基于免疫粒子群算法的多星观测调度研究

多星观测调度是一个复杂的组合优化问题,且为NP难题.目前常用解决方法是采用智能搜索算法在搜索空间寻找近似最优解.针对上述问题,首先探讨了国内外成像侦察卫星调度算法的研究现状,然后阐述了传统微粒子群优化算法与免疫粒子群优化算法的特点,并对带有多个时间窗口约束的多星观测问题建立了数学模型.在此基础上,提出一种用于解决多星观测调度问题的免疫粒子群算法.实验结果表明,免疫算法收敛速度快,可以很好地逼近精确解,并具有较强的搜索能力.     

基于动态纹理技术的实时森林绘制

研究实时绘制森林动态场景问题,由于森林形状复杂,实时性差,针对风力作用下的大规模森林动态场景,提出图像变形方法和动态纹理技术的森林绘制方法。使用二维图像变形技术实现树木图像在风力作用下的变形;通过将树木变形结果预计算为复合纹理,减少渲染时计算量;在实时渲染过程中,根据当前风力,选择最相近的纹理内容,通过使用动态纹理技术实时更新至Billboard;并结合顶点偏移法一起实现树木模型在风力作用下的动态运动;为加速绘制效率,利用图形硬件加速复合纹理的选择和Billboard的顶点计算。对于上万株规模的动态森林场景,通过改进方法可以实现实时绘制。     

冠心病智能诊断算法仿真研究

研究冠心病诊断问题,冠心病影响指标多,指标体系中存在大量的重复信息,传统方法无法消除重复信息,冠心病诊断准确率低,误诊率高.为了提高冠心病诊断准确率,提出一种智能的冠心病诊断算法.首先科学、准确地选择冠心病指标体系,然后采用主成分分析对指标体系进行筛选,消除重复信息,最后采用支持向量机对冠心病建立分类器,实现冠心病智能诊断.仿真结果表明,相对于其它传统冠心病诊断方法,智能诊断算法有效提高了冠心病诊断准确率,克服了传统诊断缺限,为冠心病临床诊断提供了依据.     

基于特征互补图像的人脸识别仿真研究

研究人脸识别精度问题。由于人脸图像中存在大量干扰信息的缺点,而造成了人脸识别正确率下降,为了解决上述问题,提出了一种基于特征互补图像快速特征融合算法。算法通过对人脸图像的位平面切片图像分析,采用位平面图像分解法,通过各种合成策略构造多幅样本图像。并突出高位平面图像,采用两种加权策略将每一幅人脸图像样本都生成"特征互补图像"。然后,直接用图像的二维典型相关分析(2DCCA)法对两种特征互补图像进行特征抽取。最后通过在ORL国际标准人脸库上进行的实验,结果表明,高位平面图像的典型相关鉴别特征提高了正确识别率,并且因为摒弃了原始人脸图像的大部分干扰信息所以具有更强的鲁棒性。     

基于模糊神经网络的智能车辆路径跟踪

在自主车辆路径优化控制的研究中,针对智能车辆传统的路径跟踪控制需要建立精确的数学模型且鲁棒性差的问题,提出了一种模糊神经网络的角速度控制器设计方案。首先建立了智能车辆运动学模型;然后以方向角误差和位置误差作为该控制器的输入,利用神经网络的学习能力来调整模糊参数得到性能优化的控制器,最后对直线和圆路径进行了路径跟踪仿真。仿真结果表明提出的模糊神经网络控制算法具有很高的控制精度和较好的鲁棒性,能够满足智能车辆实时精确路径跟踪的优化控制。     

基于分割提速法的并行股票预测研究与仿真

关于股票准确预测问题,针对股票预测中计算时间复杂度大,数据库操作速度慢等缺点,为提高数据挖掘的速度和效率,提出了一种分割提速法的并行股票预测模型。模型特点采用广播拓扑结构,使用多线程并行计算方法,将计算量平均分配给所有参与计算的计算机,同时又使用网络编程技术实时同步回收结果,从而有效地缩短了股票关联规则的计算时间。实验结果表明,上述方法有效地减少了算法时间复杂度,较大程度地提高了股票预测的效率,从而为股票投资者提供有力的帮助。     

基于全数字锁相环的步进电机控制系统

研究步进电机优化控制问题,步进电机控制系统存在着控制功能单一和控制精度不高的缺陷。针对上述问题,提出了一种用全数字锁相环的控制系统设计方案。锁相环能够在较大的频率范围内快速跟踪和锁定输入信号的频率和相位,应用脉冲分配控制器,可提高整个系统的同步性能,增强步进脉冲信号频率的稳定性。采用超高速集成电路硬件描述语言(VHDL)进行电路系统设计,利用计算机仿真技术对该系统进行了仿真验证,并给出了布局布线后时序仿真的结果。仿真结果表明,该系统具有控制灵活、响应速度快、稳定性能好等特点,改进的设计方案可实现对步进电机转速、转向和定位的一体化控制,能够显著提高系统的控制精度,并可应用于其它不同工作方式的步进电机控制系统设计。     

遗传优化的GNNM在瓦斯涌出量预测中的应用

研究矿井瓦斯涌出量准确预测一直是煤矿安全生产中重点关注的问题。煤层瓦斯爆炸因受开发环境、矿层深度、天气等因素的影响,造成与瓦斯涌出量增大而引起的。针对传统预测模型在矿井瓦斯涌出量预测中存在建模困难、收敛速度慢、要求历史数据量大的问题,提出了一种遗传优化的灰色神经网络预测模型。模型利用灰色系统对数据量要求低的特点,将灰色系统理论与神经网络有机结合起来,建立灰色神经网络模型。并采用遗传算法对所建立模型的权值和阈值进行优化。采用模型对矿井瓦斯涌出量进行预测,实验表明,遗传优化的灰色神经网络模型,可以简化系统建模,并能提高瓦斯涌出量预测精度,有一定的实用价值。     

基于邻域搜索的OPTA指纹细化改进算法

在指纹细化的研究中,基于OPTA的细化算法及其改进算法普遍存在指纹图像不够光滑,毛刺较多,细化质量不高等现象。为解决上述问题,在OPTA改进算法基础上提出一个新的设计方案。首先重新设计了删除模板和构造模板,然后将该模板设计成一种独特的一维数组查表索引模式,通过计算比较点的邻域值,在表中查找并进行比对判决,即根据邻域的情况来判断一个点是否可以删除。仿真结果表明,用新方法处理后的指纹图像细化完全,骨架接近纹线中心线,光滑无毛刺,且查询速度快,是一种较为成功的细化改进方案。     

一种新的红外图像快速分割方法研究

研究红外图像目标分割快速优化问题。在高分辨率红外图像的分割中,红外图像存在数据量大、目标的边缘模糊和噪声较大等导致分辨率低和实时性差。为了快速准确分割,提出基于低尺度分割阈值预测的快速红外图像分割方法(LFIRS)。首先建立尺度阶数计算模型以确定保留原始红外图像目标基本信息所需的最小尺度,在分析多尺度过程对具有目标/背景强相关特性的红外图像进行分割阈值,建立多尺度红外图像分割阈值的相关模型(CLM),结合经典二维阈值法得到的最低两个尺度的阈值CLM模型参数,可以通过CLM模型与最小尺度的快速获取原始尺度的分割阈值,实现红外图像的快速分割。实验结果表明,改进方法提高了图像分辨和分割速度,且改善了分割效果。