基于双层模糊逻辑的多机器人路径规划与避碰

针对无通信情况下的多机器人系统在未知动态环境下的路径规划问题,设计了基于双层模糊逻辑的多机器人路径规划与动态避碰系统。方向模糊控制器充分考虑了障碍物的距离信息和目标的角度信息,转化为机器人与障碍物的碰撞可能性,从而输出转向角度实现机器人的动态避障;速度模糊控制器将障碍物的距离信息作为输入,将速度因子作为输出,提高了多机器人路径规划与动态避碰系统的效率和鲁棒性。在Pioneer3-DX机器人实体上验证了该系统的可行性。     

认知无线电技术在ZigBee中的应用研究

目前多种无线通信技术共享2．4GHzISM频段,它们之间的相互干扰以及频谱重叠现象已成为人们非常关注的一个问题。文中将认知无线电技术应用到ZigBee网络通信中,针对2．4GHz频段,利用认知无线电的频谱感知功能,对信道状态进行检测,搜寻频谱空穴,并且对频谱进行长期感知和统计,使ZigBee用户选择最可能空闲的频段作为传输信道,同时提出了一个2．4GHz无线环境感知模型。该方法提高了ISM频段的频谱利用率,并且减少了同频段其他多种无线通信技术对ZigBee产生的干扰,保证了ZigBee信号的有效传输。     

21世纪审美变迁下的平面广告创意探析

当人类社会跨入20一世纪,受互联网发展和后现代思潮影响,大众审美表现出全球一致化和世俗感官化的趋势。今天的审美新环境对于平面广告创意提出了新的挑战。近年来,“调侃经典”、数码“超现实主义”、文化“混搭”和逆向思维等创意形式成为平面广告创意中的新亮点。     

单峰映射揉搓序列的特性

为了更好地解释Feigenbaum现象,研究了单峰映射的揉搓序列,利用分析的方法证明了单峰映射揉搓序列极大性的一些性质,进而给出了一个序列作为允许揉搓序列的一个等价条件;利用单峰映射厂和Tpf的揉搓序列之间的关系,给出了重正化算子Tp不动点的揉搓序列的特征．     

一种基于新特征的车牌检测方法

车牌检测是车牌识别的关键所在,两种新的区域统计学特征能迅速排除大量的非车牌区域,在此基础上,采用增加了辅助判决的级联分类器来改进AdaBoost算法。实验表明,该算法与基于颜色特征分类器和传统的级联AdaBoost分类器相比,具有较快的检测速度、较高的检测率和较低的误检率。     

基于新型四叉树分割的快速分形图像编码

针对现有的基于四叉树的分形编码算法比较耗时的问题,提出了一种基于新型四叉树分割的快速分形编码方法。首先根据人眼视觉系统（HVS）特性分割出子块,再将各不同尺寸子块所对应的父块库中的父块按标准差排序。对于每一子块,在对应的父块库中寻找其在标准差意义下的最近邻父块,然后在该父块的邻域内进一步搜索最佳匹配父块,同时引进误差阈值来控制子块的搜索过程。实验结果证明,该算法的编码速度大大提高。     

基于SOA的校园遗产系统集成模型研究

为解决当前高校资源信息缺乏有效共享、应用缺乏有效集成、用户缺乏统一接口等问题,提出了一种面向服务体系架构的校园遗产系统集成模型及其对应的集成方案(CRPWare).CRPWare方案利用SOA框架可以有效地将高校资源和相关遗留系统平台软件集成起来,统一以Web门户方式进行交互,如各种资源的描述、注册、访问和发布等.通过与CDRBA和Web技术的集成模型比较,SOA体系架构可以解决高校各教学机构间资源和服务的异构问题,消除"信息孤岛".     

XML联合签名

首先分析了目前Web服务架构中XML多方通信业务链的典型应用,并建立了相应的研究模型.基于此模型,提出了联合签名加密技术,以解决传统签名技术在此类应用中存在的重复签名、信息关联不严格等问题.同时,分析了通过现有XML签名规范实现该技术的局限性,进而提出了新的XML联合签名实现方案.最后给出了XML联合签名的语法定义.     

透火焰红外数字全息图像的分辨率增强算法

近年来,高温干扰遮蔽情况下利用红外热成像与数字全息成像相结合的新技术观察火场中目标成为时下的研究重点。理论上火焰和浓烟对长波长的红外数字全息成像没有影响,但在现实火场环境中,燃烧物的大颗粒灰尘将会干扰光路,严重增加了全息图重建图像的噪声。本文提出了一种新的图像处理算法来抑制红外数字全息重建的噪声。该算法利用双边滤波器配合拉普拉斯金字塔算法将全息重建图像的细节和能量层分开,再对细节层进行滤波,然后用反向拉普拉斯金字塔算法将分离的层叠加回重建图像中,从而提高重建像的分辨率,并通过模拟火场环境验证了该算法对改善红外数字全息图重建像的分辨率具有显著效果。     

一种基于教学模型的协同训练方法

在很多实际问题中,很容易得到大量未标记数据而较难获取数据的标记;所以半监督学习在过去的10多年中得到了很大的关注.基于不一致性的半监督学习是其中一种十分重要的风范,协同训练是其代表方法.至今为止,大部分协同训练方法在选择未标记示例进行标记时只考虑预测学习器的置信度,而忽视了学习器的需求.受到真实教学系统的启发,提出了一种针对协同训练的教学模型TaLe,其中预测学习器是“教”者,而另一方则为“学”者.进而基于该模型给出了一种新的协同训练方法CoSnT,同时考虑了“教”的置信度和“学”的需求度.实验结果表明CoSnT在收敛效率和泛化性能上都优于标准的协同训练算法.