基于中间节点效应的无标度网络演化模型研究

原BA模型以网络中已存在的各个节点与新增节点的连接相互独立为前提。然而,在真实系统中,当网络中一个节点与新增节点连接后,该节点对其邻居节点与新增节点的连接会存在影响。针对该现象,提出了基于中间节点效应的无标度网络演化模型。首先描述与定义了中间节点效应,然后给出了中间节点效应模型的生成算法,并从理论上分析了该模型的度分布情况,最后利用仿真验证了理论分析的正确性,并就度分布、群聚系数、平均路径长度等复杂网络参数与原BA模型进行了对比,结果表明此模型能生成无标度网络并且更符合现实网络的演化过程。     

基于区域GAC模型的二值化水平集图像分割算法

针对测地线主动轮廓(GAC)模型进行了改进,提出了一种基于区域的GAC模型.通过构造基于区域统计信息的符号压力函数取代边界停止函数,有效解决了弱边界目标或离散状边界目标的分割问题.该模型采用二值化水平集方法实现,避免了传统实现方法水平集函数需要重新初始化为符号距离函数,从而导致稳定性差、计算量大、实现复杂等缺点.对不同类型图像的试验结果表明:该算法迭代收敛速度比GAC模型传统实现方法明显加快,且可有效防止边界泄漏,分割效果优于传统GAC模型与C-V模型.     

一种MPEG压缩域的运动对象快速提取算法

针对目前压缩域直接得到的运动矢量过于稀疏且不可靠,导致运动对象分割精度不高等问题,提出一种适合于MPEG视频流的压缩域运动对象提取算法。它先对MPEG码流进行熵解码得到的运动矢量场进行可靠性度量校正、置密和滤波处理,并采用基于块的区域增长算法得到每个对象的大致运动区域;然后解码属于运动区域的块,并把被还原的每个位置的像素值分布视为高斯分布,用统计的方法建立其高斯模型,通过阈值判断可靠地提取出最终具有像素精度运动对象。仿真实验表明,该算法可以有效地去除运动矢量噪声的影响,分割精度显著提高,并且具有较高的处理速度。对于QCIF 格式的视频码流, 每秒可以处理约50帧。     

基于扩散激活模型的无线自组网分簇方法

传统的分簇方法很少同时考虑安全因素及其对网络性能的影响。针对此问题,提出了一种基于信任关系的分簇方法,该分簇方法结合人类记忆的扩散激发模型思想,能够根据有限的局部信息自动地对整个网络进行分割。试验结果表明,该文所提出的分簇方法在精确度方面与集中式的分簇方法非常接近。因此,在提高Ad Hoc网络性能的同时,还可提高其安全性。     

基于时变系数与社会认知模拟的粒子群优化

粒子群优化算法利用一群在可行区域内飞行的粒子来搜索最优解,具有易实现、收敛速度快的特点,然而也面临"早熟"的问题.提出了一种基于时变系数与社会认知模拟的粒子群优化算法.实验结果显示,在5种不同的标准化测试函数下,新算法较另外3种常用的算法优越.     

基于QoS和OWL—S的Web服务发现研究

建立了原子服务发现模型,探讨了原子级服务匹配的4个过程,并重点对输入输出匹配和QoS匹配进行了研究.在QoS匹配中,给出了服务性价比概念,并提出了高性价比的服务选择原则.     

动态描述逻辑的可拓集合扩展

通过对可拓集合与经典集合、模糊集合的分析比较,说明可拓集合的特点和优点,用可拓集合代替经典集合或模糊集合作为动态描述逻辑DDL的集合论基础,对DDL进行扩展,生成了一种新的描述逻辑DDES,并给出了DDLES中概念、关系和实例的描述形式以及它们的语义解释,最后对传统描述逻辑ALC、模糊DDL和DDES中的Abox形式进行了比较.     

基于图像处理的自动聚焦技术及应用

自动聚焦技术是提高压痕直径测量系统测量精度、智能化和自动化的重要手段.介绍了采用图像处理法实现压痕直径测量系统的自动聚焦技术,核心就是选择一个合适的图像清晰度评价函数.在研究了众多图像清晰度评价函数的基础上,提出了基于向量模型和改进DCT变换的图像清晰度评价函数,实验表明,提出的算法具有良好的单峰性、准确性、稳定性、可靠性和快速性.最后通过基于COM组件技术的Matlab与VB混合编程来保证算法实现和软件设计.     

基于视觉的AGV轨迹跟踪控制

以物流搬运自动导向车AGV的轨迹跟踪为研究目标.对三轮式AGV的运动特性进行了分析,分别建立了AGV在任务空间和视觉空间内的运动学模型.根据针孔摄像机的成像原理,实现了AGV速度矢量由任务空间到视觉空间的映射.采用视觉伺服控制方法,获得了AGV轨迹跟踪的控制规律,并利用Lyapunov函数验证了控制系统的渐近稳定性.以具有任意初始误差的圆和直线为参考轨迹,对控制系统进行了仿真研究.仿真结果表明了控制策略的有效性和正确性.     

基于子空间方法的精馏塔系统辨识建模研究

子空间辨识方法作为一种有效的针对多输入-多输出系统(MIMO)的辨识建模方法近年来受到广泛的重视.目前主要采用的子空间辨识算法只能适用于白噪声环境,而实际的工业现场数据很多是受到较大有色噪声干扰的.针对问题采用了一种新的子空间辨识算法,利用马尔可夫参数用于处理随机性部分,同时引入辅助变量用以去除噪声的干扰,能够适用于存在较大有色噪声干扰情况下的辨识建模,并可得到对象的无偏模型,建模的精度优于通常所采用的子空间辨识算法.通过对精馏塔仿真模型的辨识结果证明了该方法的可行性和有效性,以及在实际工业过程对象建模中良好的应用前景.