真实场景运动目标轨迹有效性判断与自动聚类算法研究

提出了真实场景中的运动目标轨迹有效性判断与自动聚类方法.利用轨迹长度、坐标值方差及目标相邻两帧运动方向等信息,对轨迹进行了预处理,得到有效的轨迹,然后以其作为样本,计算轨迹之间的空间相似距离,采用K均值聚类法,按轨迹的几何形状完成了轨迹聚类.提出了利用目标运动的起始点及整个运动过程中目标的运动方向信息,采用K均值聚类方法,进一步按目标的运动方向完成了轨迹聚类.两种真实场景的目标轨迹聚类结果证明了该方法的有效性.其研究结果为学习轨迹模式、目标运动轨迹识别、分类、异常检测奠定了基础.     

一种新的Adaboost样本权重更新算法

通过比较传统的Adaboost算法中样本权重的更新算法,提出了一种新的将类内归一化与全局归一化过程相结合的样本权重更新算法.并对两种算法进行了仿真实验,结果表明,该算法使用较少的弱分类器便可保证强分类器在保持较高检测率的同时,将误检率降低到可接受的范围内.     

“自动控制原理”课程教学探索

针对"自动控制原理"课程的教学特点,结合所在学院的实际情况,对理论教学和实验教学进行了总结并提出了一些新思路、新方法,并将其应用于教学实践中。实践证明,提出的教学方法有效提高了教学质量,增强了学生的学习兴趣,提高了学生分析问题和解决问题的能力。     

真实场景运动目标轨迹有效性判断与自动聚类算法研究*

提出了真实场景中的运动目标轨迹有效性判断与自动聚类方法。利用轨迹长度、坐标值方差及目标相邻两帧运动方向等信息,对轨迹进行了预处理,得到有效的轨迹,然后以其作为样本,计算轨迹之间的空间相似距离,采用K均值聚类法,按轨迹的几何形状完成了轨迹聚类。提出了利用目标运动的起始点及整个运动过程中目标的运动方向信息,采用K均值聚类方法,进一步按目标的运动方向完成了轨迹聚类。两种真实场景的目标轨迹聚类结果证明了该方法的有效性。其研究结果为学习轨迹模式、目标运动轨迹识别、分类、异常检测奠定了基础。     

探究式教学法在“自动控制原理”课程中的应用

本文结合“自动控制原理”课程的教学现状,探讨了探究式教学方法在该课程理论教学、实验教学中的具体应用.内容包括:注重理论与实践的紧密结合,注重知识连接的建立,开展递进式探索实验,充分培养学生的科学探究能力、工程处理信息能力及分析判断能力等,实施后取得了良好的教学效果.     

基于隐马尔可夫模型的运动目标轨迹识别 *

引入改进的隐马尔可夫模型算法,针对真实场景中运动目标轨迹的复杂程度对各个轨迹模式类建立相应的隐马尔可夫模型,利用训练样本训练模型得到可靠的模型参数;计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果,对两种场景中聚类后的轨迹进行训练与识别。实验结果表明,平均识别率分别达到87.76 %和94. 19%。     

问题探究式教学法在自动控制原理中的应用

针对目前自动控制原理教学中存在的问题,立足新工科教育背景下的课程教学目标,对课程内容重构并将知识点趣味化、碎片化成微视频,开展探究式的翻转课堂教学,引导学生完成知识体系的构建。以大作业的形式考核实课程内容的实践,培养学生发现问题、分析问题、解决问题的工程实践能力,旨在探索新工科教育背景下应用型人才培养的课堂教学方法,也为培养学生的工程意识和创新精神提供了新的思路。