基于粒子滤波器的人体目标跟踪

提出一种非常有效且具有良好鲁棒性的人体目标跟踪算法。由于传统的卡尔曼滤波不能很好地解决非线性、非高斯问题的跟踪,为此提出了一种新型的粒子滤波器跟踪算法。该算法采用加权的粒子集模型表示状态的分布,用迭代运算跟踪状态的变化,从而有效地解决了数据处理的量大和模型出现高维的问题。实验结果证明,该算法对固定摄像机单一背景下人体目标跟踪是快速且有效的。该算法可广泛应用于航空器位置的跟踪、噪声环境通信信号的估计、人体或车辆的跟踪。     

P阶逆算法在非线性信道中的应用

针对数字无线通信中高功率放大器的非线性失真,提出了一种Volterra滤波均衡器的设计方法一阶逆算法,即对原有的Volterra级数模型进行求逆的过程。而根据该均衡器所处的位置又可以分为阶逆前向均衡和阶逆后向均衡,并对阶逆前向均衡的结构和算法进行了研究。计算机模拟结果表明,采用该算法系统输出误码率大为降低,整个系统性能具有明显的改善,且计算量小,可实现性强。     

Design and analysis of switching reduced-order observer and separation principle for T-S fuzzy system

This paper designs and analyzes switching fuzzy reduced-order observer and proves that the corresponding separation principle does hold. A numerical simulation and comparison with smooth fuzzy full-order observer are given to assess switching fuzzy reduced-order observer and the validity of the separation principles. Supported by the National Laboratory of Space Intelligent Control and Open Foundation (Grant No. SIC07010202), and the National Natural Science Foundation of China (Grant Nos. 60604010, 90716021, 60736023)     

Statistical learning makes the hybridization of particle swarm and differential evolution more efficient—A novel hybrid optimizer

This brief paper reports a hybrid algorithm we developed recently to solve the global optimization problems of multimodal functions, by combining the advantages of two powerful population-based metaheuristics—differential evolution (DE) and particle swarm optimization (PSO). In the hybrid denoted by DEPSO, each individual in one generation chooses its evolution method, DE or PSO, in a statistical learning way. The choice depends on the relative success ratio of the two methods in a previous learning period. The proposed DEPSO is compared with its PSO and DE parents, two advanced DE variants one of which is suggested by the originators of DE, two advanced PSO variants one of which is acknowledged as a recent standard by PSO community, and also a previous DEPSO. Benchmark tests demonstrate that the DEPSO is more competent for the global optimization of multimodal functions due to its high optimization quality. Supported by the National Natural Science Foundation of China (Grant No. 60374069), and the Foundation of the Key Laboratory of Complex Systems and Intelligent Science, Institute of Automation, Chinese Academy of Sciences (Grant No. 20060104)     

一种基于变异蚁群算法的分类规则挖掘算法

Parepinelli等人提出了基于ACO的分类算法。算法实质上是一种序列覆盖算法:蚁群搜索一个规则,移去它覆盖的样例,再重复这一过程,从而得到共同覆盖样例的一组规则。针对蚁群算法计算时间长的缺点,文章采用了新的启发函数及信息素更新方法,并引入了精英群交叉变异策略。对两个功用数据的实验及其和Ant-Miner的对比表明,该算法有更强的预测分析能力,能够发现更好的分类规则集。以及形式更简单的规则。实验同时显示该算法有效节约了时间。     

对Photoshop CS2中“色阶”命令的分析

不论从什么渠道获得的数码照片,绝大部分需要进行后期加工和处理后才能使用,将欠缺的图像变的完美。而Adobe Photo-shop是目前最流行的图像处理软件。该文就Photoshop CS2中对色阶调整命令的使用和色阶直方图进行了分析和概括。     

基于混沌粒子群算法和Hopfield网络求解TSP问题

针对Hopfield网络求解TSP问题经常出现局部最优解,该文将混沌粒子群算法(PSO)与之结合,提出一种基于混沌粒子群的Hopfield神经网络方法。通过实验将其与文献[5,8]以及"PSO+HNN"策略比较,验证了该文算法不仅能够以更大概率收敛到全局最优,而且耗时更少。     

基于改进粒子群算法的移动机器人路径规划方法研究

针对移动机器人传统路径规划算法效率不高、寻优能力差等问题,本文提出一种基于改进粒子群优化算法(PSO)的移动机器人路径规划方法。该方法采用神经网络训练碰撞罚函数,得到无碰撞路径,然后采用粒子群优化算法解决路径的最优问题。利用神经网络实现大量的并行和分布计算,发挥PSO简单、容易实现的优点,提高了路径规划的计算效率和可靠性。仿真结果表明,这种新路径规划方法是可行且有效的。     

应用原对偶方法光滑向量的四阶算子分裂方法

高阶算子分裂方法在改善图像边缘阶梯化、提高计算效率等问题上有很好的作用,其主要思想是将四阶的偏微分方程分裂成两个二阶的偏微分方程分别求解,先进行向量光滑,然后再进行图像重构。相对于第一步的一般显式数值迭代方法,本文应用原对偶格式进行变量替换,应用拟牛顿进行向量光滑。数值结果表明,该方法很好地提高了信噪比,且视觉效果显著。     

基于一种改进的粒群算法的异构案例库语义检索策略

在现今,竞争情报具有很重要的作用,但企业不同使用的特征项不同,制约了案例之间相似度的比较。为此使用Ontology,以完成不同名称特征项的相似度计算,进行相似度的计算必需有好的权重分配的策略。在该项目中,为了达到好的效果,建了一套基于带极值扰动简单粒子群权重分配策略。根据实验结果,该策略能够有效的提高检索的准确率及查全率。