基于Voronoi图和遗传算法的航迹规划

面对复杂的作战环境,如何快速地规划出满足约束条件的飞行轨迹,是实现无人机突防攻击的关键.提出了一种基于Voronoi图和改进遗传算法的航迹规划方法,该方法采取分层规划的思想,首先由Voronoi图生成初始航迹,并综合考虑约束条件,赋予各条航迹相应的权值;然后采用遗传算法在生成的航迹空间中寻优, 从而得到满意的航迹.为避免产生不可行解,采取了基于优先级编码的改进遗传算法,详细介绍了其编码与解码原理,并给出了相应的操作算子.仿真结果表明,整个航迹规划的思路是可行的.     

Voronoi图在窝制移动通信系统中的应用

在移动通信组网方式中 ,目前最好的陆地移动通信网是蜂窝制移动通信系统。蜂窝制移动通信系统的正六角形覆盖区域的划分图实际上就是以基站为母点 ,且当母点均匀分布情形下的Voronoi图。Voronoi图在理论研究方面已有丰硕成果。可将这些成果直接应用到蜂窝制移动通信系统中。文章对基站采用全向天线方式情况下 ,讨论了Voronoi图在蜂窝制移动通信的基站初始布局时的应用、在无线电信号场强实测点选择方面的应用和在增设基站方面的应用     

基于Voronoi图和量子遗传算法的飞行器航迹规划方法

以飞行器航迹规划为应用背景,提出一种基于Voronoi图和量子遗传算法的飞行器航迹规划方法。首先,建立威胁源的V图,并构建发射点、目标点与威胁源的V图赋权有向图,从而建立飞行器航迹规划V图空间;然后,对传统量子遗传算法进行改进,引入了量子门旋转角步长动态调整机制;并增加了量子交叉操作和量子变异操作,使得改进后的量子遗传算法具有更高的搜索效率,采用改进后的量子遗传算法求解V图空间中的最优航迹;最后,进行了仿真实验。仿真结果表明,基于V图和量子遗传算法的航路规划方法是可行和有效的。     

遗传算法在阵列天线方向图综合中的应用

遗传算法是一种高效的搜索算法。本文采用遗传算法对18元天线阵列方向图进行综全优化设计，并与用Woodward法得到的结果进行了比较。     

支撑矢量预选取的双色Voronoi图方法

支撑矢量机是在统计学习理论的基础上发展出来的一种新的模式识别方法,在解决小样本、非线性及高维模式识别问题中表现出许多特有的优势,在支撑矢量机中,支撑矢量的选取相当困难,成为其应用的瓶颈问题。该文利用Voronoi图在特征空间特有的构造特性,提出了一种预先选取支撑矢量的新方法双色Voronoi图方法。该方法针对数据在空间的分布特性,在训练支撑矢量机以前,利用样本数据的双色Voronoi图确定候选的支撑矢量,然后在这些预选的矢量上进行学习。试验证明了该方法的有效性及可行性。     

遗传算法在雷达目标匹配识别中的应用

基于多散射中心理论建立待识别目标的散射中心模型，并用遗传算法进行最佳目标匹配的快速搜索。与一维距离像全姿态角匹配识别方法比较，具有计算量、存贮量较小的特点。仿真试验验证了算法的有效性。     

遗传算法在阵列天线方向图综合设计中的应用

本文采用遗传算法来完成阵列天线方向图综合的优化设计。     

广义Voronoi图的快速生成算法

广义Voronoi图(GVD)的生成可以分为直接法和近似法.利用VDC(Van Der Corput)采样序列,结合了近似法,设计了一种基于VDC采样序列的GVD生成算法.该算法改进了一般生成GVD的近似方法,使得点集的采样可以增量进行,并且精度可控,提高了现有GVD生成算法的性能.     

基于Voronoi图和AHP法的人防警报器选址

文章首先对防空警报的重要性和当前城市人防警报器布置的现状进行介绍,进一步说明警报器合理选址的重要性.然后简要介绍了Voronoi图和AHP法的定义、特性和具体实现步骤,并提出通过将Voronoi图和AHP法相结合,以现有警报器位置信息为基础,根据各位置点Voronoi多边形得到待选警报器位置点,利用AHP法综合考虑各影响因素,为待选警报器位置进行权重排名,从而对新增的人防警报器进行更加科学合理地选址.最后文章分析了该算法的不足之处以及今后改进方向.     

基于帧差能量图遗传算法的自遮挡步态识别

传统的步态识别方法在处理自遮挡步态识别问题时,通常由于从视频序列中分割出来的轮廓有噪声而不能很好地进行特征提取。为了解决这个问题,提出了基于帧差能量图(Frame Difference Energy Image,FDEI)的遗传算法(Genetic Algorithm,GA),首先采用数学形态学图像处理方法填平轮廓的漏洞并消除噪声,然后借助于步态能量图计算出步态图像的帧差能量图,接着从轮廓图像序列中提取出步态特征,最后,利用遗传算法完成步态的识别。在中科院自动化所-B(CASIA-B)步态数据库上实验验证了所提方法的有效性,实验结果表明,与几种先进的步态方法相比,所提方法在处理自遮挡步态识别问题上取得了更好的识别效果。     

模糊集在复杂背景下目标选取中的应用

针对如何在复杂背景下从多个准目标中进行目标选取,提出有提取目标的多个特征的基础上用模糊隶属度表征各个特征的重要性的方法来选取目标。给出了一个成功的应用实例－－车牌自动识别系统。收费道口现场实验表明,在分割和字符切分正确的基础上,此模型的目标识别率为９９％。     

基于分形和遗传算法的人脸识别方法

对有限人群提出一种采用分形特征和遗传聚类的识别方法：将图像分成很多小区域,分别计算各个区域的分形特征,以充分利用图像二维信息;同一个模式有多样样本,通过遗传算法进行聚类以得到最优解实现不变性识别。最后采用ＯＲＬ人脸图像库的一组图像对比了新方法、本征脸法和自联想神经网络方法,结果表明该方法的识别率,与本征脸法相似,比自联想神经网络高。     

地物波谱组合识别模型参数的遗传优化

为了从TM影像中提取不同地物波谱信息特征，构造了地物波谱组合识别函数关系式，提出了从地物TM影像中分辨出地物的一般原则，并采用遗传算法优化确定地物波谱组合识别函数关系式中的系数。根据不同地物与函数值分布范围的对应关系，可以较容易地由TM影像作出多种不同地物的识别。实例分析表明这种地物波谱组合识别模型具有简单性、实用性和可分辨性等特点。     

地物目标红外热像理论建模中的蒙特卡罗法与并行计算

蒙特卜罗法结合区域人解算法，求地物目标温度场和红外辐射出射度场，将三维复杂几何形体解为若干个规则的子区域，不同的子域选用不同的坐标系，用控制容积法分别处理，整体结构用热网络法，用蒙特卡罗法计算辐射传递系数，可考虑办面的复杂辐射特性，引入辐射传递系数，分离了计算的难点，并可小段并行处理，在空间域（计算区域）上将目标分解为若干个子域，也可使用多个处理器并行计算。     

基于遗传算法和模糊熵的前视红外图像分割

提出了一种基于遗传算法的模糊红外图像分割方法．该方法将图像分为目标和背景，并分别建立相应的模糊隶属函数来描述图像各个灰度级属于目标和背景的模糊特性，进而给出图像模糊熵的描述．采用遗传算法对图像模糊熵的各个参数进行优化组合，根据最大模糊熵准则确定区分目标和背景的最佳门限．实验结果表明该方法效果良好，大大提高了计算速度。     

离散不变矩算法及其在目标识别中的应用

该文分析了在离散状态下不变矩特征受比例因子变化的影响,提出了一种修正归一化中心矩的方法,保证了不变矩特征具有平移、旋转和比例因子的不变性,并将此用于目标识别,最后通过仿真实验,比较了修正前后的识别率,表明本文采用的方法是行之有效的方法。     

基于遗传算法的快速图像相关匹配

采用遗传算法研究了图像相关匹配问题,提出了快速图像相关匹配算法在最优匹配的前提下,其计算量较ＳＳＤＡ算法降低了一个数量级以上;可以采用ＮＰＲＯＤ匹配准则,改善在低图像对比度条件下的匹配精度;该算法每帧图像匹配计算时间基本恒定,便于工程应用。     

一种精确档定摄像机的遗传算法方案

摄像机标定的一个重要问题是既要保证参数估计的精确性,又要满足旋转矩阵正交约束条件。本文在线性优化和遗传算法的基础上提出了一种新的双段标定方案。第一阶段,在忽略变参数的情况下,利用最小二乘法估计摄像机内外参数。为减少畸变影响,本阶段仅考虑图像中心区域的标定点;第二阶段,以第一阶段的估计值为初始值,并考虑摄像机畸变的影响。根据整个图像范围的标定点,利用遗传算法优化摄像机的所有参数以获得精确解。由于该算     

基于知识的线状目标边缘提取与识别定位

介绍了基于知识的线状目标的边缘提到，特征表达与识别定位方法，边缘提取与特征表达充分析利用人类关于线状目标的知识，摈弃了传统的图像低，中层处理常用的数据驱动型方法。识别的过程将目标的边缘信息与原始图像的达度信息相结合，避免了复杂背景下图像理解的歧义性，同时圆满解决了由于航空图像的噪声高面蚓的边缘提取的不连续及由此带来的识别难题。本文计算量小，速度快，实用性强。     

基于遗传算法设计和训练人工神经网络的方法

提出了一种基于遗传算法的人工神经网络设计和训练方法—NNDT,同时训练网络的拓扑结构和连接权重,提出了一种结构化网络编码方法,有效地解决了网络拓扑结构和网络编码不能一一对应的问题;使用启发式规则约束网络拓扑结构的变异概率以及变异操作的选择趋势,并使用小生境机制进行拓扑变异保护.实验结果证明了NNDT的有效性和高效性.