提出了一種基于Surendra改進(jìn)的運動目標(biāo)檢測算法，通過對背景更新系數(shù)的改進(jìn)，獲取穩(wěn)定準(zhǔn)確的背景，再將背景幀與含運動區(qū)域的圖像幀用差分運算獲得運動目標(biāo)圖像。實驗結(jié)果表明，該算法能夠較快反應(yīng)環(huán)境的變化，準(zhǔn)確地獲得背景圖像，提高運動目標(biāo)檢測的準(zhǔn)確性。
標(biāo)簽： Surendra 運動目標(biāo) 檢測算法
上傳時間： 2013-11-19
上傳用戶：1234567890qqq
為了解決數(shù)據(jù)挖掘中關(guān)聯(lián)規(guī)則Apriori算法存在的缺陷，提出了一種全新的基于對候選項集處理的改進(jìn)算法。該算法主要采用一次掃描數(shù)據(jù)庫和對候選項集進(jìn)行計數(shù)處理的方法，實現(xiàn)了減少執(zhí)行時間以及計算量的目的。實際應(yīng)用表明，改進(jìn)后的Apriori算法具有操作簡便、測試準(zhǔn)確的特點，達(dá)到了提高數(shù)據(jù)挖掘效率和準(zhǔn)確性的要求。
標(biāo)簽： Apriori 數(shù)據(jù)挖掘 法的改進(jìn)
上傳時間： 2013-10-22
上傳用戶：18888888888
頻率是電力系統(tǒng)運行質(zhì)量和安全情況的最主要標(biāo)志之一，集成保護(hù)與控制系統(tǒng)需集成低頻減載等控制方式，測頻是低頻減載算法的核心，本文較全面地闡述了電力系統(tǒng)頻率測量的重要意義和這些年來的研究成果。以測頻主算法的數(shù)學(xué)原理為線索 ，對現(xiàn)有的各種測頻算法進(jìn)行了分類和評述，并提出了頻率測量的發(fā)展方向。在考慮到現(xiàn)有條件的基礎(chǔ)下，考慮算法的實時性以及精度問題，選用基于DFT算法，并對該算法進(jìn)行了matlab仿真。
上傳時間： 2015-01-03
上傳用戶：baiom
為了在LabVIEW平臺下更方便的處理非均勻采樣的心電信號，文中研究了心電信號的時域和頻域插值算法。首先采用了拉格朗日插值法、牛頓插值法、埃爾米特插值法和三次樣條插值法等四種時域插值方法，從算法精度、內(nèi)存消耗和時間消耗三個方面做比較，得出埃爾米特插值法最為合適。最后又提出一種頻域插值法：補零傅里葉頻域插值法，來彌補原始心電信號頻域分辨率不足的缺點。
標(biāo)簽： LabVIEW 心電信號 插值 算法分析
上傳時間： 2013-11-05
上傳用戶：qitiand
針對幀差分法易產(chǎn)生空洞以及背景減法不能檢測出與背景灰度接近的目標(biāo)的問題，提出了一種將背景減和幀差法相結(jié)合的運動目標(biāo)檢測算法。首先利用連續(xù)兩幀圖像進(jìn)行背景減法得到兩種差分圖像，并用最大類間與類內(nèi)方差比法得到合適的閾值將這兩種差分圖像二值化，然后將得到的兩種二值化圖像進(jìn)行或運算，最后利用圖像形態(tài)學(xué)濾波得到準(zhǔn)確的運動目標(biāo)。實驗結(jié)果表明，該算法簡單、易實現(xiàn)、實時性強(qiáng)
上傳時間： 2013-10-08
上傳用戶：yqs138168
文中首先介紹了雷達(dá)測距的兩種常用方法，通過分析，調(diào)頻連續(xù)波（FMCW）雷達(dá)更具有優(yōu)勢，然后闡述了調(diào)頻連續(xù)波（FMCW）雷達(dá)測距系統(tǒng)的基本組成原理，再后本文論述了測頻中最常用的FFT算法。接著分析研究了由此衍生出的距離譜，根據(jù)距離譜本文重點論述了其估計算法，說明了距離譜最大采樣點法的問題，提出距離譜最大值二分估值法，又經(jīng)過進(jìn)一步改進(jìn)得到距離譜最大值的擬合法。通過計算機(jī)仿真的結(jié)果確定距離譜最大值的擬合法提高了測距的精度。
上傳時間： 2013-11-20
上傳用戶：zhangzhenyu
針對人臉識別中的特征提取問題，提出一種新的基于Gabor的特征提取算法，利用Gabor小波變換良好的提取區(qū)分能力和LDA所具有的判別性優(yōu)勢來進(jìn)行特征提取。首先利用Gabor小波變換來提取人臉特征。然后對得到的高維特征采用PCA進(jìn)行初次降維，再利用LDA實現(xiàn)再次降維，得到最終的特征向量。在ORL和YALE人臉庫上的實驗驗證了該算法的有效性。
標(biāo)簽： Gabor 特征提取 人臉識別 中的應(yīng)用
上傳時間： 2013-12-14
上傳用戶：alex wang
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)計了能實現(xiàn)上述功能的表決系統(tǒng)結(jié)構(gòu)圖。最后通過仿真實驗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)場估計已經(jīng)得到廣泛認(rèn)可。多數(shù)風(fēng)速反演算法是以估計的風(fēng)向、校正的δvv為先驗條件，應(yīng)用海風(fēng)模型計算而得的。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)的周期性估計風(fēng)速數(shù)據(jù)，同時由風(fēng)浪條紋的最短周期方向估計風(fēng)向數(shù)據(jù)，從而估計出完整的風(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)有較高的估計精度。
標(biāo)簽： 海洋 風(fēng)場矢量估計 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，實驗結(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
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
