基于一种新的目标识别的边缘爬行算法

针对机器人目标识别的实时性、快速性和鲁棒性特点,依据物体边缘大部分区域的方向缓变原理,提出了一种基于记忆的边缘爬行改进算法.爬行搜索方法的一个明显缺点是"爬虫"容易掉进"陷阱",即围绕某个局部小区域重复爬行.记忆搜索方法则有效克服了爬行搜索方法容易掉进"局部陷阱"的不足.在边缘爬行的同时,通过标号将颜色相近的不同物体分割出来.实验结果表明,与传统方法比较,该方法的边缘线更加完整、清晰,而且缩短了处理图像的时间,使目标识别的实时性和鲁棒性得到了优化.     

人脸的民族特征抽取及其识别

人脸的民族特征是人脸信息描述的重要特征之一.首先构建了中国多民族人脸数据库,利用人脸识别技术提取民族面部特征和民族识别.在特征抽取方法中,采集人脸中的代数特征和几何特征,采用LDA(线性判别分析)算法提取人脸图像的代数特征.还构建了能够抽取人脸几何特征的弹性模板,并利用Gabor小波进行特征点定位.实验采用KNN和C5.0分别学习训练集中的代数特征和几何特征,并对测试集进行预测分类.实验结果表明,利用代数特征方法和几何特征方法对藏族、维吾尔族、壮族3个民族的平均识别准确率分别达到79%和90.95%.     

知识的属性扰动规律的不等式关系

知识的属性扰动引起知识规律的变化,这些变化的规律称为扰动规律.利用单向S-粗集和单向S-粗集对偶,给出属性扰动的知识规律的上规律.下规律的概念,并对知识规律与属性扰动的知识规律进行了讨论,提出了属性扰动知识规律(上规律,下规律)的不等式定理.     

基于物体级BSP树的大规模室外场景渲染

BSP树是图形学领域中用来加速大规模场景计算的重要手段之一.经典BSP树的构造策略是以形体表面的三角形本身作为分割平面,使得树的复杂度非常高,预处理时间长,所以一般适合于室内场景的渲染或碰撞检测.这里针对由许多小模型组成的大规模室外场景的渲染,给出一种构造物体级BSP树并利用其进行渲染的方法.这种方法在视点改变时无需更改BSP树,在视野范围不大的情况下,可以极大地提高渲染速度.实验结果证明了这种方法的有效性.     

下一代综合测试系统的研究与实现

LXI标准已成为测试行业的发展趋势,介绍了LXI技术的起源、分类及发展。重点介绍了IVI驱动程序的构成、特点,并基于IVI驱动程序,利用LabVIEW实现了一个话路测试仪,经过测试表明此仪器符合LXI仪器标准,且具有成本低、通用性强等诸多特点。     

分层海洋中求取本征声线数值方法研究

对分层海洋中本征声线的求取方法进行了改进.在本征声线模型基础上,分别利用二分法、单点弦截法对初始掠射角进行了精确计算和分析,结果表明,单点弦截法在保证精度的基础上节省了计算时间.计算结果可以为分层海洋本征声线建模提供理论依据.     

基于热释电传感器的图像采集语音报警系统

随着时代的进步,出于对安全问题的考虑,越来越多的人们开始使用报警系统,但现有的报警系统往往存在一些缺陷,比如误报和报警不直观的问题等。在对OV6620及ATmega16单片机性能进行分析以后,采用OV6620CMOS传感器芯片和LH1778热释电传感器芯片对室内状况进行实时监控和图像采集,当发现室内因人体经过而产生温度变化时,热释电传感器的电平变化,单片机随即执行程序采集图像,最终获得的图像由串口输出至外围设备。与此同时单片机通过无线模块对室内的门进行加锁和进行语音报警。     

一种改进的Harris角点检测算法

图像拼接中,提高角点检测的精确度可以提高配准的精度。在Harris算法的基础上,提出了一种改进的角点检测算法,算法首先分别对图像中每行、每列上所有像素点的Rharris进行X、Y方向的曲线拟合,然后对拟合后的曲线进行分析,若某个像素点的Rharris值在两个方向上都处于“波峰”位置,则将该像素点检测为角点。实验结果表明该算法可以避免阈值的选择,有效地克服了阈值选择不当造成的角点冗余或丢失,提高了角点检测的精度。     

基于分辨矩阵和约简树的增量式属性约简算法

为了对动态变化的决策表进行高效属性约简处理,在改进的分辨矩阵的基础上提出一种基于约简树的增量式属性约简算法IRART,该算法首先根据序贯属性约简算法对原决策表构造约简树,然后求出新增对象的分辨向量,并利用此向量对约简树进行修整,从而快速得到新决策表的所有约简,最后通过示例证明了这种算法的有效性。与传统增量式属性约简算法相比,该算法避免了复杂的逻辑演算,提高了属性约简的更新效率,理论分析表明该算法是有效可行的。     

一种采用类相关度优化距离的KNN算法

样本距离机制的定义直接影响到KNN算法的准确性和效率.本文提出了一种采用类相关度优化距离的KNN改进算法.将样本特征参数的熵值与样本分布概率的乘积作为特征参数针对分类的相关度,并根据相关度值衡量特征参数对分类影响程度的强弱以计算样本间的距离,解决KNN近邻选择时大类别、高密度样本占优的情况.实验结果表明,提出的采用类相关度优化距离-KNN算法提高了分类性能.