基于天空分割的去雾算法在目标检测中的应用

针对道路目标检测的准确率受雾霾环境影响的问题,提出一种基于雾检测与天空分割的自适应去雾算法。提取道路环境中的雾检测区域并对其进行通道相关性以及亮度和饱和度比值的计算,以判别场景类别;对图像进行天空非天空区域的分割并对不同区域建立去雾模型,用于自适应去雾;将恢复后的图像应用到道路目标检测算法中,进行去雾效果验证和道路目标检测。实验结果表明,该算法提高了雾霾环境下目标检测的准确率。     

基于高增益观测器的SISO非线性系统模糊自适应输出反馈控制

针对一类状态不可测的SISO非线性不确定系统,提出一种新的模糊自适应Backstepping输出反馈控制,利用模糊逻辑系统逼近未知非线性函数,设计模糊自适应高增益观测器对系统未知状态进行观测,利用模糊自适应Backstepping控制方法设计模糊自适应输出反馈控制器。通过理论分析证明了闭环系统是半全局一致最终有界的;观测误差和跟踪误差都分别收敛到零的一个小邻域内。     

宽度学习系统研究进展

当数据规模庞大时,深度学习模型会遇到权重调整耗时,容易陷入局部最优解的问题.为了解决这些问题,宽度学习系统应运而生,宽度学习系统不仅结构简单、训练速度快、准确率高,而且还具有增量学习的优势.介绍了宽度学习系统的产生背景和发展历程,阐述了宽度学习系统的基础理论与实现方法,对比了它与深度网络的异同;介绍了宽度学习系统在图像分类、数值回归、脑电信号处理等应用中的改进算法,分析了这些算法的优势和不足.最后总结了现有宽度学习算法存在的缺陷,并对未来研究方向进行了展望.