一种基于HSV空间的自然图像抠图算法

自然图像抠图是指从自然图像中把前景物体抽取出来的技术。提出一种基于HSV空间的自然图像抠图算法,算法以Grab Cut为基础,利用图像HSV空间的主色波形图动态设定高斯混合模型参数,并通过引入能量函数迭代差值加快收敛。算法提高了Grab Cut在抠图中的分割效率和精度。算法应用于背景颜色较少的彩色图像,取得了较好的抠图效果。     

基于MBD模型的航空发动机零件检测技术

针对当前复杂零件中异型特征位置度无法测量的问题,提出了一种基于MBD模型数字化测量技术.该方法以复杂零件的MBD模型为测量依据,通过模型理论元素与实测元素拟合计算异型特征位置度偏差,并以此为基础进行测量工艺规划、测量程序编制、测量仿真等.可大大减少在机等待时间,避免测量过程中的碰撞与测针干涉问题,解决了不规则特征位置度测量问题,实现了全程的自动测量,提高了检测效率.     

气候环境实验室建模及温度控制系统仿真

气候环境实验室是一个复杂的热力系统,室内温度参数受多种因素的影响.通过分析气候环境实验室仓体、空调系统热交换器、温度传感器和调节阀的特性,推导出它们的传递函数,利用Matlab/Simu-link建立环境室温度控制系统的模型,根据临界比例度法整定PID参数,并对常规PID控制器和积分分离PID控制器的控制效果进行仿真比较.仿真结果表明该模型和温度控制系统在理论研究和工程实践中具有实际的指导意义和应用价值.     

物联网移动节点直接匿名漫游认证协议

无线网络下传统匿名漫游协议中远程域认证服务器无法直接完成对移动节点的身份合法性验证,必须在家乡域认证服务器的协助下才能完成,导致漫游通信时延较大,无法满足物联网感知子网的快速漫游需求.针对上述不足,提出可证安全的物联网移动节点直接匿名漫游认证协议,远程域认证服务器通过与移动节点间的1轮消息交互,可直接完成对移动节点的身份合法性验证.该协议在实现移动节点身份合法性验证的同时,具有更小的通信时延、良好的抗攻击能力和较高的执行效率.相较于传统匿名漫游协议而言,该协议快速漫游的特点更适用于物联网环境.安全性证明表明,该协议在CK安全模型下是可证安全的.     

类搜索算法

提出利用类结构驱动的群体进化计算方法——类搜索算法(CSA).CSA在个体间构造簇类形态的虚拟连接关系,并通过对类组织的结构和类搜索过程进行动态调节来优化模拟进化系统的计算状态,提高群体的搜索效率.介绍了CSA的基本模型,并基于CSA融合进化算子与差分计算机制设计出数值优化算法CSA/DE.对多个典型高纬函数和复杂混合函数的仿真实验结果说明,CSA/DE是一种对高纬连续问题高效、稳定的搜索优化方法.该工作一方面验证了CSA的可行性和有效性;另一方面则显示:基于类搜索模型可有效融合异构且具有不同计算特性的搜索机制,形成对待求解问题更具针对性且协调性更佳的搜索计算方法.这为高性能优化算法的设计提供了一条新的途径.     

云视频监控系统的能耗优化研究

随着基于云计算的视频监控系统(以下简称云视频监控系统)的兴起,其无限扩展的终端设施、众多的物理服务器、频繁的网络传输等所带来的能耗问题不容忽视.分析了云视频监控系统的体系结构、能耗的产生及其优化机理,并将云视频监控系统的能耗研究分为监控节点、物理节点和存储节点这3个层次;然后,结合国内外应用于传感器网络和云计算数据中心的相关能耗优化理论与方法,分别对3个层面上的云视频监控系统的能耗优化方法进行综述,并进行了深入的分析和比较;最后,针对当前的研究空缺和问题,提出今后可能的研究方向和重点,并进行了总结.     

基于区间多目标量子文化算法的无线传感器网络覆盖能效优化

针对不确定环境下无线传感器网络覆盖能效优化问题,提出一种传感器节点区间感知模型;进而考虑网络覆盖率和节点冗余率,将其转化为区间多目标优化问题。基于一种新型区间个体依可能度占优关系,提出区间多目标量子文化算法,根据区间占优个体信息提取隐含知识,用于指导量子个体更新及进化个体变异与选择。不同环境下的仿真结果表明：基于所提出算法获得的Pareto解具有更好的收敛性、分布性和延展性;相应的无线传感器网络布局更合理。     

基于概率分布距离的多响应模型确认度量

针对模型确认中的确认度量问题,构造实验观测数据经验概率分布的置信包络。通过计算其与模型响应概率分布之间距离的上/下确界,给出基于概率分布距离确认度量的置信区间。通过构造与实验观测数据有关的协方差矩阵,给出基于概率分布距离的多响应模型确认度量及其置信区间的求解方式。该度量利用了模型输出与实验观测的完整概率分布信息,并且考虑了各模型响应间的相关性。算例仿真结果表明其确认错误率低于现有的其他两种确认度量。     

累积量测序列的区间云变换及识别

目标多属性序列类数据不能直接与数据库中的区间类数据融合识别, 对此, 提出一种基于云变换的序列-区间异类数据识别算法. 对目标多属性序列数据进行频数计算形成频率分布函数, 并进行虚警检测, 实施云变换形成云簇, 提取云簇特征, 再根据3 En 准则形成云滴区间, 实现了序列型数据的区间化表示. 进一步, 利用一种区间多属性识别判定准则进行识别判定, 得到识别结果, 解决了序列-区间异类数据的识别问题. 仿真实验结果验证了该算法对序列-区间异类数据识别的有效性.

     

自适应分组混沌云模型蛙跳算法求解连续空间优化问题

针对经典混合蛙跳优化算法寻优精度不高和易陷入局部收敛区域的缺点,结合云模型在定性与定量之间相互转换的优良特性,提出一种自适应分组混沌云模型蛙跳算法.通过反向学习机制初始化种群,应用云模型算法对优秀子群组的收敛区域进行局部搜索更优位置,应用混沌理论在收敛区域以外空间探索全局最优位置.典型复杂函数测试表明,所提出的算法能有效找出全局最优解,适用于多峰值函数寻优.