基于背景颜色不变量的改进双直方图镜头边界探测算法

快速运动一般不是发生在背景内,而是发生在对象内,因此关注背景区域对于探测镜头边界是行之有效的,而在进行镜头边界探测时,普通双直方图法对渐变边界检测效果比较好,而对突变镜头检测的效果不是很理想。提出了一种基于背景颜色不变量的改进双直方图算法进行镜头边界探测,该方法首先定义出背景区域,然后选用Lab彩色模型来计算背景区域的色度,再利用改进的双直方图算法进行镜头边界探测,该方法所需计算量较小,且可保证较高的精度。实验结果表明,该算法的分割效果明显优于其他几种算法,具有更高的探准率。     

基于差分进化的临近空间探测资源调度

针对临近空间预警探测平台的协同资源调度问题,根据临近空间探测资源与探测任务的特点,考虑多种实际约束条件,构建临近空间探测资源的优化调度模型。根据该模型规模大、求解复杂的情况,提出一种基于种群灾变的自适应差分进化算法求解模型。仿真实验结果表明,该算法相比传统算法收敛速度更快、寻优能力更强。     

基于窗口最大值和自适应阈值的视频镜头分割算法

本文对典型视频镜头分割算法进行分析,提出基于窗口最大值和自适应阈值的镜头分割算法.对该算法的系统结 构、特征参数、检测依据、自适应阈值及算法的实现进行了分析,用十段视频进行实验,结果表明,该算法的分割效果比较明显.     

自适应阈值新闻视频镜头分割算法

针对新闻视频镜头的转换基本上都是切变的特点,提出了一种自适应阈值新闻视频镜头分割算法。通过计算视频中相邻两帧的颜色直方图并进行比较得到帧间差,用帧间差与自适应阈值比较来判定镜头是否发生切换。该算法的最大优势是能够根据镜头内容的复杂程度自动确定阈值,在一定程度上避免了固定阈值算法适应性不强的问题,同时算法还考虑了如何消除新闻视频中常见的闪光灯对镜头检测的影响。实验结果表明,该算法对新闻视频镜头分割具有较好的效果。     

基于模糊聚类神经网络的镜头突变检测算法

讨论了采用无监督的模糊竞争学习算法，并结合自组织竞争网络构成的一种新型模糊聚类神经网络模型，提出了一种基于该网络模型的镜头突变检测算法。该算法通过对线性特征空间进行由粗到细的两步模糊聚类实现镜头突变的检测。实验结果表明该算法是可行和有效的。     

一种求解多目标0-1规划问题的自适应粒子群算法

对于带有线性约束的多目标0-1规划问题,给出了一种自适应的粒子群优化算法。该算法利用变换来控制模型的线性约束,并通过对各目标函数进行自适应加权的方式形成适应度函数。数值结果表明该算法是有效的,可以求解实际应用中的一些模型。     

卡尔曼滤波在心电信号QRS波检测中的尝试

心电信号QRS波的检测方法很多，但在准确性与实时性方面都不太好，该文中将心电信号按照QRS波周期进行分割，利用RLS算法的自适应AR建模，为心电信号建立模型，再利用kalman滤波算法对心电信号进行滤波和预测，在保证R波探测率的同时提高了探测的速度。针对心率不齐或者QRS波周期产生波动的情况，程序中利用各QRS波周期的相似性，求其互相关，以确定周期T，同时对T进行自适应建模，以便对下一周期预测。经过试验，取得了比较好的效果。     

一种带验证的自适应镜头分割算法

文中针对镜头分割在基于内容的视频检索中的重要性,首先介绍了普通的镜头分割方法,进而针对这些方法的不足,提出了一种带检测的自适应镜头分割算法,该方法能够检测中视频中的突变,渐变等镜头变换,通过实际测试,结果表明算法能够取得较高的正确率.     

未知环境下分布式多机器人避碰协作算法

针对多机器人协作问题,提出一种未知环境下分布式多机器人协作避碰算法。该算法基于分布式投标模型协调多机器人运动,改进过去算法的前提假设,综合考虑机器人的实际尺寸和传感误差,通过自适应设定投标时间,提高算法的效率,针对通信延时引起的信息不一致,采用按优先级顺序进行探测的方法。仿真实验验证了该算法的可行性。     

基于GIS的最优路径自适应规划算法

基于GIS的最优路径自适应规划算法是公交交通的核心技术。该文研究公共交通网络的特性和路径自适应规划算法的需求特点，构建了公共交通网络的几何模型和数据模型，设计了最优路径自适应规划算法且分析了复杂度，完成了基于GIS的客户端图形化显示，并结合实际公交网络进行了算法的验证，实现了算法的实际应用。     

基于累积帧的自适应双闭值镜头边界检测算法

镜头边界检测是基于内容视频检索的重要组成部分。针对渐变的视频序列,提出一种基于累积帧的自适应阈值镜头边界检测方法。考虑用一个累积帧把每一帧之间的差异累积起来,放大渐变的特征变化,利用块匹配算法对运动进行估计和补偿,以减少物体运动对镜头边界检测的影响。通过分析帧亮度和饱和度与阈值的关系,用自适应双阈值提高镜头边界检测的准确性。实验结果表明,该算法可以在较小的计算强度下较好地实现对镜头渐变的检测。     

基于多种视频特征的镜头边界检测算法

提出一种基于多种视频特征的自适应镜头边界检测算法.利用滑动窗口将当前帧与其前后相邻多帧的视频特征进行比较,形成2组相似向量,利用Fisher判别式与运动矢量形成的自适应阈值实现突变检测.提取帧的亮度方差作为特征,通过有限状态机实现渐变检测.对大量TRECVID视频进行实验,结果表明该算法对突变和渐变都具有良好的检测性能,对运动及闪光具有较好的鲁棒性.     

基于梯度向量角法的视频序列中镜头渐变检测

镜头边界检测是进行视频内容分析的首要步骤。本文提出一种新的基于梯度向量角的镜头边界检测方法。首先进行小波变换,提取第二层分解的低频系数,再求出梯度系数,然后计算连续帧梯度系数之间的绝对距离,得到两帧之间的不连续值,最后采用自适应阈值分割,检测出镜头边界。     

基于帧差与非相邻帧差的自适应镜头检测方法

针对突变和渐变的特点,实现了一种基于帧差和非相邻帧差的自适应镜头检测方法。方法通过计算相邻帧差有效地检测突变镜头,通过计算非相邻帧差实现对渐变镜头的有效检测,二者结合可检测出几乎所有的突变和渐变镜头,获得了良好的综合检测效果。该方法不用设全局阈值,适应性强且计算量小,实验结果表明了方法的通用性和有效性。     

增强视频镜头边界检测鲁棒性算法的研究

为有效避免闪光和字幕等因素对镜头边界检测造成的影响,提高视烦镜头边界检测的查准率,根据镜头转换的特点和颜色空间的特征,选取YUV颜色空间,对亮度信息进行分析.采用改进的直方图分块加权法计算视频帧的帧间差,结合其变化规律,将全局阈值和自适应阈值相结合,对突变检测加以控制,并依据视频中闪光具有的特性,检测出闪光序列,使其不参与自适应阈值的计算,提高阈值的准确度,从而增强镜头检测的鲁棒性.     

一种新的自适应网络入侵检测模型

在基于免疫模型的网络入侵检测中,因模型对自体的动态变化缺乏自适应性导致高的误报率和漏报率。为了提高网络入侵检测模型在动态环境下的自适应性,使模型能更好地应对不断变化的外部环境,提出了一种新的自适应网络入侵检测模型。模型中详细阐述了自体的演化,对现有否定选择模型中检测器生成存在问题进行了分析,提出新的检测器生成算法,随着自体的在线自动更正,检测器可以始终保持同步更新。结果表明该模型具有很好自适应性和动态性,可以对入侵行为进行有效的识别。     

基于负边距损失的小样本目标检测

现有的大部分目标检测算法都依赖于大规模的标注数据集来保证检测的正确率,但某些场景往往很难获得大量标注数据,且耗费大量人力、物力。针对这一问题,提出了基于负边距损失的小样本目标检测方法（NM?FSTD）,将小样本学习（FSL）中属于度量学习的负边距损失方法引入目标检测,负边距损失可以避免将同一新类的样本错误地映射到多个峰值或簇,有助于小样本目标检测中新类的分类。首先采用大量训练样本和基于负边距损失的目标检测框架训练得到具有良好泛化性能的模型,之后通过少量具有标签的目标类别的样本对模型进行微调,并采用微调后的模型对目标类别的新样本进行目标检测。为了验证NM?FSTD的检测效果,使用MS COCO进行训练和评估。实验结果表明,所提方法AP₅₀达到了22.8%,与Meta R?CNN和MPSR相比,准确率分别提高了3.7和4.9个百分点。NM?FSTD能有效提高在小样本情况下对目标类别的检测性能,解决目前目标检测领域中数据不足的问题。     

多因素自适应心跳检测算法研究

分布式系统中心跳检测是节点故障检测机制的关键技术之一,心跳频率设定的合理性将影响到故障检测的准确性和完整性。针对大数据环境下,分布式系统产生故障受到网络、节点、作业多方面影响,为了提高心跳频率在多方面因素影响下的合理性设定,提出一种多因素心跳检测综合指标评价模型。在该模型下同时考虑网络负载情况和节点CPU工作状态及节点作业的大小对心跳检测过程的影响。在此基础上,提出了基于多因素评价模型的自适应心跳检测算法。该算法可以随网络环境、节点CPU占用率、作业任务大小自适应地改变心跳频率,综合各因素给出心跳频率设定的最优方案。最后通过实验验证了多因素对心跳频率自适应调整的影响。     

基于改进的高斯混合模型的运动目标检测

运动目标检测是实现目标跟踪、视频监控的基础.针对基于高斯混合模型的运动目标检测算法的不足,提出了一种基于分块思想和高斯模型个数自适应的改进高斯混合算法.利用对视频图像分块的思想,在提高目标检测效率的同时,实现对视频的滤波处理;并利用高斯混合模型中高斯分布个数自适应操作来降低算法复杂度,提高运动目标检测的速度.实验结果表明:该算法比传统高斯混合模型运动目标检测算法具有更快的检测速度和更好的检测效果,并降低了检测噪声,能有效地检测运动目标,适用于运动目标的实时检测.     

基于免疫原理的层次入侵检测模型

针对当前入侵检测系统普遍存在的误报、漏报和缺乏自适应性问题,以人体免疫系统的多层防御结构为基础,结合了误用检测和异常检测两种检测技术,提出了一种基于免疫原理的层次入侵检测模型,详细阐述了该模型的体系结构、工作原理和运行流程.最后给出了自适应检测层的成熟检测规则生成算法、自适应识别算法和检测规则的进化原理.利用此进化原理能不断对规则库里的检测规则实施进化,使之始终保持最有效的检测规则,从而使该模型具有自适应性、动态性和准确性等特点,因此它比其它方法更能满足基于网络的入侵检测系统的要求.