基于多信息融合的双进双出磨煤机料位检测

针对双进双出磨煤机料位检测难题,提出了一种基于多信息数据融合的双进双出磨煤机料位检测方法.该方法将粗糙集（RST）和径向基（RBF）神经网络相结合,利用粗糙集数据简约和规则抽取特性,有效地去除大量冗余数据.利用RBF神经网络函数逼近能力更强和收敛速度更快等优点,引入带遗忘因子的梯度下降算法来整定RBF神经网络参数,简化了神经网络结构,提高了神经网络的学习效率,同时拥有自学习和容错能力,从而有效地保证了数据融合的快速收敛性和稳定性.实验结果表明,在料位检测过程中,将两种智能算法相结合所构成的融合系统,能使双进双出磨煤机准确地完成复杂环境的料位检测任务.     

明亮区域的暗原色先验算法

针对暗原色先验算法在处理含有大面积明亮区域的有雾图像时,复原图像会产生严重色彩偏移的不足,提出了一种基于像素点的透射率修正方案.在分析暗原色先验去雾原理以及复原图像色彩偏移成因的基础上,对去雾模型进行推导,使用暗通道亮度与大气光数值接近度及像素通道间数值接近度作为明亮区域判定机制,得出更具普适性的透射率求取方法.明亮区域采用容差机制纠正错误估计的透射率,非明亮区域仍采用原透射率求取方式,并首次将改进算法应用到雪天模糊图像清晰化中.实验结果表明,改进算法使去雾图像清晰自然,可有效修正色彩失真.     

基于Kinect传感器的移动机器人环境检测及行为学习

研究了一种基于深度图像和强化学习算法的移动机器人导航行为学习方法。该方法利用机器人装配的Kinect传感器检测工作环境信息,然后对获取的深度图像数据和视频图像进行处理、融合和识别,并由此构建机器人任务学习的状态空间,最终利用强化学习方法实现移动机器人的导航任务的自学习。该方法的有效性通过实验得到验证。实验表明,该方法能够使机器入具有较强的环境感知能力,并能够通过自学习的方式掌握行为能力。     

黄河水利委员会办公自动化系统设计与实现

一、概述 黄河水利委员会是水利部的派出机构,黄委总部设在河南省郑州市,主要职责是流域综合规划和治理,包括:防汛、抗旱;水资源管理;水土保持;防洪工程规划、设计、施工、管理;水行政执法;水文观测;流域水质、水环境监测保护等.     

以科学发展观统领高校思想政治理论课教学改革

科学发展观的提出，为当前我国思想政治理论课的教学改革与建设提出新的任务和更高要求。思想政治理论课只有真正贯彻和落实科学发展观的根本要求，才能充分发挥其在提高大学生思想政治素质方面的主阵地、主渠道作用。     

神经网络在水质模型中的应用

将神经网络理论和算法应用于水环境评价中，基于RBF神经网络进行水质建模，应用国内河流的实测样本对模型进行训练和检验．该方法较之原有的水质数学模型以及其他全局逼近神经网络方法的结果更加精确，适用范围更广．     

黄委电子政务系统的信息安全架构

20世纪计算机技术及信息产业的发展,使全球社会经济发生了深刻的变革。电子商务、电子政务、网上教学、远程医疗、家庭办公等逐步进入社会生活的各个领域,极大促进了人类社会发展和科技进步。黄河水利委员会(黄委),作为国家水利部的派出机构,承担着黄河整个流域防洪、防汛的管理工作。含有河务、财务、规划、水保等多个管理部门     

一种新型混合电力滤波器及其并联电感设计

介绍了一种由无源滤波器和有源滤波器组成的新型混合电力滤波器.由于在有源滤波器两端并联了一个电感,可使有源滤波器的容量极小.提出了该并联电感的设计原则.实验结果验证了理论分析和设计方法的正确性.     

捷联式磁航向测量系统的航向角误差动态特性研究

在不考虑罗差情况下,建立了捷联式磁航向测量系统的航向角误差模型,并结合无人机磁航向测量系统中框架式垂直陀螺仪的姿态测量特点,将其姿态误差源特征引入误差模型,全面分析了其航向角在不同飞行条件下的动态误差特性.对捷联式磁航向测量系统的航向角误差模型进行了仿真计算,并将仿真结果与飞行实验结果进行了比较分析.结果表明:捷联式磁航向测量系统的航向角误差动态特性符合无人机测量误差特点,能够为工程应用提供直接的理论依据.     

融合检测和跟踪的实时人脸跟踪

目的 在实时人脸跟踪过程中,因光照变化、目标被遮挡以及跟踪时间长等因素,导致的误差累积都会影响系统的整体性能。针对这些问题,提出一种融合检测和跟踪技术的方法,其中包含了检测、控制和跟踪3个模块(简称DCT)。方法 在检测模块中,利用AdaBoost算法提取人脸的相关信息,并将信息传递给跟踪模块进行跟踪处理;在跟踪模块中,采用在线随机蕨和SURF(speeded up robust features)算法对目标进行跟踪。同时,在每次检测到目标之后,会通过控制模块对当前跟踪目标准确性进行判断。结果 选取国际标准数据组并与LBP+Camshift+Kalman滤波算法、SEMI算法、TLD(tracking-learning-detection)算法比较,实验结果表明,DCT方法在目标发生尺度较大变化、目标遮挡、旋转、形变以及光照发生变化时都具有良好的跟踪识别效果,DCT方法识别准确率在95%以上,平均误识别率和漏识别率分别为0.86%和0.78%。结论 DCT方法具有消除误差累积,跟踪失败后自动恢复等特点,同时可以消除环境中光照、遮挡和仿射变换的影响并满足系统跟踪的实时性要求,运用于视频人脸跟踪系统中能够提高系统的实时性及鲁棒性。