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(yùn)動(dòng)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(yùn)算，最后利用圖像形態(tài)學(xué)濾波得到準(zhǔn)確的運(yùn)動(dòng)目標(biāo)。實(shí)驗(yàn)結(jié)果表明，該算法簡單、易實(shí)現(xiàn)、實(shí)時(shí)性強(qiáng)
上傳時(shí)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(diǎn)論述了其估計(jì)算法，說明了距離譜最大采樣點(diǎn)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(jì)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(shí)間： 2013-11-20
上傳用戶：zhangzhenyu
針對人臉識(shí)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(shí)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(shí)驗(yàn)驗(yàn)證了該算法的有效性。
標(biāo)簽： Gabor 特征提取 人臉識(shí)別 中的應(yīng)用
上傳時(shí)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(shí)錯(cuò)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(shí)搜集瞬時(shí)錯(cuò)誤信息，進(jìn)而屏蔽發(fā)生瞬時(shí)錯(cuò)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(shí)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(huì)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(shí)，風(fēng)向數(shù)據(jù)的精確度也很重要，即使不大的誤差也會(huì)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(shí)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(shí)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(dòng)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(dòng)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(shí)間： 2013-10-23
上傳用戶：alibabamama
為了設(shè)計(jì)一種實(shí)時(shí)高效、穩(wěn)定可靠的圖像目標(biāo)跟蹤系統(tǒng)平臺(tái)，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(gè)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(dòng)軌跡，同時(shí)可根據(jù)時(shí)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(shí)跟蹤的需要。
標(biāo)簽： Canny 檢測算法 目標(biāo)跟蹤
上傳時(shí)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(shí)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(hào)作為輸入信號(hào)，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(dòng)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(dòng)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(shí)間： 2013-11-17
上傳用戶：jkhjkh1982
lzw壓縮解壓算法源碼
上傳時(shí)間： 2014-01-04
上傳用戶：nanshan
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
