采用形态神经网络背景自适应预测的图像弱小目标检测*

提出一种有效的背景杂波预测形态神经网络模型,用于检测图像数据中的弱小目标.目标被假设为只有很小的空域扩展度,而且淹没于强背景杂波干扰中.通过形态神经网络,杂波背景被准确地估计并从输入数据中去除,只剩下残留噪声和目标信号.采用扩展输入层数据的办法修正了传统的形态开、闭运算三层前馈BP网络模型.为了跟踪包含不同子结构的复杂背景,原始图像被划分为多个子块,并在相应的子块中选择训练样本对结构元进行优化.对真实图像数据的计算机仿真表明该算法在性能上优于其他传统算法.     

CMS环境下基于智能优化算法的单元间布局问题研究*

研究了单元制造系统(CMS)设计中单元间布局设计问题,从单元制造系统的实际出发,提出了一种基于割树(Slicing-tree)的单元间布局设计模型.该模型考虑了单元形状约束、单元I/O点位置优化等诸因素对布局结果的影响.针对基于割树的描述形式,采用遗传算法求解,提出了一种新的割树编码方案,克服了以往编码方案易产生非法子串、不能覆盖整个解空间以及实现困难等缺点.计算结果表明,该算法是有效的、可行的.     

机动车辆装载问题的一种混合遗传算法实现*

针对货物装载地和运送目的地均已确定情况下的车辆装载问题,给出了基于遗传算法求解的数学模型,并对基本遗传算法的各个算子针对问题的特点提出了改进方法,同时引入启发式策略,形成了一种混合遗传算法.该算法的特点是各个算子都以提高算法收敛速度和解的最优性为目标,同时种群大小是动态变化的,以求在保证群体多样性的同时加快收敛速度.实验结果表明,该算法对求解此类问题是有效的.     

预测帧编码中基于场景信息的宏块模式跳过算法*

在对场景信息进行分析的基础上,提出了H.264/AVC中预测帧的一种快速算法.对于未发生场景切换的预测帧,采用INTRA模式跳过算法(IMSA),跳过该帧中所有的INTRA模式的决策过程.对于发生场景切换的预测帧,跳过INTER模式的决策过程(PMSA).仿真结果显示,与采用完整的率失真优化(RDO)决策过程相比,未发生场景切换时,所提方法能减少30%～60%的编码时间;发生场景切换时,能减少60%～70%的编码时间,并且未导致明显的图像质量下降和码率的增加.     

QPSO算法在非线性观测器设计中的应用*

具有量子行为的粒子群优化(Quantum-behaved Particle Swarm Optimization,QPSO)算法是继粒子群优化算法(Particle Swarm Optimization,PSO)后,最新提出的一种新型、高效的进化算法.提出了运用QPSO算法设计的非线性观测器方法.该方法属于滚动时域估计方法,利用具有量子行为的粒子群算法优化获得系统状态的最优估计.仿真结果显示该方法对初始条件不敏感,具有很强的跟踪能力.     

基于粒子群算法的移动机器人全局最优路径规划*

以栅格法和粒子群算法为基础,提出了一种新的机器人实时全局最优路径规划方法.该方法包括采用栅格法对环境进行建模和直接运用粒子群算法在环境模型中搜索全局最优路径.在计算机上进行了仿真,仿真结果证明了该方法的可行性和有效性.     

基于操纵平稳性的液压挖掘机轨迹规划方法

以既能达到良好的轨迹规划精度,又有优良的操纵平稳性为目标,提出了一种挖掘机器人的智能轨迹规划方法.以挖掘姿态角为优化变量;油缸进程和加速度梯度为双目标;位置盲角和最佳切削范围为约束建立优化数学模型,采用遗传算法寻找最优值.对3种规划策略：被动修正法、主动调整法和智能规划法进行了行程和速度梯度对比,结果表明,采用优化规划方法可以大幅减少液压系统冲击和振动,使挖掘机操纵更加平稳.     

不确定离散系统的鲁棒Gl2滤波器设计

对于凸多面体不确定离散系统,研究了满足误差估计系统鲁棒稳定且满足一定Gl₂性能指标的线性全阶稳定滤波器设计方法.分别给出了确定性和不确定性离散系统具有Gl₂性能的线性矩阵不等式（linear matrix inequality, LMI)充要条件和充分条件.在此基础上,通过使用滤波器参数化方法,分别推导出了以LMI描述的确定性和不确定性系统的Gl₂滤波器存在的充要条件和充分条件,进而可以使用LMI凸优化程序求解滤波器.通过对算例的计算,结果表明,在噪声信号为独立范数有界情况下,鲁棒Gl₂滤波比H_∞滤波具有更少的保守性.     

基于卷积神经网络的目标检测

为了完成视频图像中人体检测,将卷积神经网络和梯度算法结合.将YOLO网络模型结构以及算法函数进行了优化调整.为了保留视频时间信息,引入了卷积神经网络反馈时间维度.采用长短记忆卷积神经网络(LSTM)进行训练,通过将迭代过程的最优解保留,加快了梯度算法中的搜索速度,并且保证收敛于全局最优解.     

基于RS和ArcGis的乌海风环境影响因素分析

为了改善乌海市的人居环境,基于乌海市的高程数据、卫星遥感数据及建筑矢量图,利用遥感技术(RS)和ArcGis10.6分析该城市的风环境影响因素,研究结果发现,乌海耕地面积、植被覆盖少,市中心建筑密度大于30％,迎风面积密度大于0.35,风速低于1.6 m/s,与风环境舒适性标准不符.由此,提出规划产业布局、优化占地类型、改善建设形态、提取通风廊道等策略.