二维联合特征模型的自适应均值漂移目标跟踪

为了提高自适应均值漂移(CamShift)跟踪方法的跟 踪性能,提出了一种利用色度-微分二维联合特征建立目标模型的 改进CamShift跟踪方法。对每个像素8邻域的色度进行差分计算,最大差分值作为该像素的 微分值,用以 描述像素的相对位置信息和图像的细节信息;根据目标模型的色度-微分二维特征联合直方 图,利用反向投 影获得跟踪图像的色度-微分二维特征联合概率分布图,以减少单独特征建立模型时所产生 的冗余信息的干 扰;利用均值平移方法在跟踪窗内实现目标的定位。对目标尺寸的过大更新加以限制,防止 过多背景信息 干扰目标识别的准确性。仿真实验结果表明,本文方法跟踪性能稳定,当目标与背景相似, 或者背景中出现 与目标相似的干扰区域时,都能实现目标的有效跟踪,提高了CamShift跟踪方法的适 用性,单帧图 像的处理时间小于30ms,满足跟踪系统实时性的设计要求。     

改进的混沌优化算法及其在电力系统负荷分配中的应用研究

为减少现有混沌优化方法在搜索空间内的盲目重复搜索,提高寻优效率,提出了一种改进的混沌优化算法,并用于电力系统经济负荷分配这类复杂、非线性问题的求解中。该算法根据当前寻得的最优解确定精搜索空间,并根据精搜索空间与原空间的比例大小确定各自的搜索概率,并分别以不同的搜索概率同时对原空间和精搜索空间进行混沌搜索。这样即可避免传统混沌优化算法中因过早缩小搜索空间而造成的遗失全局最优解的缺点,又可提高算法的寻优速度。实验结果表明,该方法收敛速度快,寻优效率高,可有效解决电力系统经济负荷分配等复杂的优化问题。     

具有混沌激励函数的BP网络算法

该文讨论了BP网络学习过程中的假饱和现象，并给出了一种改进的算法，有效地解决了假饱和的问题。仿真结果表明，该方法不但可以提高网络学习的快速性，而且具有一定的避免权值落入局部极小点的能力，从而提高了网络的收敛精度，同时，该算法还能提高网络的泛化能力。     

一种基于神经网络匹配的指纹识别算法

指纹特征的提取是自动指纹识别的关键技术之一.针对现存的许多指纹特征提取算法中的旋转和平移等问题,本文提出了一种基于神经网络匹配的脊线分叉点提取算法.该算法通过一个多输入、单输出三层前向神经网络提取脊线的分叉点.并且在FVC2000(国际指纹竞赛数据库)上作了测试.实验结果表明,本文提出的算法对指纹的平移和旋转都具有良好的不变性.     

一种新的双向联想记忆的学习算法

提出了一种新的用于双向联想记忆的学习算法，该算法利用了输入向量各元素之间的关联信息，在联想的过程中，动态地调整权值矩阵，增强了网络适应能力，利用了更多的已知信息，从而提高了网络的性能．     

基于无线传感器网络的社区心电监护系统设计

将无线传感器网络与传统心电监护系统相结合,以Zig Bee和蓝牙无线通信技术为核心,提出了一种具有自动切换工作模式和自动诊断功能的无线社区心电监护系统,可以完成心电数据的自动采集、处理、在线诊断、异常报警与无线传输等功能.系统可以自动切换室内外工作状态,保证了24小时全天候监护,其自嵌的心电分析算法可以实时分析采集的心电信号,自动提取心电信号中的疾病特征与专家库中的信号进行对比,实现有关心脏疾病的自动诊断和报警.实验结果表明:所设计的社区心电监护系统,可以准确采集心电信号并诊断,将无线传感器网络应用在社区心电监护系统上,有利于对社区心脏疾病患者进行统一监护.     

改进快速全局滑模控制方法

针对全局滑模控制的动态滑模面不能在有限时间内演化为线性滑模面的缺点, 提出一种改进的全局滑模控制方法, 其动态滑模面的衰减函数由3个指数函数项组成一阶可导函数, 并能在有限时间内衰减为零. 这样, 该方法不仅具有了全局滑模控制的全局鲁棒性, 而且能够使动态滑模面在有限时间内演化为线性滑模面, 从而加快了系统的响应速度. 利用该方法实现了二阶电力系统的混沌控制, 仿真结果验证了所提出方法的有效性.     

基于认知的联想记忆仿真研究

在对联想记忆神经网络的研究中,为提高现有联想记忆网络的存储能力以及相似模式和多值模式的联想成功率,提出了一种新的联想记忆网络。样本模式信息存储在动态权值矩阵中,网络根据不同的输入模式可自适应地调节当前权值矩阵。与传统联想网络相比,输入模式的信息不仅给出了联想记忆的初值,且在联想记忆过程中起到启发式搜索的作用,使网络的存储能力和联想成功率得到较好的改善。尤其可以有效地实现相似模式以及多值模式的联想记忆功能。仿真结果验证了方法的有效性。     

Multi-Valued Associative Memory Neural Network

A novel learning method for multi-valued associative memory network is introduced,, which is based on Hebb rule, but utilizes more information. According to the current probe vector, the connection weights matrix could be chosen dynamically. Double-valued and multi-valued associative memory are all realized in our simulation experiment. The experimental results show that the method could enhance the associative success rate.     

序列图像的目标识别方法

针对灰度差绝对平均值算法匹配次数多,不具有旋转不变性等缺点,提出一种新的序列图像目标识别方法。首先,分别在模板图像和目标图像中进行特征点检测,然后将模板图像中检测到的特征点附近区域作为特征模板。利用特征模板与目标图像中的特征点相应区域进行环形模板匹配操作,从而在目标图像中找到与模板图像相匹配的特征点。对于因遮挡而丢失的特征点,可根据已匹配特征点之间的相对关系来重新确定,从而实现目标识别的功能。仿真实验验证了该算法的有效性。