一种新颖的离散化算法及其应用

连续数值属性的离散化是粒计算理论应用的重要步骤。首先对目前的离散化算法进行分类讨论,提出区间粒的概念,融合熵理论定义区间粒的粒度,进而提出基于粒计算的连续数值属性的离散化算法,并将该算法应用于入侵检测过程。实验结果表明该算法简洁高效,能够确保入侵检测系统的检测效果。     

人脸识别技术产品的发展概况

介绍了人脸识别技术产品的发展概况和当前的市场状况,对目前国内外典型人脸识别商用产品的实用算法进行了分析和比较,指出其存在的问题,并对入脸识别技术发展进行了展望.     

三维目标检测中的先验方向角估计

为了解决基于2. 5维信息进行三维目标检测的方法中方向角的先验信息未得到充分利用的问题,从RGB-D相机获取的深度信息出发,提出一种新的基于二维图像估计先验方向角的三维目标检测方法。通过颜色信息和深度信息得到二维的分割实例,并在分割实例上提取关键点;通过关键点的优化过程排除不确定点和修正误判点;通过点云重建得到关键点的三维坐标,根据关键点的坐标估计目标的方向角,并将其作为初始化三维框的方向角。实验结果表明,所提方法在Amodal3Det方法的基础上提高了1. 3%的平均检测精度。     

基于STM32的无刷直流电机控制系统

针对无刷直流(BLDC)电机稳定性和精确性需求的不断提高,设计了一种基于STM32微处理器的控制系统。该系统采用电流反馈、转子位置反馈实现对电机的双闭环控制,同时结合模糊比例—积分—微分(PID)控制算法,增加了系统的控制精度,降低了电机转动超调量。在电路设计中,采用IR2136驱动芯片,加入隔离电路,保证了系统运行稳定性和抗干扰性。通过实验分析验证,该系统运行稳定,对无刷直流电机控制精确度高,且响应速度快,超调量小。     

基于RPCCA的无人机目标跟踪定位算法

针对目前无人机(UAV)对于行人目标的识别准确度不高,数据传输不稳定并且易受干扰和现有无人机目标跟踪系统一般是利用卫星信号进行定位,传输数据成本较高且具有一定的局限性的问题,提出了基于正则化成对约束组件分析的无人机目标跟踪定位算法,利用正则化成对约束组件分析实现了无人机对目标的准确识别,利用WiFi进行大数据稳定、实时的传输,与基于卫星的定位算法可以形成互补,在此基础上,利用扩频通信进行重要数据的准确传输,改善了系统的抗干扰性能。实验结果表明:该算法不仅可以有效地识别与跟踪目标,而且可以实时传输无人机的位姿参数与目标检测结果。     

GFDM系统中基于扩展卡尔曼滤波的ICI消除

针对广义频分复用(GFDM)系统中由于载波频偏(CFO)的存在而产生的载波间干扰(ICI)效应,提出了一种基于扩展卡尔曼滤波的ICI消除算法。通过获取上一状态的频偏最优化估计值及其协方差,进行当前频偏状态预测,利用受到ICI影响的接收数据符号和频偏估计量计算出频偏校正值。通过仿真测试,在信噪比较大的情况下,改善了系统的误码率,最佳性能达到均方误差(MSE)为10~(-4)的精度。将扩展卡尔曼滤波方法与标准GFDM、自消除方法相比较,在频谱较大的场景下,误码率性能具有明显的优势。     

基于统计分析的自适应蚁群算法及应用

路径规划是机器人关键技术之一。利用改进的蚁群算法进行机器人的路径规划。针对传统蚁群算法收敛速度慢且易陷入局部最优解的缺陷,在Ant Colony System算法基础上,对每代蚁群动态随机统计分析,提取最优、平均和最差的蚂蚁信息,构成自适应算子用于局部信息素的自适应更新。仿真实验结果证明该自适应算子在平衡增加收敛速度和陷入局部最优解矛盾的问题中是有效的。     

永磁同步电机前馈补偿和单神经元PID控制北大核心

针对应用在电梯行业的永磁同步电机控制系统的鲁棒性差、抗扰动能力不强等问题,提出一种负载转矩前馈补偿和单神经元PID相结合的永磁同步电机矢量控制方案。同时采用负载转矩前馈补偿策略和单神经元PID控制,一方面将观测的负载转矩反馈到电流调节器的输入端,对负载扰动进行前馈补偿,增强了系统的抗扰动能力;另一方面实时调节控制参数,增强系统转速控制的鲁棒性。仿真和实验结果表明,负载转矩前馈补偿和单神经元PID的组合控制,可以增强系统的鲁棒性,提高系统的抗扰动能力。     

改进视觉Transformer的视频插帧方法

针对现有的视频插帧方法无法有效处理大运动和复杂运动场景的问题,提出了一种改进视觉Transformer的视频插帧方法。该方法融合了基于跨尺度窗口的注意力和可分离的时空局部注意力,增大了注意力的感受野并聚合了多尺度信息;对时空依赖和远程像素依赖关系进行联合建模,进而增强了模型对大运动场景的处理能力。实验结果表明,该方法在Vimeo90K测试集和DAVIS数据集上的PSNR指标分别达到了37.13 dB和28.28 dB,SSIM指标分别达到了0.978和0.891。同时,可视化结果表明,该方法针对存在大运动、复杂运动和遮挡场景的视频能产生清晰合理的插帧结果。     

引入动态分化和邻域诱导机制的双蚁群优化算法

为提高传统蚁群算法在解决旅行商问题时的优化效果,提出了一种引入动态分化和邻域诱导机制的双蚁群优化算法。该算法首先引入混沌随机策略,在算法初始化阶段改变原始的贪心策略,使初始信息素混沌分布,以保持种群的多样性,从而提高解的精度;其次,将蚁群分为孤立蚁群与正常蚁群,两组蚂蚁分别在当前最优路径与离群路径附近搜索;在种群间采取诱导机制,正常蚁负责搜索最优路径,孤立蚁混沌随机释放信息素,将正常蚁群诱导至新的路径邻域,从而有效地平衡收敛速度与解的多样性之间的矛盾。通过对不同规模的旅行商问题仿真结果的比较,验证了所提算法的有效性。