Camouflage texture evaluation using a saliency map

Multimedia Systems - Camouflage effect evaluation and examination is an important procedure in digital camouflage pattern design as it is helpful in improving the objectivity and effectiveness...     

基于显著区域的行人检测算法

针对经典行人检测算法(HOG+SVM algorithm)因滑动窗口滑动次数过多引起的计算量过大问题,提出一种基于显著区域的行人检测算法。把提取的显著度和原图结合得出有效图,实现由整张图像行人检测到局部有效图行人检测的转变;用贝叶斯准则将有效区域和基于协方差的行人检测有机结合,达到在降低计算量的同时提高检测准确率的效果。在公开数据集INRIA上的实验结果表明,该算法降低了计算量,明显改善了误检率。     

翼伞系统最优归航轨迹设计的敏感度分析方法

本文对三自由度翼伞系统归航轨迹优化问题进行了研究,采用控制变量参数化与时间尺度变换相结合的优化算法对翼伞系统的最优控制问题进行数值求解.该方法是基于灵敏度分析的优化算法,将控制量以及控制量转换时间转化为一系列参数优化问题同时进行求解.仿真结果表明,相对于基于两端边值优化算法而言,灵敏度分析法只需要正向积分进行求解,因而具有计算简单、耗时短等优点,其控制效果良好,距离偏差和方向偏差均满足实际需求,有效地提高了翼伞系统的着陆精度,验证了该优化算法的可行性.     

面向对象存储的文件系统Lustre

针对Lustre文件系统主要运用在高性能计算集群系统上的情况,分析Lustre文件系统的系统结构及其内部实现机制,测试系统在不同参数影响下的性能,认为Lustre可以运用在高性能集群系统上,也能运用在由普通计算机和 TCP／IP网络构建的集群系统上。实验结果表明,在TCP／IP协议和千兆交换机下, Lustre的并发性很难发挥,但设置合适的客户端数和系统参数可以优化其性能,相对本地磁盘系统, Lustre系统仍有较大的性能提高和实用价值。     

引入测评机制的综合学习粒子群优化算法

综合学习粒子群算法（CLPSO）能够改善粒子群算法多样性差且易局部收敛的问题,相比传统PSO算法能够一定程度避免算法早熟,但却存在收敛速度慢的问题。对此,提出一种CLPSO的改进算法（CLPSO‐II）,为每个粒子随机构造两个学习粒子,引入测评机制,择优学习。实验结果表明,CLPSO‐II能有效提高CLPSO的搜索效率,在处理多峰函数时,其性能优于传统粒子群算法（PSO）、全面学习粒子群算法（FIPS）和综合学习粒子群算法（CLPSO）。     

微型碳纳米管NH3气体检测系统

基于制备得到的微型碳纳米管NH3传感器,研制了一种便携式气体浓度检测系统。此系统由恒流源驱动,通过微控制单元实现自动检测。为了便于安装、维修与调试,该系统所有电路均采用模块化设计,检测系统可以比较精确地测量25 kΩ以内电阻的变化,可以精确检测5×10－6～50×10－6范围内NH3气体浓度。     

一种动态窗口PCA运动方向估计算法

首先针对个人航位推算系统中计步算法的阈值设定问题,提出了一种基于有限状态机的阈值自学习算法.通过该算法可以在较短的时间内(10s)获得自适应阈值,提高计步算法的准确性.然后在利用该阈值进行计步的同时,对连续步态进行分割,并以分割结果作为动态窗口进行主成分分析,可以获取目标运动的方向.此外,通过利用运动步态模型中加速度变化的规律可以有效解决180°模糊问题.实验分析结果表明,相比于固定窗口的 PCA 分析方法,基于动态窗口的 PCA 在数据处理量降低61.2%的情况下,其准确度提高了11.1%.     

概率最大受限路径相容算法

研究了可用于求解约束满足问题的最大受限路径相容算法(maxRPC).maxRPC算法执行过程中有大量无效的寻找路径相容证明(PC-witness)的操作,有效地识别和避免这些无效的寻找PC-witness的操作,可以提高maxRPC算法的求解效率.首先,提出了在一条约束上任意两个相容的值在任意路径上存在PC-witness的概率;然后,基于这一概率提出了一种概率最大受限路径相容算法(PmaxRPC),并将新算法成功应用于求解约束满足问题的回溯搜索.实验结果显示:PmaxRPC可以避免一部分无效的寻找PC-witness的操作,在求解约束满足问题时,PmaxRPC效率高于maxRPC.在某些测试用例上,PmaxRPC比maxRPC和最流行的弧相容算法效率更高.     

基于引导角的轮式移动机器人轨迹跟踪控制

首先,基于拉格朗日方程建立移动机器人模型;然后,根据侧向误差和角度误差的关系设计引导角,将该引导角作为虚拟输入,结合Backstepping方法设计基于移动机器人运动学模型的轨迹跟踪控制律,并给出参数选取条件;最后,以驱动轮力矩作为控制输入,并考虑到机器人受到的外部扰动,将运动学控制律扩展得到基于动力学模型的控制律.仿真结果表明了所设计控制律的有效性.     

基于分层选择策略的主动学习分词方法

为了克服训练样本不足、获取大量标注样本费时费力的问题,在基于不确定选择策略的基础上,提出了一种新的基于分层选择策略的主动学习方法。使用新提出的选择策略从大量无标注的样本中选择最有价值的样例,进行标注后加入到训练集中来训练分词器。最后在 PKU、MSR 和山西大学数据集上进行测试,并与不确定选择策略进行比较。结果表明提出的分层选择策略在相同大小的训练语料下可以获得更高的分词准确率,同时还降低了人工标注的代价。