排序方式: 共有22条查询结果,搜索用时 46 毫秒
1.
侯翔 《计算机测量与控制》2014,(2):482-484
为快速实现多目标跟踪的数据关联,将粒子群算法(PSO)和模拟退火算法(SA)相结合,实现快速的多目标跟踪数据关联;以跟踪门确定目标的有效量测,以新息的似然函数描述量测与目标的关联关系,建立多目标数据关联的组合优化模型;利用交叉变异的PSO算法求解出该优化组合模型的次优解,再将该次优解作为模拟退火算法的初始温度和状态,利用SA算法对目标函数的解进行细搜索以求得更优解;仿真表明,该算法与经典的JPDA算法相比,PSO-SA算法的关联准确率都大于90%,提高目标关联准确性和跟踪精度。 相似文献
2.
云数据及大量网络数据需要在保护用户隐私的前提下进行统计和分析,对此提出核子空间投影和广义特征值分解的云数据隐私保护算法。将云数据进行数学化建模,该算法将隐私保护作为数据转换问题进行处理,转换问题分为隐私不敏感任务和隐私敏感任务两类。该算法形成类间散布矩阵,寻找子空间维度来解决特征值分解问题,并对广义特征值排序,得到广义特征向量对应的最大广义特征值;对云数据进行转换,实现数据隐私保护。实验结果表明,该方法能够实现用户隐私保护,并且核广义特征值分解算法优于子空间隐私保护算法,且两种隐私保护算法都优于其他隐私保护方法。 相似文献
3.
4.
钢轨正常工作是铁路安全运营的重要保障,开展钢轨损伤检测研究具有重要的意义。钢轨的损坏、裂纹和疲劳可能引发脱轨和事故,威胁乘客和货物的安全。传统的人工钢轨探伤存在判伤时间长、漏报率高等问题。基于改进的YOLO v5目标检测算法,对铁路行业的钢轨超声波B显图像进行伤损识别与分类研究。在YOLO v5网络结构中引入卷积注意力机制模块,基于一种改进的损失评价函数,以提高模型训练的速度和鲁棒性。同时,在样本集构建方面,改进马赛克(Mosaic)数据增强方法,随机粘贴一个或多个样本小目标于另外样本对应出波区形成新样本,扩充B显图像数据集;基于数据迁移技术,将基于第3方钢轨超声波B显样本数据训练得到的模型参数作为模型训练的初始化参数以提升模型泛化性能。对实际标准样轨进行实验,可成功识别全部4类典型钢轨伤损,平均精度均值(mean average precision, mAP)mAP@0.5∶0.95达到了76.9%,验证了研究成果良好的快速性、准确性、鲁棒性和泛化性。 相似文献
5.
6.
随着社会的不断进步,电子技术与信息技术的飞速发展,给我们的生活带来了极大的便利,电力工程技术也在不断的提高着,与人们生活的联系也越来越密切,给人们带来了实实在在的方便。也因为这样的密切关系,电力工程的安全也变的额外重要,正确的管理会使得电力工程技术变得更加安全可靠,只有安全可靠的电力工程技术才能更好的为人们服务。如果提高机组于整个电厂的安全运行性,就能提高整个电厂在电力市场上乃至世界上的竞争力,对电厂进行一些有效地监理措施就显的尤为重要了。下面,本文就对电力工程(输变电工程)监理方面进行的一些研究。 相似文献
7.
8.
9.
10.
传统PSO算法的收敛性能会随求解问题空间维数的增加而下降,根据协同进化原理,通过对传统PSO算法进行协同优化处理,设计一种改进的协同PSO算法。在每次迭代过程中,采用传统PSO算法更新粒子位置和速度,由此产生群体当前的全局最优位置;对所有粒子所经历的最优位置进行降维的协同优化,产生一个参考全局最优解;根据参考全局最优解更新群体当前的全局最优位置。仿真结果表明,该算法可以明显提高收敛速度,在某些问题上可以收敛到全局最优。 相似文献