萤火虫算法优化支持向量机室内定位研究

针对室内定位指纹库匹配冗余信息多造成定位浮动大,且数据库中样本数过多定位时效性差等问题,提出一种基于萤火虫算法FA优化支持向量机SVM的室内定位算法FA-SVM。利用奇异谱分析SSA预处理数据去除噪声,通过萤火虫算法优化支持向量机参数,建立室内定位回归模型。实验结果表明,相对于目前其它室内定位算法,FA-SVM算法收敛速度快,提高了室内定位精度和稳定性。     

一种井下人员无线定位算法研究

针对传统井下指纹定位算法存在需要采集大量指纹数据和定位精度不高的问题,提出了一种差分鱼群优化最小二乘支持向量机(DEAFSA-LSSVM)的井下人员无线定位算法.首先将井下实验区域划分为多个小区域,并利用克里金插值算法建立指纹数据库;然后利用差分进化与人工鱼群混合智能算法优化正则化参数和核函数宽度,建立最小二乘支持向量机算法模型,利用无线采集接收终端采集待定位点的无线信息数据,通过最小二乘支持向量机算法模型计算出其所属小区域;最后利用小区域内无线信息数据,通过加权K近邻算法进行实时定位.实验结果表明:该定位算法的收敛速度快,分类准确,准确率达到98.87%;定位精度高,平均定位误差为1.51 m,比未经优化的最小二乘支持向量机算法的定位精度提高18.82%.     

距离误差加权与多通信半径的蝙蝠优化定位算法

传统DV-Hop定位算法存在明显的定位误差,改进的粒子群优化算法由于易陷入局部最优、局部收敛过慢等问题无法满足节点的定位精度要求.针对于此,通过设置跳数阈值优选锚节点以排除异常锚节点对定位精度的干扰;引入多通信半径广播方法修正最小跳数;采用距离误差和跳数归一化思想修正平均跳距;通过利用立方映射均匀化初始蝙蝠种群,引入Levy飞行特征加强算法跳出局部最优能力,使用Powell局部搜索加快算法收敛等三方面改进蝙蝠算法,并利用改进的蝙蝠算法定位未知节点.仿真结果表明,相比传统DV-Hop、BIDV-Hop、GAPSODV-Hop等3种算法,本文改进的定位算法有效降低了定位误差,提高了定位精度.     

基于WSN路由节点度模型的楼宇走廊定位算法

针对现有的无线传感器网络(WSN)定位方法应用于结构复杂的楼宇走廊时,存在定位精度较低的问题,提出一种基于WSN路由节点度模型的楼宇走廊定位算法.该算法在路由节点度模型的基础上,先采用基于支持向量回归(SVR)的方法,用少量锚节点定位普通路由节点,达到间接增加锚节点覆盖率的目的;然后采用基于中垂线分割的方法定位随机分布在区域内的未知节点和移动终端.仿真表明:与传统SVR定位算法和核岭回归定位算法相比,所提出的算法精度提高了定位精度,满足室内定位精度要求(1 m~3 m),且降低了对锚节点数量的需求,可运用于楼宇走廊WSN定位.     

基于IMK-WLSSVR的WiFi室内定位算法

针对传统的基于单核加权最小二乘支持向量回归(WLSSVR)定位算法对接收信号强度指示(RSSI)的拟合度较差,导致定位精度不高的问题,提出了一种基于改进多核WLSSVR(IMK-WLSSVR)的Wi Fi室内定位算法。采用多核支持向量回归机模型构建指纹点RSSI值与位置坐标的非线性关系,采用多项式核函数和高斯径向基核函数构建多核函数,利用正态分布权值函数为每个指纹点赋予不同的权重;然后利用改进的模拟退火算法优化定位模型参数,进一步提升模型的定位性能;最后利用构建的定位模型进行定位。实验结果表明:在3 m网格、3 d Bm标准差噪声条件下,算法定位误差小于2 m的概率可达92. 2%,其定位精度优于现有的加权K最近邻(WKNN)算法以及单核WLSSVR方法。     

基于改进加权最小二乘支持向量机的UWSN定位

针对水下无线传感器网络锚节点较少、迭代误差大导致的节点定位精度低的问题,提出一种基于改进加权最小二乘支持向量机的水下三维节点定位算法;该算法将水下三维空间分为若干立方体,以锚节点与网格交点的距离向量作为训练集进行训练;并利用改进的多类别模式识别方法进行分类,以未知节点到锚节点的距离向量作为测试集确定节点坐标;通过引入加权的思想和多类别模式识别方法增大机器学习算法的鲁棒性、降低分类次数,从而实现水下三维节点预测定位;仿真结果表明,该算法在锚节点较少、网络区域较大的水下仍能保持较高的定位精度与较好的鲁棒性.     

基于IGWO-GRNN的室内3D定位算法

为解决基于相对位置的定位算法易受环境干扰,定位精度不高的问题,提出一种基于改进灰狼算法-广义回归神经网络(IGWO-GRNN)的室内3D定位算法.利用GRNN建立3D定位模型,通过IGWO优化平滑因子,将待测节点与信标节点间的信号强度值作为神经网络的输入,神经网络的输出即为待测节点的真实三维坐标.将仿真结果与其它算法进行比较,验证了所提算法的定位精度与收敛速度均优于其它算法.     

基于改进遗传算法的支持向量机参数优化方法

针对支持向量机算法在回归预测时由于参数选取不当导致过学习或欠学习的情况,提出一种基于改进遗传算法的支持向量机参数优化模型。该模型将遗传算法与支持向量机结合,利用遗传算法进化搜索的原理对支持向量机具有重要意义的惩罚参数、核参数和损失函数同时优化。实验选取3组标准数据集作为测试数据集,并将改进算法同时与遗传算法、网格寻址算法、粒子群算法进行仿真测试结果对比。实验结果表明改进的算法较大地提高了支持向量机算法整体的寻优能力。     

基于改进支持向量回归算法的移动机器人定位

为了提高移动机器人定位精度,提出了一种基于正交编码器和陀螺仪的轮式移动机器人定位系统,建立机器人的定位模型和运动学模型。研究了支持向量回归（SVR）算法,为获得更好的鲁棒性,对目标函数误差平方进行加权,分析不同参数优化算法对支持向量机回归准确率的影响。以自制的移动机器人为实验平台,将改进的算法与最小二乘支持向量回归（LSSVR）算法、加权最小二乘支持向量回归（WLSSVR）算法进行比较,对比了用改进算法时机器人在木地板场地与瓷砖场地的定位误差情况,并对正交编码器+陀螺仪定位系统与双码盘定位系统、单码盘+陀螺仪定位系统进行比较。实验结果表明,改进的算法使机器人的定位精度明显高于对比算法,并且所提出的定位系统定位效果较好。     

人工蜂群算法优化SVR的预测模型

针对人工蜂群算法存在的易陷入局部最优、收敛速度慢的缺点,引入当前最优食物源和惯性权重函数,对该算法的食物源更新方式进行改进;针对支持向量回归机的参数优化问题,将其转化为组合优化问题,并使用改进的人工蜂群算法进行优化求解,进而得到人工蜂群算法优化SVR的预测模型。以短期交通流量数据为例,将该模型的预测结果与蚁群算法优化的支持向量回归机（ACO-SVR）、粒子群算法优化的支持向量回归机（PSO-SVR）和未改进的蜂群算法优化的支持向量回归机（ABC-SVR）进行对比分析,结果表明该模型的预测效果最优且运行时间最短,具有更好的学习能力和推广能力。     

基于Hough变换的汽车零件中圆形检测的改进算法

针对汽车零件中的圆检测实际需求,在分析了基本Hough变换和随机Hough变换进行圆检测的技术特征基础上,对基本Hough变换进行算法改进。采用Sobel算子提取图像边缘,利用圆参数范围已知的先验知识确定感兴趣区域和圆半径的检索范围,使得计算量大大减少,从而实现圆心坐标和半径的快速检测,满足工业生产实时性的要求。     

一种快速的随机Hough变换圆检测算法

随机Hough变换是检测圆的一种有效方法,但在处理复杂图像时随机采样带来的大量无效积累会导致计算量过大。提出一种快速的随机Hough变换圆检测算法,对证据积累的计算从三方面进行研究,有效地提高了计算速度,具有较好的应用价值。     

基于频谱预处理与改进霍夫变换的离焦模糊盲复原算法

为了提高离焦模糊图像复原清晰度,提出一种基于频谱预处理与改进霍夫变换的 离焦模糊盲复原算法。首先改进模糊图像频谱预处理策略,降低了噪声对零点暗圆检测的影响。 然后改进霍夫变换圆检测算法,在降低算法复杂度的同时,增强了模糊半径估计的准确性。最 后利用混合特性正则化复原图像模型对模糊图像进行迭代复原,使复原图像的边缘细节更加清 晰。实验结果表明,提出的模糊半径估计方法较其他方法平均误差更小,改进的频谱预处理策 略更有利于零点暗圆检测,改进的霍夫变换圆检测算法模糊半径估计精度更高,所提算法对已 知相机失焦的小型无人机拍摄的离焦模糊图像具有更好的复原效果。针对离焦模糊图像复原, 通过理论分析和实验验证了改进的模糊半径估计方法的鲁棒性强,所提算法的复原效果较好。     

Circular hole detection algorithm based on image block

Multimedia Tools and Applications - Circular hole detection is a common problem in computer vision and pattern recognition. Randomized Hough transform and randomized circle detection algorithm are...     

快速随机Hough变换多圆检测算法

随机Hough变换是检测圆的一种有效方法,但在处理多圆复杂图像时随机采样带来的大量无效累积会导致计算量过大。文中提出一种基于随机Hough变换的快速多圆检测算法,除去三类噪声点,通过随机采样到的一点按照一定规则搜索另外两点来确定候选圆,用原始图像对候选圆进行证据积累以判断是否为真圆。理论分析和实验结果表明：该算法较其他算法能更快地检测出图像中的多个圆,具有较好的应用价值。     

一种新的对随机Hough变换改进的检测圆的方法

从数字图像中检测出圆在计算机视觉中具有很重要的地位。随机Hough变换是检测圆的一种有效变换,但在处理复杂图像时,由于随机采样会引入大量的无效采样和积累。文章中提出一种在Teh-ChuanChenandKuo-LiangChung[4]的改进算法基础上,对随机Hough变换改进的检测圆的方法。     

一种随机Hough变换检测圆的改进算法

从数字图像中检测出圆在计算机视觉中具有很重要的地位。随机H ough变换是检测圆的一种有效变换,但在处理复杂图像时,随机采样会引入大量的无效采样和积累。论文提出一种随机H ough变换检测圆的改进算法,算法的优点在于无需对候选圆之外的信息进行平方运算,只需进行简单的比较运算,有效地提高了检测速度。     

基于Hough变换和GVF Snake模型的脑肿瘤分割方法*

脑MR图像中肿瘤区域的精确分割对后续的治疗与诊断十分关键,本文提出了一种基于Hough变换定位与遗传算法优化GVF Snake模型的脑肿瘤分割方法。首先,利用Hough变换和阈值处理自动确定肿瘤区域,然后,利用GVF Snake模型对肿瘤区域进行分割,同时为了防止GVF Snake在分割时易出现局部极小值的问题,进一步利用遗传算法的全局优化特性,对GVF Snake模型分割的结果进行优化。实验结果表明,本文提出的模型一方面能实现对肿瘤区域的自动定位,同时也避免了GVF Snake模型在分割时易陷入局部最优的问题,使分割的结果更加精确。     

Hough变换在表面污渍检测中的应用

针对具体芯片图像的形状特征,提出了基于改进Hough变换的几何配准算法.该算法利用边缘点的梯度方向信息,以及通过圆上任意一点并沿着该点法线方向的直线必定经过该圆的圆心这一几何性质,将三维Hough变换空间简化为二维空间,较好地解决了传统广义Hough变换运算时间长、存储空间大的问题.实验表明,可以有效地对两幅图像进行配准,从而检测出芯片表面的污渍.     

自然环境下水果图像分割与定位研究

研究了自然环境下苹果、梨、桃子、杏子、李子、石榴、枣、樱桃等水果图像的果实和背景颜色特征,提出了用2r-g-b分量进行图像分割的方法。为了使Hough变换能够检测出水果果实,该文对随机圆Hough变换算法进行了改进,增加了检测圆的梯度约束和半径约束。试验表明对多数水果的图像利用2r-g-b进行分割,并用二值形态学方法对图像进行滤波后,用随机圆Hough变换可以有效地检测出了水果果实。