图形轮廓分层路由提取的MST生长算法

在以可达路径决策为核心的图形轮廓提取中,为有效地解决路由决策困难及路径特征值精度等问题,提出了图形轮廓分层路由提取的MST生长算法.该算法将图形路由拓扑结构划分为域内路由和域间路由.域内路由对非支配点关联路径进行重组,建立以支配点为节点的图形有权无向图;域间路由以无向图最小生成树MST为基础,利用树节点间唯一可达特性构造MST生长算法.最后综合这2个层次实现完整的图形轮廓提取.通过算例及应用证明了文中算法的可行性和有效性.     

用HOUGH变换改进的曲率法识别平面轮廓图元

针对检测精度与检测速度两大指标,提出了用HOUGH变换改进的曲率法平面轮廓图元识别方法。开发了基于邻域值的轮廓点分类算法,采用曲率阈值法筛选轮廓点、投影高度法判别图元属性及分类轮廓点,构建了基于HOUGH变换的直线图元、圆弧图元分割与融合算法。对提出的方法分别进行了特征点检测精度与检测速度对比实验和特征点检测能力测试实验。实验结果表明,提出的方法图元识别准确、检测速度快、通用性好。     

基于DXF的数控切割优化排序算法的研究与实现

采用Visual C++ 6.0开发平台实现了DXF文件读取的接口技术。针对图元排序问题,提出了一种优化排序算法,包括封闭图形的有序化处理、矢量化判断轮廓顺逆方向和包络矩形法结合基于射线法判断轮廓岛屿关系。针对全局路径优化问题,提出一种易于实现的相邻最短路径优化算法,通过实例证实了算法的有效性和实用性。该算法有效缩短了数控切割加工的辅助时间,提高了加工效率,并且能广泛应用于自动编程数控系统中。     

基于DXF格式的优化数控代码自动生成方法

DXF是AutoCAD与其他软件进行数据交换的CAD通用图形文件格式。实现了一种DXF读取方式并自动生成数控加工代码。传统算法的读取结果无序,不适用于实际加工,针对这一问题根据提取结果及位置关系生成图元轮廓树,并利用最近邻插入算法对图元轮廓优化排序,得到全局优化的最短切割路径,并通过实例证实了算法的有效性,能满足实际自动编程数控系统的工作需要。     

基于Matlab的图形轮廓提取及填充

提取图形的形状特征是当前图像处理领域的重要研究内容,而图形的边缘轮廓又能很好地反映形状的信息,因此本文阐述了如何利用matlab较好的提取图形的轮廓,以及将简单轮廓图形填充起来作为形状图形进行研究的算法及代码实现。     

截面表示法柱平面图的自动识别方法

针对截面表示法柱平面图的规则和特征,从轮廓追踪、全局联系、图元特征、语义分析等技术层面,分别对柱平面图的图元识别、图元与标注匹配、截面模板复制匹配、标注识别理解等几个关键步骤的处理进行了探讨,并提出了相应的算法。     

梯度估计在眼睛特征提取中的应用

眼睛特征的提取在表情分析、人脸合成和人脸识别等应用中起着非常重要的作用.目前广泛使用的眼睛特征提取算法是基于模板匹配的算法和基于特征点的算法.然而基于模板匹配的算法通常需要进行多个参数的选择,而且匹配过程非常耗时;特征点的算法则存在准确度较低的问题.针对以上问题提出了一种基于梯度信息提取虹膜中心、虹膜外轮廓和眼睛角点等眼睛特征的算法,算法用改进霍夫变换提取虹膜中心和外轮廓.在获得虹膜中心点后,参照中心位置选择眼睛角点候选区域并对其梯度进行分析.依据角点附近梯度分布与其它区域梯度分布不同的性质定位角点.仿真结果表明提出的算法能有效的提取眼睛特征,在测试数据上得到了比其它算法更高的准确率和更快的速度.     

基于图元的手绘几何图形识别

对通过手写板、光笔、数字笔等输入设备绘制的几何图形,采用基于图元表示法进行识别.该方法首先把输入的笔画组分解为图元(直线、园、圆弧等),对分割出来的各个图元进行识别,进而对识别的图元进行排序及位置关系提取,最后对图形进行拟合规整、输出识别结果.识别过程简单,速度快,准确率高,与输入笔序无关.     

基于最小二乘法的鼻子轮廓提取

针对传统的机器人肖像绘画技术中,现有方法难以对提取的鼻子轮廓线条的特征进行表征,进而影响了对鼻子的编码和矢量化的问题,提出一种基于最小二乘法的鼻子轮廓提取算法.首先在检测鼻子的基础上定位鼻尖和鼻孔;然后定位关键特征点,并通过关键特征点的约束控制搜索轮廓参考点;最后基于最小二乘法拟合轮廓曲线,得到鼻子轮廓曲线.实验结果表明,应用该算法能很有效地提取鼻子轮廓特征,且有利于编码和矢量化.     

基于切片方法截面数据处理

为了提高后续截面轮廓重建的精度,提出了基于截面切片后数据处理的系列算法.首先用点云束细化算法对切片数据进行细化处理,采用类似于移动最小二乘法的跟踪方法,整个过程不对测量数据进行局部坐标变换,迭代步长由点云密度控制;将截面切片数据细化后,用双链表排序算法对细化后的数据进行排序处理;对截面测量数据的特征点提取,结合"角偏差法"和"弦高差法"的优点,研究了对提取特征点结果影响的几个主要因子,提出一种对冗余数据处理及特征点提取的方法,得到的点云数据可以进行很好的分组处理,并拟合成合适的轮廓特征单元.     

基于神经网络的特征选择与提取方法研究

特征选择的基本任务是如何从许多特征中找出那些最有效的特征,即研究如何把高维特征空间压缩到低维特征空间。特征选择在数据挖掘、图象处理、数据压缩、模式识别等诸多方面有广泛的应用,本文简介了神经网络的特征选择与提取方法。     

文本分类中一种混合型特征降维方法

提出一种基于特征选择和特征抽取的混合型文本特征降维方法,分析基于选择和抽取的特征降维方法各自的特点,借助特征项的类别分布差异信息对特征集进行初步选择。使用一种新的基于PCA的特征抽取方法对剩余特征集进行二次抽取,在最大限度减少信息损失的前提下实现了文本特征的有效降维。对文本的分类实验结果表明,该特征降维方法具有良好的分类效果。     

基于动作选择级的多机器人协作

在多机器人环境中,由于每个机器人动作选择的重叠现象,让机器人之间的协作变得很差.提出了一个方法用于确定动作选择级别.在此基础上,可以很好地控制多机器人的协作行为的获取.首先,定义了用于动作选择级优先级的8个级别,这8个级别相应的映射到8个动作子空间.然后,利用局部势场法,每个机器人的动作选择优先级被计算出来,并且因此,每个机器人获得了各自需要搜索的动作子空间.在动作子空间中,每个机器人利用加强学习方法来选择一个适当的动作.最终,把该方法用于机器人足球比赛的机器人局部协作训练中.试验的效果在仿真和实际比赛中得到了证实.     

核参数判别选择方法在核主元分析中的应用

针对核主元分析(KPCA)中高斯核参数β的经验选取问题,提出了核主元分析的核参数判别选择方法。依据训练样本的类标签计算类内、类间核窗宽,在以上核窗宽中经判别选择方法确定核参数。根据判别选择核参数所确定的核矩阵,能够准确描述训练空间的结构特征。用主成分分析(PCA)对特征空间进行分解,提取主成分以实现降维和特征提取。判别核窗宽方法在分类密集区域选择较小窗宽,在分类稀疏区域选择较大窗宽。将判别核主成分分析(Dis-KPCA)应用到数据模拟实例和田纳西过程(TEP),通过与KPCA、PCA方法比较,实验结果表明,Dis-KPCA方法有效地对样本数据降维且将三个类别数据100%分开,因此,所提方法的降维精度更高。     

基于动词名词和CHI特征选择的中文人物社会关系抽取

针对中文人物社会关系标注语料库的匮乏和人物关系分类过于粗糙的问题,本文采用一种简单的方式标注了八类主要人物社会关系。为了有效的降低特征向量的维数避免维数灾难,并尽可能去除噪声特征以提高关系抽取的准确率,本文提出一种基于动词和名词抽取与χ2统计量法(CHI)相结合的特征选择方法,并使用TF-IDF计算特征权重。通过SVM分类器进行实验,F值和正确率都得到了提高。为了充分利用数据集对该特征选择方法的效果进行测试,使用K-折交叉验证检验该方法的有效性,实验表明通过该方法产生的分类模型具有较强的区分能力和泛化能力。     

一种基于形态小波的在线掌纹的线特征提取方法

在线掌纹中的线特征性能比较稳定，表示方法简单，特征空间小，可实现快速检索与匹配，该文针对在线掌纹图像噪声强，对比度低的特点，提出利用形态中值小波对原努图像进行非线性多分辨率分析，然后取其中的低频分量进行方向选择模板匹配，得到了较理想的实验结果。     

卷积神经网络在乐器板材优劣识别中的应用研究

目前民族乐器板材振动信号识别算法具有特征提取复杂且耗时长等缺点,针对此问题,提出了一种基于卷积神经网络的木材振动信号分类识别算法,实现了乐器板材优劣的判别。卷积神经网络将特征提取和分类过程结合来进行神经网络的训练,具有识别度高、鲁棒性好等优点。首先重点分析和讨论了提取木材振动信号的语谱图特征,然后应用卷积神经网络结合网格搜索的方法进行参数调优。为了防止过拟合,还应用了ReLU和Dropout等新技术,得到最终分类结果。实验证明,测试样本准确率达到96%,明显优于传统方法。该方法可减小人工测量的误差,加快板材的选取时间,为民族乐器制造领域的选材提供了一种更加实用的方法。     

概念语义生成与文本特征选择研究

文本特征选择是文本分类和信息提取的关键技术。针对文本分类中特征向量的高维稀疏问题,提出了非负矩阵分解和概念语义空间结合的特征抽取方法,对特征矩阵分解算法加入非负限制能够给出概念语义向量面向主题的解释,较好体现文本的局部特征。采用非负矩阵分解对全局和局部语义空间进行降维处理提高了体征提取效率,对不同概念语义空间中文本分类效果比对分析。实验结果表明基于非负矩阵分解的局部概念语义空间中文本分类精度较高。     

自适应变异尺度系数和混合选择的回溯搜索算法

回溯搜索算法（Backtracking Search Optimization Algorithm,BSA）是一种基于种群的进化算法。该算法有良好的全局搜索性能,但存在收敛速度慢的缺点。针对这一缺点,提出了自适应变异尺度系数和混合选择的改进的回溯搜索算法。改进的变异尺度系数是基于Metropolis准则提出的,它的总体趋势自适应减小。改进的选择策略是整体[q]%择优法与锦标赛选择法的混合选择机制,在选择过程中使一定比例的优秀个体优先进入下一代,剩余个体对位选取适应度较高的个体。对5个复杂的约束优化问题进行仿真实验,得到的实验结果分别与原算法和众多同类算法进行了比较,实验结果表明了改进算法的有效性和良好竞争力。     

Human–robot collaborative partial destruction disassembly sequence planning method for end-of-life product driven by multi-failures

Partial destructive disassembly (PDD) of large complex products often requires human–robot collaborative disassembly (HRCD). Therefore, a human–robot collaboration partial destructive disassembly sequence planning (HRCPDDSP) method of end-of-life products driven by multiple failures is proposed to obtain the optimal disassembly sequence to improve disassembly efficiency and degree of automation. Based on the product disassembly priority and part failure characteristics, an information model of the HRCPDDSP method is constructed. Furthermore, the model is expressed as a constraint matrix and recycling decision matrix. A multi-layer chromosome coding method, including HRCD, destructive constraint, and node layers, is proposed of the characteristics of the HRCPDDSP method. The approximate optimal sequence of human–robot collaboration PDD is achieved by improving evolutionary mechanisms such as selection, crossing, and mutation. Finally, the model and algorithm are applied to solve a case of HRCPDDSP, and the feasibility and effectiveness of the proposed method are further verified by comparison with other disassembly modes.