基于权重阈值寻优的案例推理分类器特征约简

为提高案例推(case-based reasoning,CBR)分类器的分类准确率并降低时间复杂度,本文提出了一种基于权重阈值寻优的特征约简策略.首先通过基于数据驱动的方法对特征权重进行分配,得到每个特征的权重结果;其次,设计特征权重重要度阈值的适应度函数,并利用遗传算法对该重要度阈值进行优化搜索,最后根据得到的优化阈值与特征的权重分配情况,删除权重小于该阈值的特征从而完成特征的约简过程.通过对比实验,本文所提策略能够有效提高CBR分类器的分类准确率并降低时间复杂度,表明了权重阈值寻优约简策略的可行性与优越性.验证了本文方法不仅可以降低CBR分类器的时间复杂度,而且能够提高CBR的决策与学习能力.     

考虑爬高效应的泥石流弯道超高公式

弯道超高是泥石流运动的显著特征。以往研究认为弯道超高完全是由于泥石流的离心运动造成的,未考虑泥石流在弯道运动时的冲起爬高效应。本文假设弯道超高和爬高分别由泥石流沿弯道的切向和法向速度引起,根据弯道处速度矢量三角形和圆弧三角形的几何相似关系,推导了考虑爬高效应的泥石流弯道超高公式。该公式依赖于弯道的内外曲率半径比、泥石流速度和沟壁倾角,适用于弯道圆心角小于60°和沟道较宽的情形。经云南东川蒋家沟的野外实际调查数据以及其他文献中的数据验证,与实测值误差较小,可用于泥石流弯道爬高的实际计算中。     

基于智能视觉的透明液体可见异物检测软件设计

目前在国内的透明液体生产线上,液体通常采用人工检测,效率低、准确率,所以基于图形处理算法以及QT,设计了一套基于智能视觉的透明液体杂质颗粒检测软件,重点实现了软件与算法的改进优化;获取的连续图像经自适应中值滤波预处理去除图像噪声后,通过改进的序列图像二次差分算法提取出序列图中的细小的异物,然后根据通过SIFT特征度量的MeanShift目标跟踪算法,跟踪液体图像中的细小异物;并根据异物的运动轨迹及大小,检测到有无异物以及异物的类型,进而进一步判断透明药品质量是否合格;结果测试表明,软件的准确率达到95%以上,检测分辨率达到了44μm,基本可以替代透明液体生产线上的人工检测。     

PIC单片机控制下的无线模块自主选频数据传输

提出一种采用PIC16系列单片机和CC2500无线射频芯片的自主选频无线数据传输系统的设计方法,包括系统硬件电路设计和软件实现。系统具有自主选频功能,解决CC2500在ISM频段内由于同频干扰而产生的频率冲突问题。     

计算机教学中学生创新能力的培养

随着计算机应用的普遍应用,计算机行业对具有创新能力人才的需求也在迅速扩大.所以在计算机教学中,培养学生的创新能力也是刻不容缓的教学改革任务.本文从创新意识、创新能力与计算机创新体现三个方面对计算机教学莘学生创新能力的培养进行分析探讨.     

基于改进RX算法的高光谱异常检测

针对RX算法中局部背景协方差矩阵估计的局限性,提出一种改进的RX (I-RX)异常检测算法。基于奇异值分解(SVD),将高光谱图像投影到背景的正交子空间上,获得仅包含噪声和异常的残留图像。在此基础上,通过计算各样本的空间秩深度将残留图像划分为噪声背景和潜在异常两个样本集,利用噪声背景集估计整幅图像的背景协方差矩阵,并将潜在异常集作为测试样本进行异常检测。对模拟数据和真实高光谱数据进行了实验仿真,ROC曲线表明,在相同的虚警概率下,I-RX算法的检测概率相较于RX平均提高了2倍左右。     

一种快速车牌定位算法

提出一种快速的车辆牌照定位算法,对获取的车辆图像进行相应预处理后,根据图像的纹理特征,分析牌照区域字符分布情况及变化规律,利用车牌号码区域像素值的变化频率,在一个特定范围内进行水平和垂直方向上的定位,从而准确地得到车牌区域。实验结果表明,本文提出的算法能够较好地快速定位车辆图像中车牌区域。     

一种虚拟景象合成系统技术研究

本文探讨了一种照片合成工作方式,利用电子技术获得拍摄场景中灯光以及照相机位置、焦距等信息并通过计算机接口输入,参考这些数据修改3DS文件,再利用三维软件进行真实的照片级渲染,最终合成照片作品.     

Holistic and partial facial features fusion by binary particle swarm optimization

This paper proposes a novel binary particle swarm optimization (PSO) algorithm using artificial immune system (AIS) for face recognition. Inspired by face recognition ability in human visual system (HVS), this algorithm fuses the information of the holistic and partial facial features. The holistic facial features are extracted by using principal component analysis (PCA), while the partial facial features are extracted by non-negative matrix factorization with sparseness constraints (NMFs). Linear discriminant analysis (LDA) is then applied to enhance adaptability to illumination and expression. The proposed algorithm is used to select the fusion rules by minimizing the Bayesian error cost. The fusion rules are finally applied for face recognition. Experimental results using UMIST and ORL face databases show that the proposed fusion algorithm outperforms individual algorithm based on PCA or NMFs.