适应性粒子群寻优算法Ⅱ

适应性粒子群寻优算法Ⅰ(APSO-Ⅰ)是在有序的决策中始终引入随机的、不可预测的决定.为解决APSO-Ⅰ算法收敛深度不够的问题,提出适应性粒子群寻优第Ⅱ代算法(APSO-Ⅱ).APSO-ⅡⅢ算法是将有序(标准PSO粒子群寻优)和无序(自适应寻优)进行适当的分离.以发挥各自的优势.在自适应寻优阶段,通过在最优柱子邻域空间探寻更优化的解.一但新的优化解被发掘,便利用标准PSO快速寻优.典型复杂函数优化的仿真结果表明,APSO-Ⅱ在收敛速度和收敛深度上均优于DPSO(耗散型PSO),HPSO(自适应层次PSO),EPSO(自适应逃逸PSO)和APSO-I.     

I2C总线在指纹识别系统键盘显示中的应用

针对大多数嵌入式系统键盘显示电路复杂、不灵活、维护困难等问题,结合指纹识别系统在汽车安全领域的应用,介绍了基于I2C总线的数码管显示驱动和键盘扫描控制芯片CH452S以及扩展口器件PCF8574AP在指纹识别系统键盘显示接口中的应用,包括硬件电路连接和软件程序设计.采用I2C总线,不仅占用端口资源少,电路结构简单,而且易于电路扩展与系统升级.     

移动机器人运动轨迹控制系统

以移动机器人的轨迹控制为主要目标,研究了线性控制算法在机器人轨迹控制中的具体实现方法.论证了其可行性,分析了算法的稳定性约束条件,通过仿真分析了控制参数对运动轨迹的影响.将该算法应用到实际的机器人控制中,设计出了基于陀螺仪和光电编码器的温室移动机器人控制系统.     

在图像分割中对水平集函数应用的研究

图像分割是从图像处理到图像分析的关键技术,几何活动轮廓模型是为解决图像处理和计算机视觉领域广泛存在的图像分割问题而提出来的。水平集函数是在研究几何活动轮廓模型时将界面或者演化曲线看成高一维空间中某一函数山原型。文章在分析传统水平集函数和距离保持水平集函数优缺点的基础上,引入图像相依的权系数v（I）代替常值权系数,提出了一种自适应距离保持水平集函数。然后通过对水平集函数求其偏微分方程,经过数值实现并求出其解,从而得出图形界面的基本形状和特征。     

ASP．NET文件上传解决方案

文件上传是在Web开发中频繁使用的一种技术,在ASP的时代如果想实现文件上传的话需要手工编写大量代码,第三方上传控件多是收费的。在微软ASP．NET时代,可以轻松利用微软内置的上传控件以及一些免费的上传控件来轻松实现文件上传。文中主要阐述了在ASP．NET2．0中文件上传过程中需要注意的问题以及如何利用nea—tupload控件实现超大文件上传。     

基于粗糙集的时序信息系统决策规则挖掘策略

在时序信息系统中,基于粗糙集规则获取的一般算法尽管可以产生所有可能的规则集,但是通常规则集中有些规则存在覆盖现象。而从规则集中去除所有的冗余规则是非常费时且不实际的。本文提出一个改进的规则获取策略直接获得最小规则集。通过具体算例分析验证了所提出的策略是有效的。     

基于粘滞流体B样条模型的快速非刚体配准方法

基于粘滞流体模型的非刚体配准算法是一种适合个体差异较大配准场合的方法。其关键步骤为求解偏微分运动方程组,但原始算法中采用直接离散结合同步超松弛(SOR)的方法相当耗时。为了缩短求解时间,提出一种基于粘滞流体B样条模型的快速方法。首先利用B样条对速度场进行建模,将方程组未知量转为B样条系数,减小计算负担;接着利用B样条的一些重要性质,推导出基于快速傅里叶变换(FFT)的B样条系数求解方法,进一步加快求解速度。实验结果表明,新算法在保持原始算法相同配准精度的同时,具有很快的计算速度。     

Link-16数据链抗干扰性能分析与仿真

在部队通信服务问题的研究中,数据链仿真是数据链武器装备论证的重要研究内容和方法,对军队数据链建设具有重要意义.以美军现役战术数据链Link-16为背景,比较分析了数据链系统的四类信息传输方式,为提高抗干扰性能,介绍了主要的抗干扰技术.利用Simulink软件对数据链系统建立了链路仿真平台,重点构建了直序扩频模块和跳频模块,对在加性高斯白噪声和莱斯衰落影响下的信号传输进行了仿真并进行了抗干扰性能分析.通过仿真与分析可以看出,RS编码、直序扩频、跳频等技术保证了Link-16数据链的高抗干扰性能,使其满足军用通信要求.     

基于人工免疫的烟草异物图像多阈值分割

烟草异物图像分割是图像异物识别的基本任务。为了快速实现烟草异物图像多阈值分割,提出了一种基于人工免疫算法与最大类间方差法的多阈值烟草异物图像自动分割方法。算法首先定义了图像分割目标函数;接着运用人工免疫算法,结合最大类间方差法以及目标函数对图像进行自动分割,并产生最优的多阈值,从而实现图像的多阈值分割。人工免疫算法中,抗原是指最优图像分割目标函数,而抗体是指最优的多阈值。实验证明,方法对烟草异物图像多阈值分割的效果良好,分类清晰。     

基于模糊神经网络的变换器自适应控制方法

提出了一种新型的基于模糊神经网络自适应PI调节电流控制电压型PWM变换器方法.结合了模糊神经网络控制与PI控制器,根据三相电流比较产生的三相电流误差和电流误差变化率,自动调整P、I参数,提高了电流的控制精度和变换器的动态性能.采用MATLAB/Simulink对常规PI控制器和模糊神经网络自适应PI控制器进行了仿真对比.仿真结果表明了采用模糊神经网络自适应PI控制器,其系统输出的误差及误差变化要小,系统的跟踪精度得以提高,动态性能得到改善.