基于用户反馈的WiFi位置指纹数据库更新算法

为使Wi Fi位置指纹数据库,不在定位区域Wi Fi环境发生改变时,出现位置指纹过时现象,设计一种更新算法。该算法使用用户的反馈数据,考虑了AP信号不稳定情况下AP新增与撤销的检测问题;消除了手机热点等临时AP对传统更新算法的影响;最终通过检测AP位置移动等引起的RSS改变,加速位置指纹数据库的更新。实验结果表明,在实际环境中该算法在指纹数据库的更新效率上优于传统更新算法。     

一种动态窗口PCA运动方向估计算法

首先针对个人航位推算系统中计步算法的阈值设定问题,提出了一种基于有限状态机的阈值自学习算法.通过该算法可以在较短的时间内(10s)获得自适应阈值,提高计步算法的准确性.然后在利用该阈值进行计步的同时,对连续步态进行分割,并以分割结果作为动态窗口进行主成分分析,可以获取目标运动的方向.此外,通过利用运动步态模型中加速度变化的规律可以有效解决180°模糊问题.实验分析结果表明,相比于固定窗口的 PCA 分析方法,基于动态窗口的 PCA 在数据处理量降低61.2%的情况下,其准确度提高了11.1%.     

基于小波变换的PCNN多传感器图像融合

利用PCNN（Pulse Coupled Neural Network）在图像处理中的独特优势,提出了一种基于小波变换的PCNN多传感器图像融合方法。对源图像进行小波分解,得到不同尺度下的子带图像;在小波域中利用PCNN的同步脉冲激发特性,制定基于PCNN的融合规则;使用不同尺度下的小波系数的SF（Spatial Frequency）作为对应神经元的链接强度,经过PCNN点火得到源图像在小波域中的点火映射图;通过判决选择算子,选择点火次数多的小波系数作为对应的融合系数,进行区域一致性检验,获到最终的融合系数;对融合后的系数进行小波逆变换得到融合图像。实验结果表明,该方法有效地综合源图像中的重要信息,得到更好视觉效果和更优量化指标的融合图像,在主客观评价上均优于小波、PCNN等方法。     

分段延迟微分方程线性-方法数值解渐近稳定性

This paper deals with the stability analysis of numerical solutionof linear -methods for delay differential equations. We focuson the linear test equation x(t)=ax(t)+bx(［t］), where a,b areconstants and ［t］ is the largest-integer function. Sufficent conditionsare given for the numerical solution to be asymptotic stable     

基于层次关联边条件随机场的Web对象抽取

提出一种基于层次关联边条件随机场(HCC-CRFs)模型的Web对象抽取方法.将数据块检测和属性标注合并为标签分配问题,避免误差传播现象.通过在数据块之间增加条件依赖关系,使HCC-CRFs模型能充分利用Web页面的内容层次结构.实验结果表明,该方法具有较好的抽取效果.     

缩放延迟系统数值解稳定性

研究变延迟缩放微分方程初值问题数值解稳定性，考察了求解此类问题的线性θ－方法稳定性，给出了θ－方法渐近稳定的充分条件为。     

过程神经网络的训练及其应用

研究过程神经网络的学习算法及其在过程模式识别中的应用。针对权值基展开的过程神经网络讨论了权值基的选取规则和对采样曲线的标准化处理问题,给出了含一个隐层的过程神经网络的误差反传播学习算法。以聚合化学反应和渗流实验两个具体实例验证了算法的有效性,也说明了过程神经网络的广泛应用前景。     

关于单体模糊神经网络感知机收敛定理的讨论

考虑单体模糊神经网络模型,讨论了单体模糊神经网络的感知机收敛定理与传统神经网络感知机收敛定理的关系,指出了在证明单体模糊神经网络的感知机收敛定理时存在的问题,提出了两种修改方案,即给出了两个改进的感知机收敛定理,并给出相应的证明和说明.     

使用人眼几何特征的视线追踪方法

目的 视线追踪是人机交互的辅助系统,针对传统的虹膜定位方法误判率高且耗时较长的问题,本文提出了一种基于人眼几何特征的视线追踪方法,以提高在2维环境下视线追踪的准确率。方法 首先通过人脸定位算法定位人脸位置,使用人脸特征点检测的特征点定位眼角点位置,通过眼角点计算出人眼的位置。直接使用虹膜中心定位算法的耗时较长,为了使虹膜中心定位的速度加快,先利用虹膜图片建立虹膜模板,然后利用虹膜模板检测出虹膜区域的位置,通过虹膜中心精定位算法定位虹膜中心的位置,最后提取出眼角点、虹膜中心点等信息,对点中包含的角度信息、距离信息进行提取,组合成眼动向量特征。使用神经网络模型进行分类,建立注视点映射关系,实现视线的追踪。通过图像的预处理对图像进行增强,之后提取到了相对的虹膜中心。提取到需要的特征点,建立相对稳定的几何特征代表眼动特征。结果 在普通的实验光照环境中,头部姿态固定的情况下,识别率最高达到98.9%,平均识别率达到95.74%。而当头部姿态在限制区域内发生变化时,仍能保持较高的识别率,平均识别率达到了90%以上。通过实验分析发现,在头部变化的限制区域内,本文方法具有良好的鲁棒性。结论 本文提出使用模板匹配与虹膜精定位相结合的方法来快速定位虹膜中心,利用神经网络来对视线落点进行映射,计算视线落点区域,实验证明本文方法具有较高的精度。     

一种改进的深度学习的道路交通标识识别算法

针对复杂的环境,结合图像预处理与深度学习神经网络,提出了一种道路交通标识识别算法。该方法不仅利用图像分割技术,而且利用卷积神经网络模型对道路交通标识进行了更准确的识别。首先,通过调节光照影响、去除复杂背景、数据增强和归一化等批量预处理操作,形成一个完整的数据集;然后,结合squeeze-and-excitation思想和残差网络结构,充分训练出自己的卷积神经网络模型;最后,将优化的网络模型用于道路交通标识的识别。实验结果表明,该方法使训练时间缩短了12%左右,识别精度可达99.26%。