论区间B样条曲线的升阶与割角的关系

为了解决区间B样条曲线的升阶理论问题,提出区间控制多边形概念,利用双次B样条基函数证明了区间B样条曲线具有升阶性质;并阐明了区间B样条曲线的升阶就是对其控制多边形的割角过程.最后证明了当升阶次数趋于无穷时,区间B样条曲线的控制多边形收敛到该曲线.     

5阶三角多项式空间中的拟Bézier基在三角域上的推广

为了进一步研究非多项式空间的拟B啨zier基,完善其关于三角域部分的理论,将5阶三角多项式空间G=span{1,sint,cost,sin2t,cos2t}上的基推广到三角域上,构造出满足正性、权性、对称性、边界性质和线性无关性的拟B啨zier基,使得相应的三角曲面不用有理形式就可以表示球面片.实例结果表明,使用这组基可以精确地造型出整球面.     

两种带形状参数的曲线

本文构造了两种带参数的三角样条基,基于这两组基定义了两种三角样条曲线。与二次B样条曲线类似,这两种曲线的每一段都由相继的三个控制顶点生成。这两种曲线具有许多与二次B样条曲线类似的性质,但它们的连续性都比二次B样条曲线更好。对于等距节点,在一般情况下,这两种曲线都整体C3连续,在特殊条件下,它们都可达C5连续。两种曲线中的形状参数均有明确的几何意义,参数越大,曲线越靠近控制多边形。另外,当形状参数满足一定条件时,这两种曲线都具有比二次B样条曲线更好的对控制多边形的逼近性。运用张量积方法,将这两种曲线推广后所得到的曲面也具有较好的连续性。     

基于径向基函数神经网络的红外步态识别

为提高红外步态识别的效果,提出一种基于径向基函数神经网络的多分类器融合算法。对红外步态序列,分别应用基于轮廓线傅立叶描述子特征的模糊分类器和基于下肢关节角度特征的贝叶斯分类器进行识别,再利用径向基函数神经网络的学习和分类功能,对获得的输出信息进行度量层的融合和再识别。仿真实验结果表明,该算法获得更加精确的分类效果。     

基于GA-RBF模型的无线电波信号预测研究

随着通信行业的发展,无线电波信号的预测问题成为科学研究的重要课题。因此研究了一种基于遗传算法优化径向基神经网络参数的无线电波信号预测模型,通过实验表明,这种经过遗传算法优化的模型比单纯的RBF网络模型预测精度更高,运行更稳定。     

基于改进粒子群算法的多阈值图像分割

提出了一种改进的粒子群算法,在初始化种群时采用相对基学习原理,以获得较优的初始候选解;在后期迭代过程中引入扩张模型,使粒子不易陷入局部极小值点,并将其用于多阈值图像分割。由最大熵阈值法得到所要优化的目标函数,用改进的粒子群算法对其进行优化,使其能够准确并迅速的得到分割的最佳阈值组合,并用该阈值组合对图像进行分割。将此分割结果与遗传算法的多阈值分割结果相比较可以看出,该算法可更为准确快速的实现图像分割。     

带形状参数的升二次B(e)zier曲线

首次提出四次Bernstein基函数的一种新扩展--舍有一个形状参数的λQ-Bernstein基函数,与以往的基函数相比较,基函数的次敷一次性升高两次,且具有四次多项式基函数和带一个形状参数的五次多项式基函数的所有性质,基于该基函数定义λQ-Bezier曲线,并且曲线自身含有形状参数,增加曲线形状的可调性.与舍一个参数的五次多项式曲线进行比较,该曲线能更好地逼近所给定的控制多边形.     

RBF神经网络的PID控制研究与仿真

研究工业控制系统优化问题,由于工业控制领域中存在复杂非线性时变系统,很难确定精确模型.传统PID控制局限于线性系统,控制效果不理想.为了提高控制精度,提出一种RBF神经网络辨识的PID控制方法.首先利用RBF神经网络线辨识被控对象的离散模型,获得PID参数在线调整信息,然后利用单神经元对控制器参数进行在线自适应整定,从而实现系统的智能控制.通过实例进行验证,并与传统PID控制方法进行对比,结果表明控制方法具有响应速度快、控制精度高等优点,且具有较强的自适应性、鲁棒性和抗干扰能力,为控制系统设计提供了新方法.     

城市规划与扩展模型的仿真研究

研究优化城市规划问题,由于城市规划与扩展的影响因素复杂多样,使得构建模型时需要的控制因素特征的提取十分困难.为解决城市规划精度问题,采用细胞自动系统结合GIS和遥感系统,提出了不同时期的遥感数据使用的RBF神经网络挖掘城市扩展的内在规律作为细胞自动系统的转换规则,并利用规则反演和预测城市扩展信息,用1984、1991、1998和2001的遥感地图仿真了无锡2008的城市扩展,分析了影响城市扩展的因素,取得了较好的效果,仿真结果表明了RBF神经网络能够提取城市扩展内在规律并通过与细胞自动机的结合能一定程度上预测未来城市的扩展信息,提高规划精度,可为规划提供科学依据.     

基于增量式特征基背景模型的运动目标检测

背景差法是目标运动检测的主流方法,关键在于背景模型自适应更新.针对传统特征基背景模型批处理方式计算量大、更新速度慢的问题,采用增量式主成分分析来建立特征基背景模型.首先计算样本图像的初始背景图像,然后采用CCFIPCA算法更新特征基背景模型,最后通过输入帧和重建帧的欧氏距离检测前景运动目标.算法以视频帧整体来建立背景模型,克服了混合高斯模型和核密度估计以孤立像素点建模的不足,提高了背景建模的鲁棒性.在SIMULINK下的仿真实验表明,算法能很好地适应高速公路交通场景动态变化,在有光线变化和阴影影响的情况下能完整、准确地提取出运动车辆轮廓.