用两层分类算法进行视频烟雾检测

为提高视频烟雾检测的准确性,提出一种基于概率的两层最近邻自适应度量分类算法(PTLNN)来进行烟雾检测.该算法以最小化平均绝对误差为原则,结合AdaBoost和KNN算法的优势,充分考虑局部和全局的样本分布,能明显提升分类精度.采用离散余弦变换(DCT)和离散小波变换(DWT)两种方式对烟雾特征进行提取,并验证算法性能.通过与传统算法的对比实验发现,采用离散余弦变换并结合PTLNN算法在视频烟雾检测方面具有更好的效果,既满足实时性要求又提高了检测精度.     

基于自适应阈值和区域生长的SD-OCT糖网图像亮斑分割

硬性渗出是糖尿病性视网膜病变的一个比较显著的症状,频域光学相干断层视网膜图像中的高信号亮斑与渗出有着密切的联系。为了研究渗出与病变的关系,有必要找到一种提取亮斑的方法。但是,目前关于糖网图像亮斑提取的研究还非常少。首先运用层分割算法限制亮斑所在区域,然后采用自适应阈值法确定种子集合,最后使用基于人类视觉特性的区域生长方法提取出亮斑。实验结果表明,本方法可以较准确地分割出糖网图像中的亮斑。     

Ω-模糊软环

将软集理论的概念应用到Ω-模糊环中,提出了Ω-模糊软环的概念,给出了Ω-模糊软环的交与并的定义;探讨了交与并的一些相关性质;讨论了Ω-模糊软环的同态的一些性质,并提出了Ω-模糊软子环和模糊软同构的概念,研究了与其相关的性质。     

格蕴涵代数的软LI-理想

借助软集合,提出了格蕴涵代数的软LI-理想的概念,研究了软集运算下的一些诸如交、且等基本性质,并给出了格蕴涵代数的软LI-理想的一些等价刻画。此外,研究了格蕴涵代数的软LI-理想与格蕴涵代数的软格理想之间的关系。得到了格蕴涵代数的软LI-理想像与原像的性质。     

电动汽车参与经济调度的多目标模型

电动汽车通过V2G技术可以作为电网负荷侧的备用容量,由此提出了一个多目标优化模型,将电动汽车车主成本和经济调度成本作为其目标函数,并让电动汽车通过有序充放电来作为经济调度时的备用容量.在满足各种约束条件下,采用多目标遗传算法(NSGA-Ⅱ)对模型进行求解.电动汽车的负荷特性、负荷波动、真实风能输出和机组停运状态均采用蒙特卡洛算法得到,并以一小时为时间间隔来进行仿真.由模型的求解结果可知,通过选择合适的pareto解集中的值,可以节省车主成本和经济调度的成本,并且可以实现对负荷削峰填谷的功能.     

基于小波去噪的神经网络软测量在血糖浓度估计中的应用

由于皮下间隙液葡萄糖的易测性和测量过程中传感器感染血液的低风险性, 皮下间隙液一直是血糖监测的首选位置. 但皮下间隙液葡萄糖浓度的变化总是滞后于血糖浓度的变化, 而且测量过程中会引入噪声, 不能准确地估测血糖值, 针对这一问题提出了一种基于小波去噪的神经网络软测量方法. 该方法先对与血糖相关的一些辅助变量进行去噪处理, 然后用来训练神经网络, 建立血糖软测量模型. 通过对1号、2号成年人采集的仿真数据进行实验, 结果表明, 运用该方法得到的测量结果比皮下间隙液葡萄糖值具有更小的均方根误差、更好的信噪比、以及更小的测量延时.     

基于改进QPSO的单任务Agent联盟生成

针对群智能算法求解Agent联盟生成问题过程中易出现粒子过分聚集,导致多样性降低,甚至陷入局部最优现象提出一种基于改进量子粒子群的求解策略,在粒子过分聚集时借鉴实数编码遗传算法中的柯西变异使粒子聚集程度降低,进而维持了粒子的多样性。并采用多种群并行和最优粒子移民策略加快算法收敛。实验表明,该策略可以快速高效的求解Agent联盟,在运行效率上优于同类方法。     

多智能体环境下的情绪决策模型?

建立一种基于情绪的Nash-Q决策模型,它由认知层和情绪层组成。认知层模型由Nash-Q算法实现,情绪层建立在情绪记忆和评价理论之上,由高兴、伤心、恐惧、厌烦组成情绪空间,建立相应刺激与情绪映射模型、情绪与行为动作映射模型、每种情绪下的动作信任度评价模型。将文中模型应用到两智能体网格决策实验中,结果表明情绪层的引入可加快收敛速度,同时能有效防止陷入局部最优,更好兼顾在线学习的“保守”和“探索”平衡。     

利用标志点多视图约束实现结构光扫描高精度粗拼接

在采用标志点拼接的结构光扫描系统中,两两相邻视图拼接存在累积误差,导致拼接精度会随拼接次数下降,为此提出一种利用标志点多视图几何约束的高精度拼接方法.首先利用两两视图拼接的方式在扫描过程中构建标志点多视图网络,并利用光束法平差技术优化多视图网络得到高精度全局控制点;在此过程中保存每个视局部坐标系下三维点云,然后将各局部坐标系下点云和全局控制点进行拼接,得到物体表面完整的三维数据.该方法克服了传统拼接过程中累积误差,提高了多视角三维扫描拼接精度;并通过实验证明了所提出算法的有效性.     

基于神经二部分裂结构的多智能体WSNs数据融合算法?

为进一步提高无线传感器网络WSNs( Wireless Sensor Networks)使用寿命,从提高算法数据融合效率角度出发,提出一种神经二部分裂结构的多智能体WSNs数据融合算法。首先,根据神经结构的主干与枝干承载信息量不同的原理,选取主干、枝干通讯链路并赋予较大能量,并给出主、辅中心节点选取方法;其次,设计了基于LMS的自适应加权融合算法,分别针对节点层级、枝干中心层级和主干中心层级进行逐层处理,实现了对神经二部分裂结构的数据融合;最后,通过与两种已有算法进行仿真对比,显示本文算法在Sink节点接收数据包,能耗等指标上均具有优势,验证了算法有效性。