改进的遗传算法在车牌自动识别系统中的应用

在车牌自动识别系统中,如何选择对车牌字符分类能力强的特征组合是系统面临的关键问胚。针对传统组合优化方法用于特征选择的种种缺陷和简单遗传算法过早收敛的缺点,提出了利用伪并行、最优解保存和自适应参数调整相结合的改进的遗传算法对提取的车牌字符图像众多特征进行优化选择的策略。仿真实验证明,改进的遗传算法不但从收敛速度和搜索能力上优于简单的遗传算法,而且可以有效的避免出现早熟现象,防止陷入局部最优;所提出的特征选择算法不仅提高了车牌字符识别率。而且识别结果十分稳定。     

基于SVM和模糊免疫网络的交通标志图像识别

提出了一种检测和识别交通标志的方法.该方法根据交通标志的颜色和形状,利用支持向量机的非线性分类能力将其图像区域从实景图像中检测和提取出来,然后利用具有多样性、较强容噪能力的模糊免疫网络来识别.使用不同环境下的实景图像进行实验,结果证明本方法具有平移、旋转、缩放、拉伸不变性和较强的容噪能力.     

基于聚类算法和层次支持向量机的人脸识别方法

提出一种基于聚类算法和层次支持向量机的人脸识别方法。该方法在训练阶段把利用小波变换提取的图像特征先进行聚类,再利用聚类的结果来训练层挺支持向量机;识别阶段先利用层次支持向量机初步判断待识别图像最可能所属的人,最后利用免疫算法对待识别的人脸图像进行确认。实验表明,该算法效果较佳。     

带变异粒子群算法在车辆路径问题中的应用

在分析常规粒子群优化算法的基础上,针对午辆路径的优化问题,采用一种带变异因的粒子群优化算法,并根据粒子群的群体适应度标准差和理论最优值,给出收敛判断的依据。实验表明陔算法具有简单、高效、快速的特点。     

基于行为进化的智能保洁机器人模型

通过对神经网络的研究,采用双种群遗传算法（DPGA）来进化神经网络的权值,提出了一种智能保洁机器人模型。该模型模拟生物的行为规律,能够依据周围环境采取限定区域搜索或者广域搜索方式清扫垃圾。仿真实验表明了该模型的有效性,通过比较也体现了双种群遗传算法较之传统单种群遗传算法（SPGA）的优越性。     

Authorware在Internet/Intranet中的应用

本文实现了通过Ａｕｔｈｏｒｗａｒｅ在Ｉｎｔｅｒｎｅｔ／Ｉｎｔｒａｎｅｔ上访问、分发和播放多媒体信息的方法,从而扩大了Ａｕｔｈｏｒｗａｒｅ的应用范围。     

基于LBP和栈式自动编码器的人脸识别算法研究

LBP算法对光照敏感且能有效地提取图像的纹理结构特征。提出一种基于局部二值模式（Local Binary Pattern,LBP）和栈式自动编码器（Stacked Autoencoders,SAE）的人脸识别算法。用统一模式LBP算子提取分块后的人脸图像的直方图,按顺序连接形成整幅图像的LBP特征,并将其作为栈式自动编码器的输入,完成进一步的特征提取,实现人脸图像的识别与分类。在Extended Yale B等数据库上的实验结果表明,该算法与传统的人脸识别算法和标准的栈式自动编码器相比,对光照变化有更强的鲁棒性,具有更好的识别效果。     

基于轮廓特征和小波变换的图像拼接

以图像轮廓角点为特征,采用B—spline实现图像的缩放,通过模版匹配寻找拼接位置,并利用小波变换简化模版匹配算法的计算过程,提高了算法的抗噪能力。实验结果表明,该算法的运算速度和拼接效果均比较理想。     

基于蚁群智能和支持向量机的图像分割方法

针对传统阈值法在图像分割时仅考虑像素的灰度信息,对噪声敏感且不易确定全局最优阈值的缺点,提出了基于蚁群智能和支持向量机的图像分割方法.该方法利用蚁群优化算法对图像的二维阈值空间进行全局搜索,并将搜索到的最优点灰度-区域灰度均值对作为阈值来区分目标和背景,然后对支持向量机进行训练和测试,最后用训练好的支持向量机分割图像.实验结果表明,该方法抗噪能力强,分割准确,是一种实用有效的图像分割方法.     

基于混合不变矩的步态识别

基于步态的身份识别是近几年出现的一种新的生物识别技术.将Zernike矩应用到步态识别中,同时利用小波矩的局部辨析能力,将两种矩结合起来作为识别特征,从而提出一种基于混合不变矩的步态识别方法.为了减少特征向量维数的增加带来的计算复杂度,采用一种改进的BP神经网络用于识别,在保证分类效果的基础上减小计算复杂度.实验结果表明,基于混合不变矩的步态识别方法在识别率上优于基于单一不变矩的方法.