基于全网能量均衡的WirelessHART图路由算法

如何均衡使用网络节点能量并生成高可靠路由是WirelessHART网络研究的一个难题,为此提出了一种GRAEB（graph routing algorithm based on energy balancing）图路由算法。首先,网络被初始化为连通的图结构,能够提高丰富的冗余路径。网络管理器根据全网节点剩余能量、通信周期、链路分布等因子生成节点鲁棒系数矩阵,节点通过比较邻居的鲁棒系数来选择最优路径。另外,规定了邻居节点数的上限阈值,每次路由更新只保留鲁棒系数最优的邻居。仿真结果表明GRAEB不仅提高了网络可靠性,而且延长了网络寿命。     

基于对称Gabor特征和稀疏表示的人脸识别

受启发于人脸近似对称的先验知识,提出一种基于对称Gabor特征的稀疏表示算法并成功运用于人脸识别。首先把人脸图像进行镜像变换得到其镜像图像,进而将人脸分解为奇偶对称脸。在奇偶对称脸上分别提取Gabor特征,得到Gabor奇偶对称特征。通过一个加权因子,将奇偶特征融合生成新的特征。最后用这种新的特征构成超完备字典进行稀疏表示人脸分类。在人脸数据库AR和FERET上的实验结果表明所提算法在人脸有表情、姿势和光照变化情况下仍能获得较高的识别率。     

基于改进证据理论的态势评估方法

证据理论是实现基于规则的态势感知主要方法之一。然而,证据理论在多源多证据合成时存在悖论问题。针对此问题,通过相异度计算对证据重要性度量与修正,提出了一种基于改进证据理论的态势评估方法,该方法包括规则度量、证据修正、规则融合和态势决策等四个阶段。实验表明,该方法能够避免利用证据理论进行态势融合中的悖论问题,在态势评估效率和准确性等方面优于Dempster、Yager和Leung等典型方法。     

基于文档文字特征的碎纸机碎片拼接算法

针对经碎纸机粉碎的文档碎片,提出拼接复原的模型并研制了相应的算法。首先研究文档碎片边界像素特征,据此提出碎片横向拼接的两种算法;然后,研究行高、字体间间距以及字体大小等文本特征,据此提出针对经横向拼接形成的水平残条的纵向拼接算法。最后根据算法编写Matlab程序,并进行实验,结果表明该算法效果良好。     

基于分量解耦融合的无线传感网时钟同步算法

无线传感器网络(WSN)时间同步精度的提高通常以增加额外同步能耗为代价,针对时间同步的高精度与低能耗的权衡问题,提出一种基于分量解耦融合的时钟同步算法。该算法结合双向广播同步机制和节点间时钟的相关性,利用分量解耦融合思想计算被同步节点与基准节点间的时钟偏差,同时根据线性无偏最小方差准则估计各个分量加权参数的取值。仿真结果表明,该算法能够在不增加额外同步能耗的条件下,相比PBS、TPSN和RBS算法,20轮同步后同步精度分别提高4.52μs、13.8μs以及25.48μs。     

面向特征的编程研究与实践

面向对象的编程已深入人心,但实现贯穿于多个对象的复杂特征功能时,表现不佳。针对其不足,面向特征的编程(FOP)提供了一种组织代码的不同的方法,通过对原型系统不断地修改添加新的特征直到系统演化成熟,增强了面向对象的性能,使得代码的定义、测试、修改和组织更加清晰,是逐步求精开发方法的一个重要编程方法。介绍面向特征编程的理论基础及其实现工具,对相关技术及模型进行研究,并通过具体实例展示了面向特征编程的易配置、易演化和易维护的特点。     

基于SIFT自然特征的AR系统研究和实现

针对当前增强现实AR(Augmented Reality)系统中跟踪注册效率低,提出一种基于SIFT算子的自然特征的匹配改进方法。在利用DOG金字塔对关键帧图像和基准图像进行特征点的检测和提取后进行正反双向匹配,很好地提高了关键特征的匹配效率和稳定性。同时结合L-K光流跟踪算法,优化跟踪关键帧失败后的处理方法,减少重定位时关键点检测所需搜索区域。实验表明,由于改进后的SIFT匹配特征点更少更优,定位的精确度更高,跟踪匹配整体耗时减少近50%。因而该AR系统在光照不足、遮挡、抖动等特殊环境中都有很好的实时虚实融合的效果。     

采用主监视窗扩展技术的增强现实三维注册方法

在增强现实三维注册中,采用重新检测策略时顿卡现象严重。提出一种采用主监视窗扩展技术的增强现实三维注册方法。在检测阶段,引入特征点可信度和主监视窗,并设计主监视窗的分割、扩展和调控策略,大幅提升了计算速度;在跟踪阶段,采用基于图像金字塔的光流算法进行特征点跟踪。实验证明,该方法不仅有效缓解了顿卡现象,也提升了系统整体的实时性。     

基于随机森林的亚健康状态预测与特征选择方法研究

亚健康状态是一种介于健康和疾病之间的低质量状态。研究的目的是要确定哪些因素或因素组合能够针对亚健康状态进行预测。临床流行病学调查,获取572个实际案例(其中,523宗均为亚健康状态,49宗为健康),在报告中包括了50种相关症状。应用随机森林分类技术进行基于临床数据分析的亚健康状态预测,正确分类率为91.28%。由50倍随机森林方法所得到的特征选择(症状),即疲劳、心悸、四肢肌无力、疲劳程度和悲观态度是重要的判别变量。相关实验结果显示了提出方法的可行性与高效性。     

基于角点检测与SIFT算法的快速匹配方法

针对复杂图像的快速匹配问题,提出一种新的基于Shi-Tomasi角点检测与SIFT算法的高精度快速匹配方法。该方法充分利用图像的角点特征、灰度和位置信息,采用SIFT算法中的特征描述方法进行图像特征描述,并用Ransac算法对匹配点进行校正和消除错误匹配,提高计算速度和可靠性。实验结果验证了该算法对于存在较大色差、形变等图像可实现精确快速匹配,其精度和速度都优于传统的匹配算法。