基于骨架化、骨架划分获取书法汉字结构特征方法

对翻拍照片进行二值化、滤除噪音、骨架化、骨架划分处理,获取到标志书法汉字间架结构特征的结构集.拟通过拆分汉字基本结构与间架结构特征实现书法汉字产生的目的.     

基于直线抽取的数字视频全局文字提取的研究

提出一种基于相位编组提取数字视频文字区域的算法.本算法首先基于相位编组抽取视频帧中的直线,然后过滤掉弱边缘直线;对边缘进行尺寸限制过滤掉了不符合文字尺寸的边缘.进一步提出了像素密度α的概念,并指出文字区域的像素密度α应在某一阈值范围之内(αmin≤α≤αmax),通过像素密度α滤去了非文字区域,最后应用投影法最终确定文字区域.以上方法的结合保证了本算法的正确率和鲁棒性.最后选用不同类型的视频素材对本算法进行了实验,表明本算法具有较好的正确率和较快的计算速度.     

基于复合算法的混合交通流前景提取

根据混合流交通视频检测的特点,基于背景差分法和边缘信息提取算法各自的优点,建立了一种用于提取混合流参数的复合算法。该算法通过将利用背景差分提供的前景个数信息和利用边缘检测算法提取的前景边缘信息进行融合,得到有效的前景信息。试验结果表明,本文算法能够更为有效地获取混合流前景信息,更为准确地提供混合流交通参数。     

基于改进混合高斯模型的背景提取与更新

针对序列图像背景提取不能正确地处理场景突变、实时性差等问题,本文提出了改变更新率的背景提取算法. 首先,对传统混合高斯模型进行了简化,其次对像素点划分区域,在不同区域采用不同的背景更新率,有选择性地进行背景更新. 实验结果表明,该方法提高了提取背景模型的实时性和精度.     

求解公式关键文字集的信息传播算法

关键文字集影响判定布尔公式可满足性的判定难度。如果能找到公式的关键文字集或关键文字集的子集,就可使公式的可满足性判定变得容易。通过对警示传播算法的原理分析,发现高概率决定的部分变元对公式的求解难度有一定的影响。当某个子句与变元之间的警示信息具有一致性时,表明该子句的可满足性完全由该变元的取值决定,其它变元的取值都不能使得该子句可满足。进一步研究发现,当该算法收敛时,具有一致性的警示信息对应的变元集合是关键文字集的子集,这就佐证了警示传播算法可用于求解公式的关键文字集。基于该算法的特征,给出了一个寻找公式关键文字集的信息传播算法。     

一种适用于微博主题提取的SMLDA模型

针对微博文本简短、格式内容散乱、信息描述不完全、数据噪声大导致无法高效获取微博主题的问题,提出一种基于 LDA改进的 SMLDA模型。该模型综合考虑微博作者之间的关系、微博特定主题的标签以及微博文本之间转发关系和背景主题,采用 Gibbs抽样算法推导模型参数。在真实新浪微博数据集上进行试验分析,实验结果表明,SMLDA 模型与LDA模型比较,前者效率更高,提取结果更准确。     

基于树形图结构模型的人体姿态估计

讨论计算机视觉领域的人体姿态估计问题,基于树形图结构模型提出一种人体姿态估计算法。根据人体目标前景分割图的形状特征给出人体部位外观模型后,利用高斯分布确定人体部位间的结构先验分布,再采用置信传播算法进行人体姿态估计。仿真结果表明新算法有效。     

基于MapReduce的大规模话题网络提取分析

微博作为信息发布和获取的重要手段,已成为最重要的媒体之一。用户每天在微博上发言,其内容隐含着许多重要话题。在话题检测过程中,话题网络构建是一项最基本的内容。将微博发言作为节点,将节点间包含共同的词汇作为边,应用MapReduce编程模型作为海量数据处理的平台,研究了微博信息中大规模话题网络的构建方法。实验表明,基于MapReduce构建的话题网络符合社会网络的相关性质,并且其话题预测的准确性也高于基于LDA模型的话题检测。     

快速降阶匈牙利算法的云计算任务分配模型

为了提高云计算任务分配效率,在标准匈牙利算法的基础上,提出一种快速降阶优化算法的云计算任务分配模型.为实现快速求解全局任务分配问题,快速降阶算法不断排除已确定的分配方案对应的代价矩阵元素,从而快速降低矩阵的阶次.并可根据成本矩阵规模将矩阵分解成多个矩阵,使得该算法在任务和计算机不对等的情况下同样适用.论文最后的仿真结果表明,快速降阶匈牙利算法计算耗时远远小于匈牙利算法,并能有效提高计算机的利用率.     

一种结合明暗信息和纹理信息的形状恢复算法

实际图像往往既包含明暗信息又包含纹理信息,为了更有效地利用这些信息进行形状恢复,研究了一种结合明暗信息和纹理信息的形状恢复算法,用SFS方法对图像中的明暗信息进行处理,然后用SFT方法对图像中纹理信息进行分析,并结合SFS方法的结果对形状进行恢复.最后给出了该方法对图像的恢复结果并进行了分析.实验结果证明,该算法的性能优于SFS算法和SFT算法.     

二阶广义概率的二维Otsu阈值分割

针对传统二维Otsu阈值法分割结果不够准确和普适性较差等问题,提出了一种基于二阶广义概率的二维Otsu快速图像分割方法。首先用改进的邻域模板构建二维直方图并将其对应的二元概率分布进行修改得到二阶广义概率以便提高分割性能;然后对二维直方图主对角线上的目标和背景两区域的Otsu公式中对应量准确取值,使阈值选取更准确,并通过调整广义概率的参数来提高算法的通用性;最后对二维直方图进行分析得到Otsu计算特性,利用此特性导出新型、快速的递推算法来降低计算复杂度。实验结果表明:与当前二维Otsu法相比,本文提出的方法不仅分割更准确和通用性更强,而且占用的存储空间和运行时间都更少。     

基于混合优化模型的平面交叉口控制方法

基于交叉口固有特性,建立了兼顾相位控制延误和排队长度两项优化目标的混合优化模型。在不改变交叉口固有相位相序的情况下,通过对周期时长和相位内有效绿灯时长的实时动态优化和配置,提高了交叉口的时空间资源利用率和运行效率。然后,应用遗传算法对混合优化模型进行了数值仿真。仿真结果表明:混合优化模型在约束条件下均可对处于不同交通需求、不同状态下交叉口的信号配时进行实时动态优化,并且优化后的周期时长和排队车辆数处于一种相对稳定状态,证明了模型的合理性和控制的有效性及稳定性。最后分别研究了不同交通需求下模型的控制特点,为今后模型的进一步改进提供了有效的依据。     

基于模糊算法的纯电动汽车制动能量回收

为提高纯电动汽车再生制动能量回收率,采用以总制动力需求、车速以及电池SOC为输入,以电机制动力系数为输出的mamdani型模糊控制器,确定电机制动力与机械制动力之间的比例分配;同时考虑汽车制动的安全性和稳定性,提出了采用理想制动力分配方法对前、后轮制动力进行分配.在ADVISOR上建立了模糊控制算法的仿真模型,并结合典型道路工况CYC_UDDS进行仿真,通过与ADVISOR自带的策略以及文献[7]提出的模糊控制策略的仿真结果进行对比,结果表明：采用改进的模糊控制算法后,电池SOC提高了2%,制动能量回收效率提高了33.7%,整车系统的效率提高了3.1%,表明文中提出的改进的模糊控制算法能提高纯电动汽车制动能量回收的效果,有效延长纯电动汽车的续航里程.     

基于最优化理论的灾难恢复计划的量化数学模型

采用量化的、精确的灾难恢复计划(DRP)从多个子灾难恢复计划中选择最优集合,这对于高效地实现灾难恢复至关重要。采用最优化理论提出一个DRP数学模型,它用参数表示系统中不同应用、设施、资源、子灾难恢复计划、预算等实体,使用数学方法表示实体之间的关系,通过对资源进行分类解决不同子灾难恢复计划之间的冲突。模型使用较少的主观参数,以实现对DRP精确、客观的评价。最后给出了模型的实施步骤与模型分析,并且通过实验验证了模型的正确性。     

基于达朗伯行波法的光导开关传输线研究

提出了利用达朗伯公式行波法分析光导开关传输线的新方法,建立了电磁波时域有限差分中边界条件及源的设置方法.利用时域有限差分法分析了普通微带线产生脉冲的瞬态过程,得到了Blumlein线几何结构与输出脉冲幅度的比例关系,提出并分析了一种可以产生双极性电脉冲的光导开关传输线.仿真和实验结果良好的一致性证明了达朗伯公式行波法结合时域有限差分法可以从电磁场角度研究并精确分析脉冲产生电路.     

基于差分数字化递推关系模型的二阶系统动态过程实时仿真

针对二阶系统在不同输入条件下的输出响应求解问题,以RLC振荡电路为研究对象,分析和建立了二阶系统输入输出关系微分方程数学模型,采用连续差分化方法,得到系统时域数字化输入输出递推关系模型,基于组态王工控软件编制了二阶系统动态过程实时仿真程序。通过仿真操作界面,在不中断仿真过程的情况下,可实时对输入信号或系统结构参数进行修改,系统响应过程数据及曲线能够连续实时输出和显示,仿真数据对实际生产设备动态特性研究以及控制器参数的调整具有重要参考意义。     

Method for data recovery in the sensor network based on the joint graph model

In order to ensure that the sensor network data are reliable, and that the efficiency of data processing is not reduced due to the lack of network data, a method for data recovery in the sensor network based on the joint graph model is proposed. First, this paper establishes a joint graph domain model based on the smoothness of network data in the time-domain and spatial-domain, and then an iterative recovery method is proposed to recover the network data, which is based on the association characteristics of network data in the joint graph domain model. Experimental simulation shows that compared with the recovery method based on graph total variation minimization in the graph signal model, the method of data recovery based on the joint graph model improves not only by about thirty percent of the data recovery accuracy, but also by about eighty percent of the iteration efficiency.     

基于切片模型的快速混合学习算法

针对传统BP神经网络训练收敛速度慢、易陷入局部极小点的问题,将遗传算法与误差放大的BP学习算法相结合,提出基于切片模型的快速混合学习算法.该算法通过将传统神经网络的训练过程划分为许多小的训练切片,并利用遗传算法的并行寻优特性,对采用误差放大的BP训练过程进行监督.通过及时发现收敛速率较快的个体和过滤陷入局部极小点的个体,来保证网络训练的成功率和实现快速向全局最优区域逼近的目的.仿真实验表明,该算法在不增加网络隐层节点数的情况下,显著地提高了网络的收敛精度和泛化能力.