基于视频理解的活体鱼水质监测实验

基于视频理解的活体鱼水质监测实验是生物监测的一个新手段。该实验通过计算机视觉实时、连续地将活体鱼运动转化为视频图像数据,再对视频图像进行运动目标检测与跟踪处理后获取活体鱼的运动轨迹,然后提取理解活体鱼的可以反映水质污染状况的行为参数,利用视频图像理解技术分析这些行为参数,进而达到评价水质的目的。该实验中,分别监测了活体鱼在正常水质情况和异常水质情况下的运动行为。     

基于Hough变换的SAR图像舰船尾迹检测方法

该文提出了一种基于Hough变换与K均值聚类检测舰船尾迹的算法。该方法通过归一化Hough变换求出原图像尾迹所在直线的平均能量值,由于原图中的尾迹往往并不规则,导致能量最大值并不是整条直线的最佳统计代表值,其周围会有一些能量次大的点出现,且形成一个由若干能量点组成的点集。该文引进了K均值聚类方法,将这些点集归类,归类后的每一类的类心能很好的代表一条尾迹,实验结果表明方法是有效的。     

基于VTK的波浪动态模拟

根据海浪谱和线性随机理论得出随机海浪的原始公式,并用Pierson-Moskowitz模型和Mitsuyasu模型来创建三维波浪模型,然后用傅里叶变换来表示原始公式,并用快速傅里叶变化来计算,提高运行速度,并在此基础上开发了一个原型系统,实验结果表明该系统具有较好的波浪动态模拟效果。     

基于信息熵的支持向量数据描述分类

针对现有的支持向量数据描述(SVDD)在解决分类问题时通常存在盲目性和有偏性,在研究信息熵和SVDD分类理论的基础上,提出了改进两类分类问题的E-SVDD算法。首先对两类样本数据分别求出其熵值;然后根据熵值大小决定将哪类放在球内;最后结合两类样本容量以及各自的熵值所提供的分布信息,对SVDD算法中的C值重新进行定义。采用该算法对人工样本集和UCI数据集进行实验,实验结果验证了算法的可行性和有效性。     

一种基于自适应控制器的水流调节方法

PID控制器在自动控制系统领域有广泛的应用.针对活体鱼水质监测实验中复杂多变的水样环境,提出了一种适用于活体鱼水质监测实验的PID水流调节方法.该方法利用霍尔元件进行流量探测,将获得的流速数据与活体鱼适应的流速参考值相比较,通过自适应PID控制器计算出水流流速控制量.在保证控制精度和控制速度的前提下,适应复杂非线性的水样环境,实现实时动态水流调节.     

基于过程间分析的缓冲区溢出易发点检测

针对循环拷贝内存引发的缓冲区溢出漏洞,提出了一种上下文相关的过程间分析检测模型,通过对二进制代码进行一系列的静态分析,使用过程间分析提供的数据交互关系,对缓冲区溢出易发点进行挖掘。这种检测模型基于BinNavi的开放平台,以插件形式实现,能够对溢出易发点进行精确的筛选,有效地减少误报漏报情况。     

一种基于Tsallis分布的海杂波非平稳性模型

建立准确的海杂波模型可以提高海面目标检测性能.该文在对瑞利分布,对数正态分布,韦布尔分布和K分布四种基于统计分布的海杂波模型分析基础上,采用Tsallis分布针对海杂波的非平稳性建立海杂波模型,并采用Nelder - Mead方法对Tsallis分布的参数进行估计,最后利用IPIX雷达实测海杂波数据比较Tsallis分...     

一种复杂环境下的移动机器人路径规划方法

针对基于粒子群优化算法的路径规划方法在复杂环境中容易出现找不到有效路径的缺点,提出了一种深度优先搜索和粒子群优化算法相结合的机器人路径规划方法。该方法将待探索区域划分为若干个子区域,利用粒子群优化算法深度优先搜索子区域。仿真实验结果证实了该方法的有效性和可行性。     

用于不平衡数据分类的FE-SVDD算法

现有的支持向量数据描述(SVDD)算法在解决不平衡数据集问题时通常存在有偏性。针对该问题,在研究PCA特征提取技术和SVDD分类理论的基础上,提出一种用于平衡数据分类的FE-SVDD算法。该方法对2类样本数据进行主成分分析,分别求出主要特征值,根据样本容量及特征值对SVDD中的 值重新定义。在人工样本集和UCI数据集上进行实验,结果验证了该方法的有效性。     

基于单点多盒检测器的全局-局部层级的域适应目标检测

在目标检测领域里通常希望在拥有大量标记的场景中训练好的模型能够应用在无标记的其他场景中,但是不同的域分布往往是不同的,这样往往导致域迁移时模型性能的急剧下降。为了提高域迁移时模型的目标检测性能,通过两个层级来解决域迁移问题,包括全局层级迁移和局部层级迁移。这两种层级迁移分别对应不同的特征对齐方式,即全局层级采用选择性对齐方式,局部层级采用完全对齐方式。所提域迁移框架基于单点多盒检测器（SSD）模型,在全局和局部层级分别配置相应的域适配器以减少域间差异,通过对抗网络算法实现具体训练,再通过一致性正则化来进一步提高模型的域迁移性能。通过大量实验验证了提出的域迁移模型的有效性,结果表明同目前常见的域适应-快速区域卷积（DA-FRCNN）模型、对抗识别域适应（ADDA）模型以及动态对抗适应网络（DAAN）模型等三种域迁移模型相比,该模型在不同数据集上的均值平均精度（mAP）可以提高5%~10%。