模糊自适应遗传算法在多传感器多目标跟踪中的应用

应用模糊自适应遗传算法,将多传感器多目标跟踪的数据关联问题表达为一类约束的组合优化问题.静态关联用模糊自适应遗传算法进行量测粗关联,得到多假设航迹点量测.动态关联用多种群模糊自适应遗传算法进行航迹的形成和维持.仿真试验内容为被动式传感器的航迹形成和维持的问题.仿真试验的结果表明模糊自适应算法在多传感器多目标跟踪中应用的可行性.     

基于自适应遗传算法的多传感器多目标静态数据关联

利用多传感器跟踪多目标技术中最重要的问题是目标关联问题,而常见的关联算法要私计算量大,要私实际动用中效果不理想。本语文提出了利用自适应遗传算法来解决在传感人、检测空域中目标个数未知情况下,单平台多传感器数据融合系统对目标进行检测时的静态数据关联问题。实验结果表明,这种算法具有很高的关联成功率,并且提高了多传感器数据融合系统的检测概率。     

多传感器广义概率数据关联算法研究

随着跟踪环境、跟踪对象的不断变化与发展,目标与量测已经很难用一一对应的关系去描述;广义数据关联算法（GPDA）提出目标与量测多多对应的可行性规则,其性能在目标与量测无论是否在一一对应的情况下,均优于传统的JPDA算法,并且计算量、存储量均远小于JPDA;考虑到GPDA的上述优点,将GPDA算法拓展到多传感器数据关联,提出了多传感器广义概率数据关联算法（MSGPDA）来处理多传感器数据关联问题;仿真表明,MSGPDA算法由于利用多传感器信息,性能得到明显提高。     

一种新的模糊自适应模拟退火遗传算法

针对遗传算法收敛速度慢、容易"早熟"等缺点,结合模糊推理、模拟退火算法和自适应机制,提出一种改进的遗传算法--模糊自适应模拟退火遗传算法(FASAGA),并分析了该算法的性能和特点,实验研究表明,该算法比标准的遗传算法(SGA)具有更快的收敛速度和寻优效果.     

一种基于自适应蚁群算法的数据关联方法

针对跟踪中多目标数据关联问题,在蚁群数据关联(ACDA)算法的基础上,提出了一种自适应蚁群数据关联方法,通过对转移概率和信息素持续度的自适应调整,改进了全局信息素更新,有效地避免了陷入局部最优问题。仿真实验证明:该算法在解决多目标数据关联问题上是行之有效的。     

优化GA的模糊自适应张力控制

以典型的卷绕张力系统为研究对象,结合模糊自适应PID控制与遗传算法,设计了基于遗传算法的模糊自适应PID张力控制器.该控制器由离线和在线两部分组成,离线部分利用遗传算法搜索出一组最优的PID参数作为在线调节的初始值,在线部分用来实时调整系统响应的PID参数.仿真结果表明,采用的模糊自适应PID控制策略较传统PID控制器具有响应速度快、控制输出稳定、抗干扰能力强、鲁棒性好等优点.     

一种非线性系统的模糊自适应控制

针对一类非线性系统提出一种模糊自适应控制方案，设计中用模糊逻辑系统逼近非线性函数，骨于滑模原理及Ｌｙａｐｕｎｏｖ函数方法给出了闭环系统的稳定性分析。     

FCM与PDA相结合的多传感器多目标跟踪算法

传统的概率数据关联算法(PDA)是在密集杂波环境下的一种良好的多目标跟踪算法,但它是针对单传感器对多目标跟踪的情况下使用,不能直接用于多传感器对多目标的跟踪.针对多传感器多目标跟踪问题,提出一种改进的PDA算法,采用FCM算法预测航迹的聚类中心,然后采用PDA方法对航迹进行跟踪.仿真实验证明此方法能有效地进行多传感器多目标的跟踪.     

一种自适应的模糊关联规则挖掘算法

关联规则是数据挖掘的重要研究内容之一。传统的关联规则挖掘算法仅适于处理二元属性与分类属性。为更好地处理数量属性,提出了一种自适应的基于模糊概念的量化关联规则挖掘算法。该算法克服了传统的离散分区法的不足,改进了已有模糊关联规则支持度的计算方法。引入了一种基于聚类的隶属函数自动生成方法,使得模糊关联规则的发现不依赖于人类专家给出的隶属函数,使得关联规则的表示自然、简明,有利于专家理解。实验表明该算法是有效的。     

利用BP算法的一种自适应模糊预测控制器

提出一种由模糊预测器和模糊预测控制器组成的自适应模糊预测控制方案,采用ＢＰ算法训练模糊预测器和模糊预测控制器,并给出这种模糊预测控制器的训练算法。控制系统对于具有纯时延的非线性被控过程有良好的控制性能。     

一种基于自适应模糊算法的燃料电池控制系统

PEM燃料电池作为一种电源设备,广泛应用于空间站、深海等各种环境,但是由于通信通道的数据丢包和随机延迟现象频繁发生,导致控制能力大大降低.提出一种新的自适应模糊控制算法,可以有效地解决丢包和延迟的问题,对PEM燃料电池进行控制实验的结果表明该算法有效.     

基于模糊C-均值和自适应遗传算法的小波域彩色信息隐藏算法

基于人类视觉系统的纹理掩蔽特性,提出一种基于模糊C-均值(FCM)和自适应遗传算法小波域彩色信息隐藏算法。首先对彩色载体图像Y分量实施整数小波变换;然后结合视觉纹理特性,对低频进行FCM聚类分析,将其分成3类:平滑区、纹理区、边缘区,并在不同的区域确定不同的嵌入强度和位置;最后,利用自适应遗传算法对logistic混沌映射的初值进行寻优,使其找到合适的初值,从而使秘密图像对载体图像的影响较小。实验结果表明:该方法不仅具有较好的透明性,而且在嵌入量方面也有很大的提高。     

自适应烟花算法下多维模糊C均值彩色图像分割

针对图像分割在自然场景中,分割精度不高和细节保持不够敏感,提出一种自适应烟花算法下的多维模糊C均值彩色图像分割算法.结合动态时间弯曲思想,以邻域像素相似特点构造弯曲曲线,得到多维相似距离和新的目标函数.在自适应烟花寻优算法下,找到最优聚类中心,最终达到对图像分割效果.实验表明,该算法与同类算法相比,对彩色图像有良好的分...     

一种基于广义模糊性质集的图像分割方法

本文提出了一种基于广义模糊性质集的图像分割方法,它利用图像的广义隶属函数,把图像灰度转换成广义的模糊集合,通过对图像作多次增强而实现图像分割。实验结果表明,本文提出的方法与Ｏｔｓｕ法、熵函数法和ＦＣＭ２Ｄ法相比,在分割速度和分割质量上,都有下同程度的提高。     

基于自适应分类的学习搜索算法

本文给出一放弃可采纳性的分类式学习搜索算法ＳＡＬＳ，它在系统初建时就能快速地获取经验知识，该算法的空间复杂度和平均时间复杂度皆为所获解路径耗费值的线性函数。将反复加深技术运用于ＳＡＬＳ而得到的搜索算法ＩＤ－ＳＡＬＳ，在保持良好的时间和空间复杂度的同时，又能保证找到的解为次优解。文中最后给出了ＩＤ－ＳＡＬＳ的两点改进。     

基于自适应遗传算法的实现服务质量优化

服务质量优化问题是多维服务质量参数映射有限的资源问题,这个优化问题是一个NP－hard问题,我们采用通过改进流行遗传算法来解决这一棘手问题,于是提出了基于权的自适应遗传算法（weighted based adaptiv genetic algorithm) 通过实验说明这一算法优于目前为止最好的启示式算法和普通的遗传算法,算法运算时间短,鲁棒性强。     

基于曲线拟合的自适应滤波算法

针对低密度脉冲噪声,提出基于曲线拟合的自适应滤波算法。首先结合以点邻域为判别区域的方法检测出噪声点;其次对噪声点,根据均方差最小化原则自适应的选择模板内全信号点方向;最后结合曲线拟合确定模板中心像素点的灰度值,实现被污染的数据点的有效恢复。实验表明,这种方法具有较好的细节保护能力和较强的噪声去除能力。     

基于改进ILAE算法的图像局部自适应增强研究

一些应用需要增强一幅图像的局部信息,而不改变图像的其它部分。为此,提出了图像局部自适应增强算法。采用改进的ILAE算法,根据局部统计信息找出一幅图像中所要增强的像素点,仅对这些像素点进行图像增强,然后利用自适应中值滤波方法对增强后的图像进行去噪。实验结果表明,经算法处理后的图像,不仅局部信息得到了增强而且还能取得很好的视觉效果。     

基于神经网络的自适应模糊控制器

本文提出了一种基于神经网络的自适应模糊控制器，控制器为５层前向结构，其输入和输出均为数值量。根据给定的训练数据，通过学习算法，能够实现前件参数和后件参数的辨识，提取控制规则，最后通过仿真实验证明了这种方法的有效性。     

基于流数据的模糊聚类算法

对流数据进行有效聚类是一个吸引研究者很大注意力的问题.传统的聚类挖掘算法只能适用于纯数值属性数据或纯分类属性数据,很难适用于混合属性的数据.针对混合属性数据的特点,在借鉴AcluStream算法的基础上,提出了一种模糊聚类算法.算法对流数据的相异度分类度量,定量属性使用欧氏距离和曼哈坦距离度量,定性属性可以采用hamming距离度量.模糊聚类算法的主要步骤有两步:第一步,运用最小距离聚类算法进行聚类,构成一个初始类.第二步,对基于最小距离聚类算法进行聚类所得到的初始簇,运用密度聚类方法进行聚合或分割,使得聚类集合稳定.实践证明:该算法是快速地有效的.