基于IHDR的自主学习巡检技术研究

针对无人机路径规划存在只适用于静态场景的问题,提出一种自主飞行巡检方法。利用增量分层判别回归(IHDR)树存储无人机飞行经验,通过当前位置矢量搜索IHDR树,得到飞行控制量。根据当前位置与期望位置的偏差调整输出控制量,实现人造目标的巡检。实验结果表明,与IHDR方法相比,该方法学习时间缩短12.2%,且具有较高的准确率,适用于无人机巡检。     

机器双目视觉里程计定位算法

随着人工智能的发展,在智能机器人及无人驾驶汽车应用上,空间定位是最基本和关键的问题。针对空间运动载体的定位算法,提出了双目视觉里程计定位算法,从摄像机标定、图像处理、特征提取和匹配以及运动估计4个方面展开了研究。出于实时性和精确性的考虑,使用Matlab 2016b和Visual Studio 2015两个软件进行混合编程。运用该算法对搭载双目相机的汽车在行进过程中所拍摄的图片进行计算,得出汽车精确的运动轨迹。     

物联网中基于Multi-Agent的物间动态关系发现

物联网中存在大量异构关系的实体，其信息间的交互造成了物联网的内在矛盾。针对这一问题，提出将物联网中实体抽象化为对应的Agent，并以个体人为中心，利用本体的语义匹配及改进的物间动态关系计算方法，计算出针对个体人的物间动态关系；将原本异构的实体关系转化为Agent间基于动态关系紧密度排序的网络关系。经实验验证，该方法构建的关系网络可明显改善异构实体间交互的矛盾，而且相比原有类似方法，该方法解决问题的准确率和误差率均有改善，说明了该方法的准确性和可行性。     

基于动态距离的模糊社区识别算法

社区识别技术是公共安全领域潜在危害行为预警预测和已发生危害行为追踪溯源的基础，针对传统社区识别算法将社区视作单一集合而无法描述社区主次成员的问题，提出一种基于动态距离的模糊社区识别算法。该算法将传统的单一社区结构划分为核心区域和边际区域，以边际区域来描述社区的模糊区间。该算法首先将网络设想为动态演变模型，网络中的任意节点均会与其他节点产生互动，互动将改变各节点间距离，距离也反过来影响互动。在阈值的界定下，受到多个社区吸引的节点被划分到边际区域，最终距离分布趋于稳定，各个社区结构得以显现。通过对比实验验证了CDFDD算法在社区识别上的有效性。     

基于分段加权的反向稀疏跟踪算法研究

为提高稀疏表示跟踪模型性能，提出一种分段加权的反向稀疏跟踪算法，将跟踪问题转化为在贝叶斯框架下寻找概率最高的候选对象问题，构造不同的分段权重函数来分别度量候选目标与正负模板的判别特征系数。通过池化来降低跟踪结果的不确定性干扰，选择正负模板加权系数差值最大的候选表示作为跟踪结果。实验表明，在光照变化、遮挡、快速运动、运动模糊情况下，所提出的算法可以确保跟踪结果的准确性和鲁棒性。