速下采样方案的运用增加了网络的信息容量,不仅模型较小且在驾驶员状态分类方面能够表现出更好的性能.同时,信息容量的增加可以对更多信息进行编码,加深对图像内容的理解,有利于之后的嵌入式系统移植.