為了解決自適應(yīng)大數(shù)表決算法無法容忍表決周期發(fā)生瞬時錯誤的問題，提出了基于自檢測的自適應(yīng)一致表決算法。該算法通過插入檢測代碼實(shí)時搜集瞬時錯誤信息，進(jìn)而屏蔽發(fā)生瞬時錯誤的軟件冗余模塊參與表決，并將各軟件冗余模塊歷史記錄信息有效地應(yīng)用到表決系統(tǒng)。在此算法的基礎(chǔ)上，設(shè)計(jì)了能實(shí)現(xiàn)上述功能的表決系統(tǒng)結(jié)構(gòu)圖。最后通過仿真實(shí)驗(yàn)證明了所提算法的有效性。
上傳時間： 2013-10-13
上傳用戶：miaochun888
基于合成孔徑雷達(dá)（SAR）圖像的海面風(fēng)場估計(jì)已經(jīng)得到廣泛認(rèn)可。多數(shù)風(fēng)速反演算法是以估計(jì)的風(fēng)向、校正的δvv為先驗(yàn)條件，應(yīng)用海風(fēng)模型計(jì)算而得的。在相同風(fēng)向的情況下，應(yīng)用不同的海風(fēng)模型會得到不同的風(fēng)速反演值，因此選擇合適的模型是風(fēng)場估計(jì)的關(guān)鍵。同時，風(fēng)向數(shù)據(jù)的精確度也很重要，即使不大的誤差也會給風(fēng)速的反演結(jié)果帶來明顯偏差。為解決上述問題這里提出一種不需要預(yù)先已知風(fēng)向數(shù)據(jù)的風(fēng)場估計(jì)算法。該算法將基于海洋SAR圖像中風(fēng)浪的條紋信息，以及風(fēng)浪條紋生成的自相關(guān)函數(shù)的周期性估計(jì)風(fēng)速數(shù)據(jù)，同時由風(fēng)浪條紋的最短周期方向估計(jì)風(fēng)向數(shù)據(jù)，從而估計(jì)出完整的風(fēng)場矢量。仿真結(jié)果顯示，該算法對風(fēng)速和風(fēng)向數(shù)據(jù)有較高的估計(jì)精度。
標(biāo)簽： 海洋 風(fēng)場矢量估計(jì) 算法
上傳時間： 2013-10-17
上傳用戶：520
提出一種基于自適應(yīng)混沌粒子群優(yōu)化和支持向量機(jī)結(jié)合的非線性預(yù)測建模算法（ACPSO-SVR），引入ACPSO啟發(fā)式尋優(yōu)機(jī)制對SVR模型的超參數(shù)進(jìn)行自動選取，在超參數(shù)取值范圍變化較大的情況下，效果明顯優(yōu)于網(wǎng)格式搜索算法。選取UCI機(jī)器學(xué)習(xí)數(shù)據(jù)庫中的Forest fires標(biāo)準(zhǔn)數(shù)據(jù)集進(jìn)行測試，實(shí)驗(yàn)結(jié)果表明該方法具有較高的精度和良好的泛化能力，對于解決多變量的回歸預(yù)測問題是一種有效的方法。最后給出了混合算法在碳一多相催化領(lǐng)域的兩種典型應(yīng)用，在反應(yīng)動力學(xué)模型未知的情況下建立催化劑組份模型和操作條件模型，以及基于混合算法的最優(yōu)催化劑設(shè)計(jì)框架。
標(biāo)簽： ACPSO-SVR 非線性建模 預(yù)測算法
上傳時間： 2013-10-23
上傳用戶：alibabamama
為了設(shè)計(jì)一種實(shí)時高效、穩(wěn)定可靠的圖像目標(biāo)跟蹤系統(tǒng)平臺，避免因圖像邊緣提取效果差而引起跟蹤失敗，采用自適應(yīng)Canny邊緣檢測算法。該自適應(yīng)算法能夠很好的確定平滑參數(shù)以及高、低兩個閾值，更好的獲得圖像邊緣圖。經(jīng)Canny算法處理圖像目標(biāo)后，獲得目標(biāo)的單像素邊緣圖，根據(jù)邊緣圖計(jì)算得到目標(biāo)質(zhì)心。利用最小二乘法擬合出目標(biāo)的運(yùn)動軌跡，同時可根據(jù)時間間隔預(yù)測出目標(biāo)質(zhì)心的下一位置，控制伺服機(jī)構(gòu)，實(shí)現(xiàn)目標(biāo)跟蹤。實(shí)驗(yàn)表明，采用Canny算法的目標(biāo)跟蹤系統(tǒng)，能夠滿足實(shí)時跟蹤的需要。
標(biāo)簽： Canny 檢測算法 目標(biāo)跟蹤
上傳時間： 2013-11-03
上傳用戶：testAPP
針對數(shù)據(jù)在性態(tài)和類屬方面存在不確定性的特點(diǎn)，提出一種基于模糊C 均值聚類的數(shù)據(jù)流入侵檢測算法，該算法首先利用增量聚類得到網(wǎng)絡(luò)數(shù)據(jù)的概要信息和類數(shù)，然后利用模糊C均值聚類算法對獲取的數(shù)據(jù)特征進(jìn)行聚類。實(shí)驗(yàn)結(jié)果表明該算法可以有效檢測數(shù)據(jù)流入侵。
標(biāo)簽： 模糊 數(shù)據(jù)流 入侵檢測 算法
上傳時間： 2015-01-03
上傳用戶：fujiura
以新興的盲均衡技術(shù)為理論基礎(chǔ)，一些盲均衡算法相繼提出。本文以高階的QAM信號作為輸入信號，針對常模算法、多模算法、加權(quán)多模算法存在的缺陷，最終引入一種性能優(yōu)越的加入動量項(xiàng)的加權(quán)多模算法。通過計(jì)算機(jī)的仿真實(shí)驗(yàn)首次對這些算法進(jìn)行依次比較，所得實(shí)驗(yàn)結(jié)果表明加入動量項(xiàng)的加權(quán)多模盲均衡算法在信道均衡上的性能明顯優(yōu)于前面幾種算法，它具有更快的收斂速度和更小的穩(wěn)態(tài)誤差，因此具有實(shí)用價(jià)值。
上傳時間： 2013-11-17
上傳用戶：jkhjkh1982
lzw壓縮解壓算法源碼
上傳時間： 2014-01-04
上傳用戶：nanshan
celp算法實(shí)現(xiàn)
上傳時間： 2015-01-03
上傳用戶：xauthu
CCITT G.711語音壓縮算法
上傳時間： 2015-01-03
上傳用戶：天涯
CCITT G.711,G.721,G.723語音壓縮算法
上傳時間： 2013-11-28
上傳用戶：2525775
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
