基于改进遗传算法的舰船路径规划

遗传算法在解决非线性问题上具有良好的适用性,但是也存在着收敛性慢和局部最优解的缺陷,并且在实际应用中缺乏特定知识的利用.针对舰船路径规划的特点,对标准遗传算法进行了改进和优化,采用基于坐标的一维编码方式,设计了插入算子、删除算子、平滑算子和扰动算子,提高了进化效率.计算机仿真结果表明,该算法在收敛速度和输出全局最优解的概率相对于标准遗传算法都有了显著提高.     

基于NiosⅡ的硬盘存储系统的硬件设计

为了便于应用系统在未来进行更新升级和提高解决方案的灵活性、可重用性,相应地提高资源利用率和避免资源浪费,综合采用FPGA和SOPc技术构建了基于NiosⅡ软核CPU的硬盘存储系统的硬件设计方案.使用软核处理器可按功能需求进行配置,易于和其它IP核互连形成完整系统设计,可有效地降低开发周期、缩短上市时间和成本.该设计方案在Al-tera公司的飓风系列FPGA器件中得到了实现并完成验证.目前获得了一定的实际应用且效果良好,具有广泛地应用价值.     

Web日志挖掘中的会话识别算法

会话识别是Web日志挖掘的关键步骤,然而很多方法所得到的会话不够精确.针对Web日志挖掘中的会话识别问题,在最常用的Timeout方法的基础上,提出了一种改进的基于平均时间阈值的识别方法.通过动态计算会话中请求记录间的平均时间间隔,个性化地调整页面的时间阈值,相对于传统的对所有用户页面使用单一的先验阈值,该方法能够更准确地识别出长对话.最后对生成的侯选会话集进行二次识别,使识别出的会话更为合理有效.实验结果表明,会话质量得到了提高.     

蚁群算法及其在路由优化中的应用综述

蚁群算法(ACO)是一类新型的机器学习技术,根据蚁群算法的正反馈原理和启发式原理的特点,针对目前国内国际的研究情况,对蚁群算法在最优路径的搜寻上从收敛性,收敛算法的改进以及收敛速度等方面的研究分别进行了分析综述,并对蚁群算法的一些应用,如:LEO卫星网络和无线传感等方面进行了阐述.对蚁群算法在路由优化和负载平衡上的研究进行了对比分析,发现了它们存在的不足,指出了在该领域需要进一步研究的热点问题.     

基于动态连接池的数据集成中间件的设计与实现

介绍数据集成中间件技术的基本概念与体系结构,分析现有数据库连接池的工作原理和工作机制.在得出现有连接池局限性的基础上,设计出动态连接池体系结构.通过采用基于中间数据库和变化日志表的异构数据复制模式和以虚拟订阅表的方式构建的全局查询模式,将动态连接池中间件扩展成为数据集成中间件,从而有效解决异构数据库间的数据共享与交换问题.     

远程大数据量下载方法的研究与实现

在进行远程大数据量下载时,UDP协议能提供更高的数据流量,但UDP协议在数据传榆时不具备错误纠正功能和重传机制,不具备传输可靠性保障,可以在UDP协议的基础上对应用层数据进行私有协议的封装,设计出一种新型的私有可靠型UDP协议.并在该协议的基础上创新出针对性的下载机制,可根据不同的网络丢包率自适应触发补发机制或重发机制,实现终端和远程服务器之问的大数据量高速、可靠的传输,最后给出了相关测试数据与分析.     

基于二维图像矩阵的ICA人脸识别

为了解决传统独立分量分析(ICA)在人脸识别过程中存在的高维小样本问题,同时为了提高识别效率,提出了一种基于二维图像矩阵的独立分量分析(ICA)特征提取方法.该方法将人脸图像矩阵作为训练样本,首先利用主分量分析(PCA)对训练样本进行去二阶相关和降维处理,然后对处理后的样本进行ICA特征提取,由于训练样本维数很小,因此它降低了传统ICA方法中高维小样本问题产生的识别错误率,同时减少了识别时间.在Yale人脸库和ORL人脸库上验证了该算法的有效性.     

基于Nonsubsampled Contourlet变换的虹膜特征提取与匹配

为了鲁棒地获得高品质的虹膜纹理特征矢量,提出了一种新的无参数滤波器堆与虹膜感兴趣区域获取技术相结合的特征矢量提取方法.分析了基于Nonsubsampled Contourle变换(NSCT)滤波器的结构与性能,给出了无参化NSCT滤波器的设计步骤和设计要点.提出了采用坐标变换、剪切、平移和组合的虹膜感兴趣区域预处理技术.用NSCT滤波器滤波该虹膜感兴趣区域来获得信息丰富且少干扰的虹膜图案的特征矢量.实验结果表明该方法是更为有效的.     

改进的基于R树的空问连接代价模型

针对Yannis Theodoridis等人提出的空间连接代价模型存在比较理想化的限制条件--假设数据均匀分布,缓冲策略使用简单的缺点,利用划分子空间并抽样获取非均匀数据实际密度的策略,提出了优先保存查询集合树的最新访问路径的有效中问节点的缓冲区算法,给出了改进后的评估公式.实验结果表明,改进后的模型比原模型提高了评估的精确度.     

运动目标跟踪系统的遮挡问题处理

遮挡是运动目标跟踪研究中的一个重要问题,介绍了基于Markov Chain Monte Carlo(MCMC)的运动物体遮挡问题解决方法.该方法通过建立贝叶斯模型,确定先验概率和条件概率,将车辆分割问题看成求后验概率最大时的车辆状态;然后运用MCMC方法对后验概率进行估计,设计MCMC标准对后验概率进行采样,用长方形模型来近似车辆外形.实验证明MCMC方法在不需对车辆单独初始化的前提下能有效的将相互遮挡的车辆分割出来,检测出车辆之间的相互遮挡.