基于反射的规划方法

本文针对机器人在实际环境中执行任务时所面临的不确定性和实时性提出了一种基于反射的规划方法．该方法在较好地利用全局信息的基础上，充分发挥出机器人自身的能动的反射作用．我们首先讨论该方法的基本原理，然后着重讨论它在移动机器人规划和导航中的应用．     

装配知识库模型及其核心设计

本文分析了研究和建立基于智能机器人装配系统的知识库的必要性，并探讨了实现途径．接着，我们提出了支持装配知识库的知识模型及其核心的体系结构，并讨论了支持该知识模型的建模工具ＥＸＰＲＥＳＳ语言．最后，给出结论.     

时间规划的关系矩阵法

本文给出一种时间关系的关系矩阵描述方法,基于这种描述,提出了一种时刻表安排的新算法.这种算法在一定的假设条件下,是完备的且仅具有多项式的计算复杂性.对于一般情况,本方法也给出较有效的算法.     

基于激光雷达的移动机器人实时位姿估计方法研究

位姿估计是移动机器人研究中的一个关键问题,对于运动目标跟踪、机器人导航、地图 生成等具有重要意义,提出了一种基于二维激光雷达的实时位姿估计方法,包括基于Hough变 换的切线角度直方图算法和迭代切线加权最近点算法两部分.两种算法的结合和切线信息的引 入.有效地解决了传统方法无法解决的局部最小值、类孔径、大计算量等问题.仿真数据和室外 环境实际数据的大量实验结果表明它具有精度高、速度快、适用性广和对噪声、遮挡和类孔径问 题鲁棒性高的特点.     

汉语文语转换系统(TTS)

文章讨论了一个典型的汉语文语转换系统的实现。首先介绍了系统的整体框架及其各个功能模块,然后分析了系统的特点及其存在的问题,最后从两方面讨论了改进系统的具体思路：提出了一种简单而有效的基音周期提取算法,验证了上下文环境在提高合成语音自然度中的作用。     

与文本无关的说话人自适应确认方法

该文提出一种与文本无关的自适应说话人确认方法.此自适应方法基于作者所提出的用全局说话人模型标准化似然得分值进行说话人确认的方法,以解决此方法应用于实际系统时存在的训练时间较长的问题,从而缩短新用户注册系统的等待时间,使新用户能够在较短的时间内开始系统的使用.实验结果充分说明了此方法的有效性;当系统有30个用户时,新用户的注册速度加快了12倍.     

基于仿射模板匹配的多角度单人脸定位

提出了一种基于仿射模板匹配的多角度人脸定位算法,用平均脸作为基模板,经由不同的伸缩比例和旋转角度构成的仿射变换生成各种姿态的模板,并将模板分为双眼模板和人脸模板对,首先使用以眼模板搜索符合眼睛的区域,再用整个人脸模板匹配进上步检验是否符合人脸模式,并利用马赛克规则验证,给出最佳匹配作为人脸位置,对包含１４４幅图像和６０幅图像的两上图像库的定位准确率分别达到７９．２％和８５％,表明该算法的有效性。     

基于神经网络的室外移动机器人前轮转向模型

针对室外移动机器人的行驶特点,将车体模型划分为前轮转向模型、速度模型和位姿 模型三个部分.提出用模糊集合与神经网络相结合来建立车体前轮转向模型的方法.首先将对 前轮转向特性影响较大的行车速度模糊化,然后利用神经网络建立各模糊速度下的前轮转向模 型,最后由逆模糊化过程求得模型的实际输出.实验结果表明,该方法能较准确地反映车体的前 轮转向特性并具有鲁棒性强和易于实现的特点.     

Relationship Between Support Vector Set and Kernel Functions in SVM

Based on a constructive learning approach,covering algorithms,we investigate the relationship between support vector sets and kernel functions in support vector machines (SVM).An interesting result is obtained.That is,in the linearly non-separable case,any sample of a given sample set K can become a support vector under a certain kernel function.The result shows that when the sample set K is linearly non-separable,although the chosen kernel function satisfies Mercer‘s condition its corresponding support vector set is not necessarily the subset of K that plays a crucial role in classifying K.For a given sample set,what is the subset that plays the crucial role in classification?In order to explore the problem,a new concept,boundary or boundary points,is defined and its properties are discussed.Given a sample set K,we show that the decision functions for classifying the boundary points of K are the same as that for classifying the K itself.And the boundary points of K only depend on K and the structure of the space at which k is located and independent of the chosen approach for finding the boundary.Therefore,the boundary point set may become the subset of K that plays a crucial role in classification.These results are of importance to understand the principle of the support vector machine(SVM) and to develop new learning algorithms.