数据压缩技术在通信中的应用

数据压缩技术就是将较大的数据量压缩为最少的数码,从而更加便捷地表示信号,可以用于数字通信、存储、多媒体娱乐等方面。采用数据压缩技术提升信号传输效率,现有通信干线利用该技术不仅可以并行更多多媒体业务,还可以将数据存储量紧缩,使发信机功率降低,让多媒体移动通信系统更加稳定便捷。数据压缩并不是一种新技术、新思路,该方法的种类有很多,但大部分都缺少适用性。数据压缩研究主要分为两个发展方向,一个数学家研究,以建立信源和数据压缩数学模型为主;另一个是工程技术人员研究,主要构建可以实现数据压缩功能的系统。文章主要介绍了数据压缩技术的发展,阐述了LZSSB算法在数字信号处理中的应用,希望能为数据压缩技术的推广提供参考。     

基于模型预测控制算法的智能密度控制系统在选煤厂的应用

为解决三河口选煤厂重介质旋流器分选过程中PID控制对合格介质密度控制调节能力有限等问题，采用系统辨识构建合格介质密度与精煤灰分数学模型，建立了基于模型预测控制(MPC)算法的智能密度控制系统，提高了合格介质密度控制精度，改善了重介质旋流器分选效果。现场应用表明：该系统在合格介质密度控制中应用效果良好，有效抑制了重介质选煤环节随机性干扰，实现了合格介质密度的稳定、动态调节，使精煤质量得到了显著提高，大大降低了精煤灰分波动幅度，稳定了产品质量，提高了经济效益。     

—种基于特高压工程的图像识别算法研究

阐述提出一种基于特高压工程的图像识别算法，通过对原始图像高斯低通滤波、平滑、亮度拉伸以及增强预处理，降低原始图像噪声，并且使图像亮度增强，探讨选取色调、饱和度以及亮度作为图像特征向量，利用模糊数据自相关函数对特高压工程图像特征进行提取。在此基础上对将图像特征向量映射到图像上，并且对特高压工程图像特征进行匹配，识别到图像中的目标。     

基于KNN算法的不良步态分类

针对不良的步态会对下肢的关节产生不利的影响(加重行走的负担,能量消耗过快等),以及加重患病的风险,提出了利用KNN(k-nearest neighbor)算法对足外8和足内8两种不良步态与正常步态(对照组)进行分类学习,获取分类模型.三种步态的三维步态数据是从17名受试者在正常行走期间通过3D运动捕捉系统获得的,KNN模型对三种步态识别的总正确率为81.7％,对足外8步态的正确率为92.8％以及足内8的正确率为91.0％.模型的正确率较为准确,可以为矫正不良步态提供有力支持、减少不良步态的检测成本.     

一种基于YOLO算法的口罩佩戴检测研究

介绍了机器学习的基本概念和常见类别(有监督学习、无监督学习、强化学习),介绍了深度学习的概念、基本技术以及它与机器学习的关系,研究了基于神经网络的的YOLO算法在实际生活中的应用,如检测目标人物是否佩戴口罩,并对实际模型的性能进行评估及模型优化方向作思考.     

3D视觉和扫描技术在内星轮冷精整生产中抓取和测量应用实例

在传统工业生产快速朝着智能化和数字化转型发展的今天,各类智能化技术层出不穷;随着近些年3D视觉以及3D扫描技术的不断发展和成熟,相关的技术也越来越多的被运用到智慧物流、快速扫描测量、AI等领域;3D视觉技术能帮助传统工业机器人完成更加复杂的动作,并通过算法实现深度学习,并具备快速计算运动路径的能力;比如依靠3D视觉技术,实现工业机器人对于上、下料动作路径的运算,实现物料的无序抓取,被抓取的物料可以随机无需排列摆放,这在以往工业运用中是难以实现的。     

一种改进启发式算法在解决组合优化问题中的应用

启发式算法是解决组合优化问题的良策,介绍了一种改进的启发式算法和该算法在解决组合优化相关问题上的应用,分析该算法的详细流程,并通过仿真实验验证该算法的性能,并对其优势和不足进行了分析。