基于Rollout算法的模拟电路测点选择

针对模拟电路的测点选择问题,对整数编码故障字典进行了研究.分析了基于信息熵算法的测点选择算法,并采用Rollout算法对信息熵算法进行优化,建立了一种新的测点选择算法,给出了新算法的详细计算过程和计算效果.试验结果表明,新算法的计算效果优于信息熵算法,且随着故障字典复杂度的增加,优势更加明显.     

二维Otsu自适应阈值选取算法的快速实现

Otsu 自适应阈值算法作为图像阈值分割的经典算法, 在图像领域得到了广泛的应用, 在此基础上发展起来的二维阈值法因为计算时间长而制约了其应用. 针对二维 Otsu 自适应阈值算法计算复杂度高的缺点, 通过消除二维自适应阈值算法中的冗余计算, 用迭代的方式得到查询表, 从而大大提高了二维阈值算法的计算速度. 实验结果表明, 该算法不仅计算时间远远小于原始二维 Otsu 算法, 并且求得的阈值跟原始的算法一样.     

固定区间平滑新算法及其在飞行试验中的应用

本文根据Kalman滤波和Rauch-Tung-Striebel固定区间平滑公式,提出了信息滤波-- 固定区间平滑的新算法,并给出了算法的U-D分解形式.由于改变了算法结构,使整个算法 的数值稳定性好、可靠性高,而且平滑算法计算量和平滑所需滤波计算量均大为减少.计算量 分析结果表明,新算法与Bierman序列滤波和固定区间平滑算法.Keigo. Watanabe前向平滑方 法相比较,计算量减少40%以上;当状态转移阵中各元素用K的函数表示时,计算量减少50% 以上.本文将此平滑算法用于实际飞机飞行试验的数据处理中,得到了令人满意的结果.     

卡尔曼体系下的滤波算法计算框架

卡尔曼体系下的滤波算法是指滤波算法中含有基于状态方程的状态预测过程和基于观测方程的状态更新过程.为了便于理解卡尔曼体系下的滤波算法计算过程,从滤波算法计算框架角度对它们分别进行了描述.提出了一个统一的卡尔曼体系下的滤波算法计算框架,该统一计算框架既可用于理解滤波算法计算过程又可用于构造新滤波算法.在统一计算框架中存在两个反馈回路,构造新滤波算法的难点在于确定两个反馈回路中的操作函数.本文以自适应卡尔曼滤波算法(Adaptive Kalman filters,AKF)为例就操作函数选择问题进行了初步探讨,证明了几种探作函数是次优的,这为最终构造一种性能优良的AKF算法奠定了良好的理论基础.     

Kapur多级分割的阈值相关性及其快速实现算法

基于Kapur算法所产生的多级阈值之间是相互联系的性质,提出了Kapur多级分割的快速实现算法.该算法利用一个给定的初始阈值,采用迭代的步骤分别计算多级阈值;当满足收敛条件时,得到多级分割的阈值.实验结果表明,无论是计算时间还是计算结果的准确性,文中算法都超过了许多已有的算法;且该算法计算相当简单,对内存要求也较低,能够满足实时计算的要求.     

U-D分解的前向固定区间平滑新算法

本文提出了两种前向固定区间平滑新算法以解决工程问题.为了确保算法的数值稳定 性并提高计算效率,两种算法中的协方差矩阵传播均使用了U-D分解形式.计算量分析结果 表明,两种新算法与Keigo Watanabe前向平滑算法相比较,计算量减少40%以上;状态维数 较高时,计算效率提高3倍以上.     

基于Sherman-Morrison公式的K-FAC算法

二阶优化方法可以加速深度神经网络的训练,但是二阶优化方法巨大的计算成本使其在实际中难以被应用.因此,近些年的研究提出了许多近似二阶优化方法的算法.K-FAC算法提供了一种近似自然梯度的有效方法.在K-FAC算法的基础上,结合拟牛顿方法的思想,提出了一种改进的K-FAC算法.在开始的少量迭代中利用KFAC算法计算,在后续迭代中构造秩–1矩阵,通过Sherman-Morrison公式进行计算,大大降低了计算复杂度.实验结果表明,改进的K-FAC算法比K-FAC算法有相似甚至是更好的实验表现.特别的,改进的K-FAC算法与KFAC算法相比减少了大量的训练时间,而且与一阶优化方法相比,在训练时间上仍具有一定的优势.     

基于PC的不变矩实时计算算法

矩和不变矩是工业部件识别和检测的重要特征.几何矩的值必须实时计算.介绍了灰度图像二维几何矩的高效计算.尽管存在许多矩快速计算算法,但不能在没有特殊硬件工具的微机上实时计算.原因是这些快速算法虽减少了计算复杂性,但在计算过程中仍需要大量浮点运算.为了实现在微机上的实时计算,提出的算法将图像分成相同大小的块,每图像块运用定点运算计算各自矩,然后运用浮点运算计算整个图像的矩.这种计算模式不需要近似而是精确计算,然而对于每个图像块不采用变换不容易克服溢出问题,在高效计算各图像块矩过程中使用了改进的Hatamian滤波器.实验结果表明,提出的算法大大减少了浮点运算次数,大大提高了图像矩计算速度.该算法可有效应用于复杂工业部件的实时识别和检测.     

各向异性滤波器的硬件实现

在计算机图形学中,通常采用各项同性滤波器逼近异性滤波器以减少纹理映射中发生纹理走样,逼近算法中实现MIP-MAP层级包含计算覆盖区域边长以及求对数等操作,用二次逼近或者Cordic算法等实现时电路较大.为了易于算法的硬件实现,提出用线性逼近计算覆盖区域边长和对数的算法.该算法用一次移位和一次加法实现覆盖区域边长计算,用一次加法实现对数计算,降低了硬件实现成本.在Xilinx的ZC706开发板上实现了文中算法,实验结果表明,该算法所计算MIP-MAP的层级数与原算法的计算误差绝对值为1的概率为7%.     

基于预检验的快速随机抽样一致性算法

随机抽样一致性算法MNSAC(random sample consensus)是在计算机视觉领域内应用最广泛的Robust 估计算法之一,但是MNSAC算法计算效率较低.提出一种基于模型参数预检验的快速MNSAC算法(preview model parameters evaluation MNSAC,简称PEMNSAC).算法在RANSAC算法模型参数检验前,加入预检验过程,在保证计算结果置信概率不变的前提下,过滤掉大量偏差较大的模型参数,提高了MNSAC算法的整体效率.模拟数据和真实图像数据实验结果表明,此算法和MNSAC算法计算精度保持一致,计算速度高于MNSAC算法.