<strike id="y4si8"></strike>
提出了一種基于Surendra改進的運動目標檢測算法，通過對背景更新系數的改進，獲取穩定準確的背景，再將背景幀與含運動區域的圖像幀用差分運算獲得運動目標圖像。實驗結果表明，該算法能夠較快反應環境的變化，準確地獲得背景圖像，提高運動目標檢測的準確性。
上傳時間： 2013-11-19
上傳用戶：1234567890qqq
為了解決數據挖掘中關聯規則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算法。該算法主要采用一次掃描數據庫和對候選項集進行計數處理的方法，實現了減少執行時間以及計算量的目的。實際應用表明，改進后的Apriori算法具有操作簡便、測試準確的特點，達到了提高數據挖掘效率和準確性的要求。
上傳時間： 2013-10-22
上傳用戶：18888888888
頻率是電力系統運行質量和安全情況的最主要標志之一，集成保護與控制系統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。以測頻主算法的數學原理為線索 ，對現有的各種測頻算法進行了分類和評述，并提出了頻率測量的發展方向。在考慮到現有條件的基礎下，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。
上傳時間： 2013-11-05
上傳用戶：qitiand
針對幀差分法易產生空洞以及背景減法不能檢測出與背景灰度接近的目標的問題，提出了一種將背景減和幀差法相結合的運動目標檢測算法。首先利用連續兩幀圖像進行背景減法得到兩種差分圖像，并用最大類間與類內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行或運算，最后利用圖像形態學濾波得到準確的運動目標。實驗結果表明，該算法簡單、易實現、實時性強
上傳時間： 2013-10-08
上傳用戶：yqs138168
文中首先介紹了雷達測距的兩種常用方法，通過分析，調頻連續波（FMCW）雷達更具有優勢，然后闡述了調頻連續波（FMCW）雷達測距系統的基本組成原理，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，又經過進一步改進得到距離譜最大值的擬合法。通過計算機仿真的結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分能力和LDA所具有的判別性優勢來進行特征提取。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進行初次降維，再利用LDA實現再次降維，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。
上傳時間： 2013-12-14
上傳用戶：alex wang
為了解決自適應大數表決算法無法容忍表決周期發生瞬時錯誤的問題，提出了基于自檢測的自適應一致表決算法。該算法通過插入檢測代碼實時搜集瞬時錯誤信息，進而屏蔽發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用到表決系統。在此算法的基礎上，設計了能實現上述功能的表決系統結構圖。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（SAR）圖像的海面風場估計已經得到廣泛認可。多數風速反演算法是以估計的風向、校正的δvv為先驗條件，應用海風模型計算而得的。在相同風向的情況下，應用不同的海風模型會得到不同的風速反演值，因此選擇合適的模型是風場估計的關鍵。同時，風向數據的精確度也很重要，即使不大的誤差也會給風速的反演結果帶來明顯偏差。為解決上述問題這里提出一種不需要預先已知風向數據的風場估計算法。該算法將基于海洋SAR圖像中風浪的條紋信息，以及風浪條紋生成的自相關函數的周期性估計風速數據，同時由風浪條紋的最短周期方向估計風向數據，從而估計出完整的風場矢量。仿真結果顯示，該算法對風速和風向數據有較高的估計精度。
上傳時間： 2013-10-17
上傳用戶：520
提出一種基于自適應混沌粒子群優化和支持向量機結合的非線性預測建模算法（ACPSO-SVR），引入ACPSO啟發式尋優機制對SVR模型的超參數進行自動選取，在超參數取值范圍變化較大的情況下，效果明顯優于網格式搜索算法。選取UCI機器學習數據庫中的Forest fires標準數據集進行測試，實驗結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域的兩種典型應用，在反應動力學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催化劑設計框架。
上傳時間： 2013-10-23
上傳用戶：alibabamama
