多个水下机器人动态任务分配和路径规划的信度自组织算法

针对多个水下机器人(autonomous underwater vehicles,AUVs)动态任务分配和路径规划速度跳变问题,引入栅格信度函数概念,给出一种改进的栅格信度自组织(belief function self-organizing map,BFSOM)算法.目的是控制一组AUV有效地到达所有指定的目标位置,同时保证AUV能够自动的避开障碍物.首先,自组织神经网络(self-organizing map,SOM)算法对多AUV系统进行任务分配,使得每个目标位置都有一个AUV去访问.整个分配过程包括定义SOM神经网络的初始权值、获胜者选择、邻域函数的计算3个步骤;其次,根据栅格信度函数和环境信息更新SOM获胜神经元的权值,使得每个AUV在访问对应目标的过程中能够自动避障并且克服速度跳变,实现AUV自动有效路径规划.最后,通过仿真实验证明了本文提及算法的有效性.     

LC振荡型忆阻混沌电路及时滞反馈控制

将磁控忆阻器耦合于LC振荡电路中,得到了一种新的忆阻混沌电路.随后通过理论上的动力学分析、数值仿真、电路实验等验证了该电路的混沌特性.为了实现电路的混沌控制,设计了一种新型模拟时滞控制器.利用该控制器将混沌电路状态变量加以延时并反馈至原电路中.数值仿真和电路实验结果均表明,所设计的时滞控制器可实现混沌电路的镇定控制.进一步研究时滞控制下电路的分岔行为,发现时滞控制下的电路又可通过倍周期分岔进入超混沌.     

基于混沌时间序列理论的发动机状态参数降噪研究

针对因缺乏未染噪数据而难以考查航空发动机状态参数降噪效果的问题,提出了基于混沌时间序列理论来考查其降噪效果的办法,并结合实例考查了小波、奇异谱分析和局部投影3种降噪方法对航空发动机状态参数的降噪效果.仿真结果表明,局部投影法更多地保留了发动机状态参数的混沌特性,适用于航空发动机状态参数的降噪处理.     

自组织映射与流形学习的图像显著度检测

提取反映图像内容的结点以及为这些结点分配初始标签,是半监督学习用于显著度检测的关键问题.通过自组织映射把图像分成多个结点,这些结点不但反映图像内容的颜色特征,还能够反映图像内容的轮廓特征.然后通过把二维结点图嵌入到高维的空间构造带权无向图.由于无向边的对称性,进一步采用流形学习的方法,把无向图和半监督学习结合起来,通过预设边界结点预期的显著度,最终计算出所有结点的显著度.实验结果表明,与近年提出的几种经典的显著度检测算法相比,所提出的方法取得了较好的Precision-Recall性能和较舒服的视觉效果.     

基于Logistic混沌系统的图像加密算法研究

给出了一种基于Logistic混沌系统的快速数字图像加密算法.首先通过给定的密钥序列生成混沌系统的初值,由此初值生成混沌矩阵;然后利用此混沌矩阵与原图像进行按位异或运算得到中间过渡图像;最后再对中间过渡图像作混沌置乱运算和混沌块置乱操作.该算法的优点是不论融合还是置乱均是利用混沌序列进行操作.实验数据表明,该算法简单易行,加密与恢复效果良好,具有较好的安全性.     

基于三维场景出图的拼接制作2.5维地图算法

针对目前2.5维电子地图的制作与其三维虚拟场景相对独立,且不易更新维护的问题,提出了对三维场景进行图片输出并拼接实现2.5维地图制作的算法。首先设定摄像机长宽值作为最小出图单位,在指定范围内,使用最小出图单位以任意水平角度和俯仰角度输出三维虚拟场景效果图,并记录相关空间信息。然后根据图片左上角点坐标值对所输出图片进行无缝拼接。实验结果表明,该方法在保证地图空间实体表现能力的同时,能够快速替换图中更新区域,提高2.5维地图制作效率。     

应用射频技术的商场智能导购系统

设计的电子导购系统,包括电子标签的选择,嵌入式 Android 系统的选择,电子导购系统功能模块的组成。同时设计了客户端的两大功能模块,包括促销信息功能模块的设计,电子地图定位模块的设计。讨论了定位RFID 标签的布局,并利用 RSSI 来评估其接收的信号强度并计算出标签和读写器的距离,根据相邻的四个标签的坐标,采用极大似然估计方法获得智能购物车的位置,能够用于商场内精准的定位。     

在GPU上实现基于高斯映射的通用刀具扫描体建模

以针对数控加工仿真的需要,以高斯映射理论为基础、GPU为主要硬件平台,提出一种基于并行计算的快速通用刀具空间扫描体建模方法.首先结合通用刀具的数学模型,利用高斯映射理论分析刀具平动时的扫描体建模原理;然后分析刀具做任意空间运动时的刀具表面点法向量和对应的接触映射,推导求解扫描体包络边界的表达式;再根据GPU上的通用计算方法和GPU图形绘制管线设计基于GPU实现刀具空间扫描体建模的算法流程,并利用C++、Open GL和Open GL着色语言GLSL实现了该方法.通过刀具扫描体建模实例,验证了文中方法的正确性与实时性.     

一种EKF-WLS-SVR与混沌时间序列分析的瓦斯动态预测新方法

针对瓦斯浓度时间序列高度的混沌特性,采用微熵率法同步确定最优的嵌入维数与延迟时间,还原瓦斯涌出系统状态空间。以无线传感网络系统采集并经降噪处理后的瓦斯浓度序列作为样本。提出利用带有整定因子的扩展卡尔曼滤波器( EKF)对加权最小二乘支持向量回归机( WLS-SVR)的正则化参数γ与核参数σ进行快速寻优,并依据周期性更新的训练样本建立基于EKF-WLS-SVR耦合算法的动态预测模型以精确预测后续时间点的瓦斯浓度。通过MATLAB进行仿真,结果表明：EKF滤波器对提高WLS-SVR的拟合精度与学习效率方面有很大的帮助。相比于其他模型,该耦合模型具备更高的预测精度与更强的鲁棒特性,有较高的实用价值。     

自上而下注意图分割的细粒度图像分类

目的 针对细粒度图像分类中的背景干扰问题,提出一种利用自上而下注意图分割的分类模型。方法 首先,利用卷积神经网络对细粒度图像库进行初分类,得到基本网络模型。再对网络模型进行可视化分析,发现仅有部分图像区域对目标类别有贡献,利用学习好的基本网络计算图像像素对相关类别的空间支持度,生成自上而下注意图,检测图像中的关键区域。再用注意图初始化GraphCut算法,分割出关键的目标区域,从而提高图像的判别性。最后,对分割图像提取CNN特征实现细粒度分类。结果 该模型仅使用图像的类别标注信息,在公开的细粒度图像库Cars196和Aircrafts100上进行实验验证,最后得到的平均分类正确率分别为86.74%和84.70%。这一结果表明,在GoogLeNet模型基础上引入注意信息能够进一步提高细粒度图像分类的正确率。结论 基于自上而下注意图的语义分割策略,提高了细粒度图像的分类性能。由于不需要目标窗口和部位的标注信息,所以该模型具有通用性和鲁棒性,适用于显著性目标检测、前景分割和细粒度图像分类应用。