一种基于局部排序PCA的线性鉴别算法

主分量分析(Principal Component Analysis,PCA)是模式识别领域中一种重要的特征抽取方法,该方法通过K-L展开式来抽取样本的主要特征。基于此,提出一种拓展的PCA人脸识别方法,即分块排序PCA人脸识别方法(MSPCA)。分块排序PCA方法先对图像矩阵进行分块,对所有分块得到的子图像矩阵利用PCA方法求出矩阵的所有特征值所对应的特征向量并加以标识;然后找出这些所有的特征值中k个最大的特征值所对应的特征向量,用这些特征向量分别去抽取所属的子图像的特征;最后,在MSPCA的基础上,将抽取子图像所得到的特征矩阵合并,把这个合并后的特征矩阵作为新的样本进行PCA+LDA。与PCA和PCA+LDA方法相比,分块排序PCA由于使用子图像矩阵,可以避免使用奇异值分解理论,从而更加简便。在ORL人脸库上的实验结果表明,所提出的方法在识别性能上明显优于经典的PCA和PCA+LDA方法。     

基于控制模式的地区电网AVC系统设计及应用

介绍了一种新的用于地区电网的自动电压控制(AVC)系统,该系统遵循无功在高电压水平下分层分区平衡原则,通过协调控制,全面实现AVC的各种控制目标。首先提出了区域电压控制、就地电压控制和区域无功控制3种控制模式,分析了各控制模式时间解耦并协调配合的方法;然后介绍了与能量管理系统(EMS)一体化设计的AVC系统的设计与实现。新开发的AVC系统已投入多个地区电网实际运行,结果表明AVC系统对提高电网电压合格率、优化无功、降低网损有明显的效果,并大大减轻了运行人员的劳动强度。     

基于PCA和LDA统一化原理的增强型线性鉴别分析准则

主分量分析(PCA)和线性鉴别分析(LDA)是模式识别领域的使用最为广泛的两种特征抽取方法,而在图像识别中经常采用的是PCA LDA方法来代替单纯的LDA。本文提出一种增强型线性鉴别准则(ELDA),将PCA的优点和LDA的优点充分地融合在一起,不仅解决了PCA过程中使用最小距离方法时识别精度相对低的缺点,而且解决了LDA过程中当类内散布矩阵奇异时投影向量的求解问题,也就是说可以使用该方法来替代PCA LDA的两步骤方法。另外,该方法在识别精度上比PCA和LDA或PCA LDA方法都有较大的提高,通过在ORL、Yale和NUST603人脸库上的实验验证了该算法的有效性。     

基于FF总线的通讯圆卡在物理层的实现

通讯圆卡是现场总线智能仪表的核心模块。本文提出了基于FF现场总线的通讯圆卡物理层部分的设计方案,并通过对虚拟现场的四路电压信号的测试,分别实现了系统整体的硬件电路和软件功能。     

基于LonWorks技术的远程灯光集中控制系统

主要讲述了基于LonWorks技术的远程灯光集中控制系统的总体设计。其中灯节点以及测量和控制电路的硬件、软件设计是文章的核心内容，还详细介绍了Neuron芯片3150。     

一类视频序列中的人脸检测与实时跟踪算法

提出一种新的人脸快速检测与实时跟踪算法,能够对视频序列中的人脸进行快速、准确地检测和跟踪。算法分为开始状态、目标丢失状态的人脸检测和连续状态的目标跟踪。首先预测人脸两眼之间的中心位置,得到人脸的预测位置并对预测位置处的图像进行模板匹配,快速检测出人脸准确位置。然后利用检测出的人脸修正人脸模板,并在检测出的位置、旋转度、缩放比例等条件下,对后面序列图像进行小位置、小角度的快速跟踪。实验采用了多种环境下的大量视频,结果显示该算法能够快速跟踪视频序列中的人脸并具有很高的准确性、鲁棒性。     

多技术融合的Mean-Shift目标跟踪算法

在研究经典算法的基础上,提出了一种多技术融合的Mean-Shift目标跟踪算法,有效地解决了经典Mean-Shift跟踪算法存在的缺陷。通过Kalman算法预测估计目标的中心位置,通过分块颜色直方图提取目标区域的空间信息进行,同时采用背景加权和核加权相结合的方式抑制背景像素对目标的干扰。在多个视频数据上的试验结果表明,研究方法有效地克服了经典的Mean-Shift目标跟踪算法对遮挡、背景像素敏感的问题,在复杂环境的背景下对运动目标跟踪更加准确。     

基于LonWorks技术的步进电机智能控制器的硬件设计

基于LonWorks技术,设计了一种步进电机智能控制器,弥补传统单片机在此设计上的不足.本文具体讲述了控制器的硬件设计,此控制器结构简单,有较高的精度和可靠性,并且具有很好的网络通讯能力.     

提高OPEN 3000系统语音告警维护效率的措施

介绍了某公司在使用OPEN 3000调度自动化系统自带的语音告警功能过程中遇到的一些问题,对OPEN 3000系统语音告警维护效率低的原因进行了分析,提出了应对措施,并进行了实际应用。实践结果证明,系统改进后提高了维护效率和准确率。     

基于视频图像的火灾自动检测

首先分析了火焰的基本特性,给出了火焰图像的特征描述,然后利用火焰图像序列的边缘不稳定和相似性等可识别特征以及面积大小和颜色等信息,实现了对视频序列图像中火焰的自动检测。实验证明,所实现的系统检测效果好、误判率低。