基于Gabor小波纹理特征的目标识别新方法

给出了一种基于Gabor小波纹理特征的目标识别新方法．主要是利用Gabor小波设计了一种多通道小波滤波器。对图像目标直接进行小波变换，用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的图像目标的特征，把获得的小波特征归一化后输入到改进的BP神经网络分类器进行分类识别．最后。进行了一系列的仿真实验，结果表明，这种特征提取方法能有效提取图像目标纹理特征，并且对噪音和形状的变化具有鲁棒性．在应用于目标识别时，神经网络的训练时间减少到lOmin，识别率达到94％．     

一类过程摄动系统的无阻塞鲁棒性

使用参数Dioid模块网络法,把含大量摄动参数的在普通极大代数意义下非线性状态空间模型在参数Dioid意义下线性化,在此基础上研究一类过程摄动系统的无阻塞鲁棒性.给出了有限缓冲串行生产系统在没有缓冲器下无阻塞的充要条件和充分条件.     

基于BP网络分类器的交通标志识别

针对中国全部3大类116个交通标志,即禁令标志、指示标志、警告标志,用BP网络实现分类功能.实验中使用了3种测试集,即加高斯噪声、水平扭曲和日本交通标志实景图,对BP网络的分类性能进行了测试.实验结果表明:用BP网络实现交通标志粗分类功能的效果是比较理想的,对交通标志的颜色失真和形状失真均具有较好的容错性和鲁棒性.     

计及位置不确定的喷雾机喷杆系统仿形姿态渐近跟踪控制北大核心CSCD

针对喷雾机喷杆仿形系统中同时存在负载变化、未建模不确定项、物理参数摄动以及外部干扰等问题,提出了一种基于小波网络逼近的具有自适应性和鲁棒性的反步控制方法.首先,将含有不确定、未知和非线性项的喷杆仿形系统建立为完整的数学模型,将其等价转化为具有严格反馈的状态空间形式;其次,采用设计的小波基元去构造神经网络,在满足最优误差有界条件下逼近反步法中虚拟等效控制部分,选取自适应更新律估计系统中存在的未知参数,引入鲁棒补偿项减小复合干扰对系统的不利影响,降低了输入指令信号的阶次要求;最后,通过构造合适的Lyapunov函数,应用稳定性理论证明了闭环系统位置跟踪误差渐近收敛到原点.仿真结果表明,所提控制方法可实现喷雾机喷杆位置姿态快速升降机动调整,有效地增强了喷杆系统的鲁棒稳定性和控制精度.     

一种不同地面分辨率图像的拼接算法

航空遥感监测中变焦镜头的广泛应用以及飞行高度的变化会获得不同地面分辨率的航空影像,因此为了实时监控到飞行区域的整体情况,需要对不同地面分辨率的图像进行拼接。提出了针对不同地面分辨率图像进行拼接的方法。首先用四分法对图像进行分割,检测变化倍率,选择配准策略;然后用基于加速鲁棒性特征(Speeded-Up Robust Features,SURF)的算法对相邻图像进行拼接。获得了焦距变化从高倍过渡到低倍,或从低倍过渡到高倍的拼接图像。通过航空变焦模拟影像的拼接实验和地面变焦影像的拼接实验表明,该方法能够对不同地面分辨率的图像进行拼接,且拼接结果均以高分辨率为基准。     

基于改进最小二乘支持向量机的惯性测量组件故障在线检测方法

为提高惯导系统工作的可靠性和导航性能,对其惯性测量组件的故障模式和检测模型进行了分析。针对最小二乘支持向量机(LS-SVM)回归算法做了两点改进,具体方法是先对输入样本观察窗平移更新的每个样本数据进行异常点滤波判断并用牛顿插值法进行处理,接着通过对在线LS-SVM回归过程的研究,提出了一种递推求解的快速算法,将惯性测量组件的输出量、舵偏角改变量并辅以环境因素作为观测样本序列,应用该算法来提高模型检测的准确性和时效性。最后对惯性测量组件无故障和出现卡滞、恒偏差时的故障模式进行了仿真实验,结果表明,与应用LS-SVM、SVM和BP神经网络算法相比,提出的惯性测量组件故障在线检测方法具有较强的鲁棒性和较快的速度。     

两种推理方法QIP和FSI的鲁棒性结果及其比较

基于逻辑相似度和剩余蕴涵,研究了五蕴涵推理方法(QIP)和相似度推理方法(FSI)的鲁棒性,给出了在四个常用蕴涵下QIP的鲁棒性的具体结果,以及基于修正的Kleene蕴涵的FSI的鲁棒性结论,并且对这两种推理方法的鲁棒性进行了初步的比较.     

多星联合鲁棒性调度模型研究

在多星联合调度过程中,存在着很多不确定性因素,其中云层覆盖变化是主要的不确定性来源.本文针对考虑云层覆盖变化的多星联合调度问题,借鉴了连续函数的鲁棒性优化思想,提出了一种基于邻域的鲁棒性指标.在此基础上,建立了多星联合鲁棒性调度模型,给出了观测任务优先级的计算方法.实例研究表明,本文建立的模型能够在保证调度方案性能的基础上,获得鲁棒性强的调度方案.     

基于人脸重要特征和SVM的人脸识别方法

提出了一种基于人脸重要特征的人脸识别方法,首先选取人脸的重要特征并将其具体化,对得到的重要特征进行主成分分析,然后用支持向量机(Support Vector Machine,SVM)设计重要特征分类器来确定测试人脸图像中重要特征,同时设计支持向量机(SVM)人脸分类器,确定人脸图像的所属类别.对ORL人脸图像数据库进行仿真实验,结果表明,该方法要优于一般的基于整体特征的人脸识别方法并有较强的鲁棒性.