一种单能高斯峰解析方法

针对核能谱解析中,单能峰会受到低能拖尾和高能拖尾的影响,给出了先根据单能峰半高宽读数值来确定数据拟合窗,再运用快速迭代算法进行高斯函数拟合的方法。文中先进行了含噪高斯信号拟合实验,然后在实测X荧光能谱中对不同含量的单能峰进行快速高斯拟合应用。实验表明,本方法对高含量核素的单能峰拟合效果良好,对高背景低含量核素的单能峰需先进行平滑处理再做拟合。     

基于逆高斯过程和证据推理的退化建模方法

为解决高可靠性设备的剩余寿命预测问题,针对寿命数据缺少、物理模型难以建立的情况,结合单调退化数据,采用逆高斯退化模型,对设备的退化过程进行建模;通过参数估计的方法得到退化模型,进而预测设备的剩余寿命。在有同批次多组数据都能对逆高斯模型进行参数估计的情况下,将会面临数据融合问题。采用基于证据推理(ER)的方法对多源数据进行融合处理,引入属性权重的概念,以此更加准确地估计逆高斯模型的参数。最后,通过实验仿真,证明了所提方法能够得到较为可信的参数估计结果。     

基于块模型的混合高斯模型运动目标检测方法

文中针对传统混合高斯模型(GMM)运动目标检测方法计算量大、时间复杂度高的缺点,提出一种利用块模型的混合高斯模型运动目标检测方法。该改进算法利用分块处理技术为每个块建立一个模型,同时利用概率更新策略对块模型进行更新,充分利用图像像素间的空域信息,大量减少算法的计算量和存储空间,提高了算法的运行效率。应用这种改进算法,对分辨率不低于CIF(352×288)的监控视频进行检测,结果表明:当块大小值设置为3×3时,检测效果与传统混合高斯模型的检测效果基本一致,而改进算法的平均耗时减少了46.16%,存储空间减少不低于54.15%。     

一种新的频率规划方法

本文针对目前频率规划中存在的问题,提出了利用专家系统和改进遗传算法及分层技术等来克服手工频率规划过于烦琐和电子地图要求极高及频带紧张的障碍,从而在缺少准确电子地图的情况下,借助专家的经验和知识同时利用改进的优化算法亦能给出较准确的频率规划方案。同时提出了改进的模糊似然推理方法。此外我们开发了智能多层频率规划ＣＡＤ软件包,并给出仿真结果。     

基于高斯过程的多元分类方法

高斯过程是一种已应用在回归和分类问题上的非常有前途的技术。近年来,基于高斯过程的先验模型引起了在机器学习领域的重视。基于高斯过程的二元分类是一种非常成熟的方法。文中阐述了一种基于二元高斯分类的多元分类方法。通过这种方法可以得到一个很好的精度。同时,在实验过程中,对此种方法和支持向量机(SVM)在决策时间和精度上进行了比较。     

一种改进的混合高斯模型运动目标检测算法

针对传统混合高斯模型使用固定学习速率所带来的问题,提出了一种改进的运动目标检测算法。该算法采用自适应的学习速率调整策略,在背景建模初期,采用较大的学习速率加快初始背景的建模,使得模型能更快地适应背景的变化;背景形成以后,根据目标运动的快慢动态调整学习速率,从而能够及时更新背景,消除运动目标的残留和拖影;最后利用基于HSV颜色空间的阴影检测算法消除运动阴影。实验结果表明,改进算法优于传统混合高斯模型,可以更准确地检测出运动目标,更好地消除阴影,并具有较好的自适应性和稳健性。     

一种基于高斯混合模型的运动目标检测改进算法

在运动目标检测方法的研究中提出一种基于高斯混合模型的运动目标检测的改进算法。首先利用颜色信息对背景建立高斯混合模型;其次在模型更新阶段．为了模型的自适应性和尽量逼近真实信号量,在传统学习率基础上提出一种加权思想,即对均值与方差分别给出一个不同的加权值。最后应用中值滤波及物体空间连通性进行后处理。实验结果表明,与传统高斯混合模型方法相比,改进的方法能更加有效地检测出运动目标,具有较好的鲁棒性。     

一种基于智能规划的信息安全风险过程建模方法

 为了评估网络信息系统的安全风险,提出了基于智能规划的信息安全风险过程建模方法:使用规划领域的定义语言描述信息安全的风险领域和风险问题,修改后的bifrost规划引擎调用相关算法构建系统所有的渗透路径,最后通过Graphviz Toolkit接口绘制出规划渗透图表现系统安全风险过程.     

基于高斯过程的表情运动单元跟踪技术

在表情动作单元的跟踪中有两个常见问题:一是跟踪结果有小幅而频繁的抖动;二是跟踪过程会产生难以检测的误差.针对这两个问题,本文提出了一种基于高斯过程和粒子滤波的表情动作单元跟踪技术.实验结果表明本文算法比传统的梯度优化和粒子滤波法具有更好的平滑性和跟踪精度,而精度的优势在头部有偏转的情况下尤为突出.     

一种考虑不确定性的移动机器人路径规划方法

提出了一种移动机器人路径规划方法,该方法采用基于知识的遗传算法进行路径规划,在路径规划算法中综合考虑了建模与传感数据等系统的不确定性,克服了已往的方法在复杂的粗糙地形环境中进行路径规划常常导致探测任务的失败的实际问题.仿真结果表明了该算法在移动机器人路径规划中的可行性和有效性.     

弱光环境下一种改进的基于运动向量的高斯噪声的抑制方法

本文充分运用TMPEG-2中运动向量的思想,对弱光环境下视频图像中的高斯噪声进行了多帧处理,从而实现对高斯噪声的抑制,该算法是对多帧平均滤波算法的改进,处理后的数据更精确,细节保持得较好,图像经过滤波后的清晰程度．TLSNR也优于多帧平均的方法。当视频图像的照度较低时,彩色信息不突出,对YUV视频去噪声的过程中,只对亮度块进行滤波,而不对色度块滤波,可以达到减少计算量的目的。     

基于高斯模型的运动目标检测方法研究

提出了一种改进的基于单高斯背景模型运动目标的检测算法。该算法用四帧差分法确定运动目标区域,用单高斯模型对背景进行更新,然后通过(r,g,I)特征空间去除阴影,从而提取运动目标。实验结果表明,该算法能在变化的场景中对背景进行实时更新,能快速检测出运动目标,算法的运算量小。在室内环境和背景较为稳定的室外环境中都具有较好的应用价值。     

一种窄带非高斯建模方法

针对混响特点,提出了一种窄带非高斯建模方法.研究了模型参数估计方法,并采用实验混响数据对建模效果进行了检验.结果表明了该方法的有效性.     

利用背景高斯核密度估计的运动目标检测方法

运动目标检测是当前计算机视觉、图像理解、信号处理领域的研究热点之一,在研究了现有大量算法的基础上,通过比较各种算法之间的有效性,并结合工程实际,提出了一种利用图像灰度信息进行背景高斯核密度估计的运动目标检测方法.由于该方法保留了背景的多个模态,通过引入面积阈值来消除大的噪声和判断背景是否发生了突变,当出现大的噪声未被消除或者背景发生突变的情况时,能够重新更新背景样本集,适应背景突变.实验结果表明:该方法不仅可以很好地处理背景中存在周期运动干扰的情况,并且可以适应背景突变,较好地去除了虚警、误警,有效地降低了摄像机抖动、树叶摇动、下雨天气等背景复杂情况下的误检率,准确地检测到了运动目标.     

基于改进的混合高斯模型的运动目标检测方法

为了改善混合高斯模型在光照突变时容易产生大量误检的缺陷,采用了一种高斯模型与均值法相结合并为前景像素建立计数器的方法。在建立背景模型时,运用多帧图像求平均值的方法初始化混合高斯模型的背景;为每帧图像的前景像素数建立计数器,并以此消除被误判为前景的区域;对检测出的前景区运用数学形态学处理,得到图像真正的前景区域。结果表明,该算法不仅克服了初始背景中的干扰,而且消除了光照突变时的误检,提高了运动目标的检测率。     

基于高斯过程的多任务联合学习

针对传统多任务学习方法只利用关系或者特征进行多任务学习的局限性,提出了一种基于高斯过程并且同时学习任务特征和任务关系协方差矩阵的多任务学习方法。该方法通过高速过程对多个线性函数进行建模,同时构建任务关系协方差矩阵和特征关系协方差矩阵,在训练的同时学习线性方程的参数、任务关系协方差矩阵和特征关系协方差矩阵,该方法称为基于高斯过程的多任务联合学习((multi-task joint learning based on gaussian process, MJLGP)。实验结果表明,所提方法在精度上比对比实验具有更好的优势。     

一种运动目标快速检测方法

先利用时空域灰度投影法将视频图像序列由三维信号压缩为两幅二维图像来处理,以减少待处理的信息量,同时将视频序列的时空信息充分结合起来,随后采用微分算子分别求取新图像的水平梯度图和垂直梯度图,并采用类内最小交叉熵阈值分割方法提取目标运动信息,快速检测运动目标.实验结果表明,该方法计算简单,能够检测视场中目标的有无并能迅速定位目标.     

一种改进混合高斯模型下的运动人体检测算法

提出了一种基于改进混合高斯模型下的帧间差分和背景差分相结合的方法对运动人体进行检测,实验表明,采用改进的混合高斯模型,可加快背景建模和更新的速度,且对外界环境的适应能力更强。而帧间差分和背景差分的结合充分发挥了二者各自的优势,提高了检测效率。     

基于滑动窗的混合高斯模型运动目标检测方法

在复杂场景下,传统混合高斯模型能较好地检测出运动目标,但随着时间的推移,模型参数收敛缓慢且难以适应场景中真实背景的实时变化,从而导致运动目标的错误检测率增加。该文利用滑动窗技术的短时历史记忆特性,提出一种新颖的基于滑动窗的混合高斯模型运动目标检测方法,该方法弥补了传统混合高斯背景模型不能及时形成新背景的缺点,提高了运动检测的完整性,并进一步降低了算法对场景光照变化的敏感性。多场景下的对比实验结果表明,该方法能更准确、完整地检测出运动目标并具有更好的环境适应性。