一种利用时空约束轨迹片段关联的目标跟踪方法*

目标跟踪是智能监控系统中的一个重要的研究领域。由于检测不准确,目标部分或者整体遮挡会造成检测失败。针对以上问题提出一种利用时空约束的轨迹片段关联方法实现对目标的跟踪。首先通过减背景方法检测到移动目标,然后生成轨迹片断,最后通过计算轨迹片段的时空连续性关联轨迹片段,找到最符合时空连续性的轨迹片段关联。通过实验证明方法可以有效解决遮挡,误检测以及目标合并分离问题。     

一种具有公平匿名性的k次认证机制*

基于Teranisi提出的k次认证机制（k-TAA）,利用Brands提出的表示问题不可解的猜想,构造了一个具有公平的匿名性的k次认证机制k-TFAA。该机制除了拥有k-TAA机制的所有特性外,还增加了一个可信方,该可信方可以有效追踪非法使用服务的用户的身份,保证了整个机制的完备性和安全性。最后,本文对该机制的各个特性作了讨论。     

改进的矩形NAM图像表示算法

为了提高图像的表示效率,提出了一种改进的矩形非对称逆布局模式表示模型(NAM)图像编码算法IRNAM。该算法采用双矩形子模式对灰度图像进行表示,结合位平面优化策略,并顺序存储各子模式的数据,使得子模式数目大幅减少。实验结果表明：与矩形NAM算法和其他改进的NAM算法相比, IRNAM算法使表示图像的子模式数明显减少了,从而有效地节省了数据存储空间,是一种高效的图像表示方法。     

基于改进PrefixSpan的序列模式挖掘算法

针对PrefixSpan算法构造投影数据库开销大的问题,提出一种基于改进PrefixSpan的序列模式挖掘算法SPMIP。该方法通过添加剪枝步和减少某些特定序列模式生成过程的扫描,来减少投影数据库的规模及扫描投影数据库的时间,提高算法效率,并最终得到需要的序列模式。实验结果证明在获得序列模式不受影响情况下,SPMIP算法比PrefixSpan算法效率更高。     

基于YKW图形表达的人类基因短编码序列识别

针对人类短编码序列的识别问题,根据碱基在密码子三个位置的偏性和碱基自身物理化学性质的分类,提出一种新的图形表示方法--YKW图形,然后在此图形上,提取了9个有效的面积矩阵特征,识别过程中,为了提高识别率利用递增特征选择算法添加4个统计特征,并采用主元分析(PCA)方法对这13个特征降维,最后使用支持向量机(SVM)对人类的短编码序列进行编码区/非编码区识别。实验结果表明,与其他方法相比,该方法使用较少的特征(7个或4个)取得了更好的识别结果。     

嵌入式气体检测系统及其图像分析算法

针对传统气体检测方法的不足,提出了基于嵌入式和卟啉阵列传感器的气体快速检测系统及其图像分析算法。该系统通过USB接口的摄像头采集待测气体与卟啉阵列传感器反应前后的RGB图像信息,再由图像处理算法得到图像中每个卟啉点的颜色变化信息,最后通过模式识别算法得到待测气体种类和浓度。重点研究了检测系统的结构及软件功能的设计,给出了针对卟啉阵列传感图像的图像处理算法及与标准数据库匹配的模式识别算法。通过对氨气等气体进行试验,结果表明该系统及其分析算法能够很好地识别出气体的种类和浓度。     

基于动态描述逻辑DDL的动作理论

基于一阶谓词逻辑或高阶逻辑的动作理论与采用命题语言的动作理论之间存在一个关于描述和推理能力的鸿沟;作为描述逻辑的动态扩展,动态描述逻辑DDL为基于描述逻辑的动作刻画和推理提供了一种途径.系统地研究了基于DDL的动作表示和推理问题.首先,在应用描述逻辑对静态领域知识进行刻画的基础上,引入带参数的原子动作定义式和带参数的复...     

序列模糊概念格模型及其渐进式构造

传统的序列模式挖掘主要是挖掘满足最小支持度的频繁序列,没有考虑序列在实际中的重要度。为了能够有效地挖掘重要的序列模式,提出了一种序列模糊概念格模型,对所有序列的项目引入了重要度权值,定义了序列的重要度及可以动态调整最小支持度minsup的自适应系数;扩展了模糊形式背景,使其能够方便地表示序列,定义了概念的Galois闭包连接、序列模糊概念及序列模糊格结构,并给出了序列模糊概念格的渐进式构造算法 ScqFuzCL。实验表明,序列模糊概念格模型可以方便有效地组织自适应序列模式,在时间与空间上都具有良好的性能,并为进一步挖掘自适应序列模式提供了理论支持。     

搅拌设备化工设计系统的混合知识表达机制

搅拌混合是最常用的化工过程单元操作,但搅拌设备的造型和设计是一件十分复杂和耗时的任务,仍处于手工实现阶段,且通常由混合领域专家根据其经验知识进行设计。开发了搅拌设备化工设计专家系统,混合领域知识可分为形式化知识和技术型和知识两类。采用混合的知识表达机制,即面向对象方法、Ｉｆ－Ｔｈｅｎ产生式规则方法和模糊逻辑和传统数据库存储相结合的方式,分别处理设计经验规则库、设计公式库和设备机械标准库,从而合理和     

溶剂系统的模式识别

通过三层ＢＰ人工神经网络,对溶剂系统进行模式识别。以经规格化自理伯Ｘｔ、Ｘｅ、Ｘｍ、Ｘｎ、Ｘｄ这５个溶剂性质的选择性参数作为判别指标,５类共１９种不同的溶剂作为训练样本,得到最佳网络参数。然后以十我种有代表性的溶剂作为待测样本进行了模式识别。研究结果表明,人工神经网络用于溶剂系统的模式识别,识别结果与实际一致,本文结果有助于色谱分析及分离技术中溶剂的选择。