一种高效的网格资源监测算法ACTC的改进算法

资源监控是网格计算的关键组成部分。资源监控算法既要保证网格系统中资源信息高保真度又要考虑资源信息在网络传输中的负担最低。ACTC算法就是为实现以上目的而被提出,但是算法中对资源信息更新量的动态门槛值(d_threshold)计算方式不合理,有可能导致算法演变成低级的单纯依靠时间敏感机制(TSM)来发送资源更新通知,并且算法中遗漏了一些极端情况的考虑。提出了新的d_threshold计算公式和限制条件,进行性能改进和完善,并对改进前后两算法进行实验对比。实验表明,改进后算法提高了资源信息准确性,并使监控系统     

无线电引信动态场景回波仿真器的构造及其实现

通过分析无线电引信的弹目交会过程,给出了探测器的收发信号模型,并结合三维建模软件构建的场景,实现了无线电引探测器动态场景的回波仿真器。该仿真器实现了场景建模、运动姿态和仿真算法之间的互相独立分工,具有较好的通用性和扩展性,可实现多种引信工作体制和任意复杂度场景下的时间波形仿真。同时,将其构造成一个独立的回波仿真模块,它可与常用系统仿真平台无缝集成,具有与三维建模软件导出数据的接口。仿真实例表明,仿真的回波波形可有效性地反映弹目交会中的波形变化。     

基于EKF的模糊神经网络快速自组织学习算法*

为了快速地构造一个有效的模糊神经网络,提出一种基于扩展卡尔曼滤波(EKF)的模糊神经网络自组织学习算法。在本算法中,按照提出的无须经过修剪过程的生长准则增加规则,加速了网络在线学习过程;使用EKF算法更新网络的自由参数,增强了网络的鲁棒性。仿真结果表明,该算法具有快速的学习速度、良好的逼近精度和泛化能力。     

一种改进的粒子滤波目标跟踪算法*

传统的Condensation跟踪算法使用状态转移分布作为采样粒子的建议分布函数,没有考虑当前的观测值,大量的粒子运算浪费在了那些具有小似然性的区域。针对该问题,提出一种基于Mean Shift以改进建议分布函数的粒子滤波跟踪方法。实验表明,由于有效地利用了当前观测值,改进的算法具有较强的鲁棒性和实时性。     

基于改进Mean-Shift与自适应Kalman滤波的视频目标跟踪

提出一种改进的Mean-Shift和自适应Kalman滤波器相结合的视频运动目标跟踪算法。对选定的跟踪目标,采用三帧差和区域增长法分割目标并得到主颜色信息。在跟踪过程中,利用自适应的Kalman滤波器估计每一帧的起始迭代位置,再利用改进的Mean-Shift算法得到跟踪位置并作为测量值反馈给自适应Kalman滤波器,并引入遮挡率因子以自适应地调节Kalman估计参数。实验结果表明,该算法能对视频中的运动目标实现检测和连续跟踪,对遮挡也有较好的鲁棒性。