基于小波聚类的终端区进场轨迹模式识别

为改善终端区航空器轨迹聚类方法中存在的自动化程度低、无法精确识别异常轨迹的不足,提出基于小波聚类的进场轨迹模式识别方法。首先,建立基于3D空间网格的轨迹相似性矩阵,推导得到轨迹间相似特征子空间,进一步构建轨迹相似特征2D图模型。通过特征图模型的数字化、小波变换与聚类,实现对盛行交通流模式以及异常交通流轨迹的识别。实例分析在无人工指导情况下,从352条进场轨迹中识别出4个类的331条盛行交通流轨迹,以及21条异常轨迹。实验结果证明,该算法克服了目前航空器轨迹聚类领域需要人工确定类数以及难以识别异常轨迹的不足。     

基于爬山搜索的高斯模糊不变SIFT算子

针对SIFT算子对于高斯模糊环境下的特征匹配困难,提出基于目标图像形变空间重采样的高斯模糊不变SIFT算子GISIFT(Gaussian Invariant SIFT)。首先构建清晰目标的高斯模糊模型,重采样模型参数重建目标图像完备形变空间;其次,引入降采样与爬山法,构建目标图像的降采样形变空间,在降采样空间中以大采样步长快速搜索当前峰值,对峰值邻域进行曲线拟合,快速找到最优匹配。实验结果表明,所提算法不仅对高斯模糊目标能较好匹配,同时较大提升了目标的特征匹配效率。     

采用双状态传播卡方检验和模糊自适应滤波的容错组合导航算法

太阳能高空长航时无人机导航系统中,捷联惯导/北斗2κ全球卫星导航/星光导航(SINS/BD2/GPS/CNS)是一种可用的组合方案.针对常规容错组合导航算法故障检测类型单一,故障时滤波精度下降的问题,提出一种采用双状态卡方检验(TSPCST)和模糊自适应滤波(FAF)的容错组合导航算法.为了同时检测多种故障,将TSPCST应用于联邦滤波结构中;为了防止故障数据污染系统,利用FAF输出的高精度导航信息,对双状态传播器定期交替校正;进一步,FAF运用TSPCST检测得到的故障信息变量,定义量测子系统模糊有效域,将检测阈值模糊化,以弥补常规固定检测阈值算法难以选取阈值的不足;最后,通过计算信息分配因子,自适应处理多种故障数据.仿真结果表明,该容错组合导航算法性能优于常规固定检测阈值算法.     

BL*系统和IMTL系统等价性的语构证明

BL*命题演算形式演绎系统和IMTL命题演算形式演绎系统是从不同的角度出发建立的两种基础模糊命题演算的形式演绎系统。对两者进行了较细致的比较研究,从语构方面证明了两种命题演算形式演绎系统的等价性,从而进一步明确了基础命题演算形式演绎系统BL*系统,MTL系统,BL系统,IMTL系统之间的联系,为各种模糊命题演算形式演绎系统的研究提供了一个有益的参考。     

基于小波模糊神经网络的实时交通流预测

实时交通流预测是智能运输系统研究的重要内容之一.本文将小波分析的相关知识与模糊神经网络相结合,给出了基于小波模糊神经网络的交通流预测模型,采用小波函数作为模糊隶属度函数,用神经网络来实现模糊推理,完成对下一个周期性交通流的估计.同时,用遗传算法来优化整个网络,实测数据验证这种方法预测精度高,收敛过程平稳,适应性强.     

异构无线传感网络最优簇首选择机制

针对时间驱动的数据收集方式,考虑在异构无线传感器网络中,不同类型的传感器节点采集数据周期不同,节点初始能量异构的研究背景下,结合模糊逻辑原理,提出了一种新型的最优簇首选择机制OCHS. OCHS算法在选择簇首节点的时候,综合考虑节点采集数据周期不同,节点初始能量异构以及节点的分布密度,通过这些因素采用竞争的方式来选举最优的簇首集.成员节点则采用类勾股定理的方法,选择一条链路能耗最小的路径加入该簇. MATLAB仿真表明, OCHS算法能够有效的均衡网络节点能耗、延长整个网络的生存周期以及提高整个网络的稳定期.     

基于SVD与模糊聚类的协同过滤推荐算法

协同过滤为个性化推荐解决信息过载问题提供了方案,然而也存在着数据的稀疏性、可扩展性等影响推荐质量的关键问题.我们提出了一种基于奇异值分解（SVD）与模糊聚类的协同过滤推荐算法,通过引用物理学上狭义相对论中能量守恒的方法以保留总体特征值的数目,较为准确地确定降维维度,实现对原始数据的降维及其数据填充.另外,再运用模糊聚类的方法将相似用户进行聚类,从而达到减少邻居用户搜索范围的目的.在MovieLens与2013年百度电影推荐系统比赛等不同数据集上的实验结果表明,该算法能够提高推荐质量.     

基于图像受噪程度的改进模糊加权均值滤波

根据高斯噪声密度大、噪声强度的波动范围宽,其污染图像不仅每一个像素灰度级都会受影响,而且即使是同一灰度级受污染的程度也会不同的特点和传统的图像模糊滤波算法在图像细节保护方面上的不足,提出基于图像受噪程度的改进模糊加权均值滤波算法,该算法根据图像各像素点的受噪程度,得到首次滤波图像和原图像估计直方图,根据该直方图确定模糊隶属度函数,然后对首次滤波图像中灰度小于25的像素点进行模糊加权均值滤波,该算法在不需要期望图像和高斯噪声方差的情况下能有效地去除噪声,同时能够很好地保护图像细节信息。     

基于GPU的后置处理运动模糊算法

针对虚拟现实系统中运动模糊的真实感绘制问题,着重研究了一种基于图形处理器（GPU）后置处理的运动模糊改进算法. 该算法通过将场景渲染时前后两帧全分辨率纹理图的深度值存入深度缓存区,使用其深度信息与当前帧的映射矩阵提取物体的世界中心坐标,并获取运动的速度矢量;沿速度矢量进行采样、高斯滤波,最后引入模糊因子,并对线性化采样值进行加权融合,力求实现最真实的运动模糊效果. 实验结果表明：所提算法不仅不会影响大型虚拟现实系统的渲染流畅度,更改善了过分重影或者拖影,具有良好的实时性和真实感.     

基于BP神经网络的多样本手写体字符识别

手写体字符识别是人机交互领域的一个重要内容,本文基于BP神经网络实现了任意数量字符模版的多字符手写体字符识别。分为以下几步,第一,首先对目标图像进行识别前预处理。包括灰度图像二值化、图像孤立像素滤波、图像膨胀、腐蚀、按字母最小行分割、按字母最小列分割、图像紧缩、归一化等;第二,用处理好的多个样本进行BP神经网络训练。包括BP网络参数的选择、目标结果构建、输入到结果的映射即用样本库进行神经网络学习机的训练;第三,待测字母的识别。包括对图像预处理、字符提取、归一化和送入已训练好的BP网络进行识别。该系统最终实现了95%以上的手写字符识别正确率,有一定的借鉴意义。