一种基于粒子滤波的任意姿态头部椭圆轮廓跟踪方法

结合粒子滤波思想,给出了一种适用于复杂背景和较远距离下跟踪任意姿态人体头部椭圆轮廓的方法.该方法采用双重随机采样策略,即在预测值附近通过均匀采样产生初始粒子以保证其多样性,在权值更新后对具有较高权值的粒子进行高斯采样以保证重采样过程的快速收敛性.在权值更新过程中,利用分块颜色直方图实现模板椭圆同粒子椭圆之间的颜色匹配,利用最大梯度距离测度(DMG)对粒子椭圆的边缘拟合程度进行度量,最后利用D-S证据思想对上述两种测度进行融合.实验结果不仅验证了此方法对于复杂背景和人体头部的任意姿态具有较强的鲁棒性和有效性,而且证实,此方法也适用于相对较远的距离范围.     

含损伤缺陷的大型钢结构架极限承载预测方法研究

为了能够准确预报出大型钢结构架的极限承载,提高大型承载钢结构架的安全性,提出基于双重非线性理论和测试应力为基准的大型钢结构架极限承载预测方法。推导出以测试应力为参考真实反映钢结构架损伤缺陷的修正模型,实现了对大型钢结构架极限承载的预测。以实验室大型钢结构架模型为例,进行了极限承载实验研究,模型压溃实验所得数据与理论预测值进行了对比,比较结果十分接近,验证了该方法的正确性。     

双重时滞和非时滞耦合的复杂网络同步研究

为了更真实地仿真现实的网络世界和提高模型的适应性,研究一类具有双重时滞和非时滞耦合的复杂网络同步问题。不同于大多数研究中限定耦合矩阵满足耗散耦合条件,对耦合矩阵未添加任何限制。基于李雅普诺夫稳定性定理,结合线性矩阵不等式,利用广义模型中的等价转换和系数矩阵分解方法,引入自由矩阵,在驱动系统中设置非线性控制器,得到驱动系统与响应系统同步的充分条件。两个仿真例子选定了两个不同的拓扑结构,实验结果证明了定理的可行性和有效性。     

海洋数据质量检验方案中残差优化选择算法磁

随着信息化的快速发展,海洋数据的获取手段变得多种多样,海洋数据的“量”急剧增大,如何保证海洋大数据的质量问题成为热点。抽样检验是一个较成熟的课题,但适用于海洋数据特性的抽样方案研究较少。结合海洋数据的特点,利用 Skyline 的思想,提出了分批排序的优化抽样检验方案选择算法。通过各抽样检验方案残差的 Skyline 集合,选择优化的质量检验方案,提高海洋数据质量检验精度的同时保证海洋数据的检验费用。     

NBCC:一种数据流上变化的挖掘算法

针对数据流上变化的挖掘问题,提出了算法NBCC,首先利用精确抽样的方法对数据流构建概要数据结构,然后借鉴经典朴素贝叶斯分类方法的思想,将训练样本集分成Ci类,i=1,2,…,m。对测试样本集设定一个阈值!:当P(Ci｜X)相似文献   

安全增强的Non-SET支付系统设计

Non-SET支付系统是我国主流的电子商务支付系统,MD5等散列算法被破译,给支付系统施加了安全隐患.提出了一种安全增强的Non-SET支付系统设计方案,以基于SSL和SET相融合的支付协议为中心,阐述安全增强的主要关键技术:嵌入优化实现的AES算法到SSL协议中.基于该AES算法构建安全散列算法并将它嵌入到SSL协议中、设计实现安全代理和微型CA系统.     

用于不均衡数据集分类的KNN算法

针对KNN在处理不均衡数据集时,少数类分类精度不高的问题,提出了一种改进的算法G-KNN。该算法对少数类样本使用交叉算子和变异算子生成部分新的少数类样本,若新生成的少数类样本到父代样本的欧几里德距离小于父代少数类之间的最大距离,则认为是有效样本,并把这类样本加入到下轮产生少数类的过程中。在UCI数据集上进行测试,实验结果表明,该方法与KNN算法中应用随机抽样相比,在提高少数类的分类精度方面取得了较好的效果。     

回收数量不确定的双重竞争闭环供应链定价研究

为解决双重竞争闭环供应链中回收产品数量不确定对财政干预政策及定价决策影响的问题,运用博弈论和Matlab数值仿真的方法,构建回收产品数量不确定的双重竞争闭环供应链定价决策模型,从4个维度剖析并验证回收产品数量不确定对闭环供应链竞争强度、销售及回收价格、供应链节点企业利润及社会福利、回收率的影响规律,研究结果表明：当回收产品数量波动较大,回收商和再制造商的回收价格及回购价格呈现增加的趋势;闭环供链中回收商利润、销售商利润以及社会福利呈现增加的趋势,但是制造商利润下降,即回收数量不确定直接影响闭环供链中起主导作用的制造商执行再制造的积极性。     

基于双重虚拟力算法的移动自组织网络节点移动策略研究

针对自组织网络中节点移动过程所带来的不确定性,本文提出一种基于双重虚拟力算法的节点移动策略,提升网络整体性能。首先,本文建立节点模型分析节点的基本移动方式与能量消耗方式;然后,设定阈值参数建立“距离虚拟力”与“能量虚拟力”双重虚拟力模型,制定节点移动策略。数值仿真结果显示:提出的移动策略可以有效提高网络整体覆盖率、节点连通率;对比单一指标的虚拟力模型,双重虚拟力模型可以降低网络能耗,提高网络生存时间。     

改进的AdaBoost算法与SVM的组合分类器

提出了一种改进的AdaBoost算法与支持向量机组合的分类方法,用来处理多类别分类。采用规则抽样来解决支持向量机分类中正负样本的不平衡性,改进AdaBoost算法,使其在初始化时考虑样本分布稀疏的重要性,有利于稀有类样本的正确划分。实验结果表明,此方法与标准支持向量机分类器相比,泛化性能有一定程度的提高。