一种基于加权最多邻近点距离的相关跟踪方法

针对相关跟踪过程中障碍物遮挡,噪声和目标形变对跟踪稳定性的影响,提出了一种基于加权最多邻近点距离的相关跟踪方法。采用模板图像与实时图像的相似点个数并与距离进行加权的方式定义相似性度量,结合相似度对目标模板进行更新,采用Kalman算子预测目标位置并进行分层搜索,实现快速稳定跟踪目标。实验结果表明,该方法能较好地抑制噪声和目标遮挡的影响,目标遮挡重新捕获成功率高于80%,目标跟踪精度低于10个像素。     

二冷配水优化建模与混合自适应PSO算法求解

针对连铸二冷区生产环境复杂且存在着大量水雾干扰的情况,建立了连铸水量优化模型并提出了一种混合的自适应粒子群算法来求解连铸二冷水优化问题。依据冶金过程中的工艺要求建立了二冷水量优化模型,并在经典的PSO算法基础上提出了适合该问题求解了混合自适应PSO算法。由于连铸过程存在着偏微分方程约束,传统的优化方法容易陷入局部最优解,不能达到很好的动态优化效果。研究了粒子群算法,基于种群的多样性,不断的自适应的更新粒子群算法中参数,将禁忌搜索的方法和传统的粒子群算法结合,增强了算法的局部搜索能力和全局寻找全局最优的能力。将该算法应用到连铸二冷水动态优化中,实验结果表面该算法能够快速有效的求解该优化问题。该方法用于连铸二冷水优化是可行的、有效的。     

优化迭代步长的两种改进增量谐波平衡法

增量谐波平衡法(IHB法)是一个半解析半数值的方法, 其最大优点是适合于强非线性系统振动的高精度求解. 然而, IHB法与其他数值方法一样, 也存在如何选择初值的问题, 如初值选择不当, 会存在不收敛的情况. 针对这一问题, 本文提出了两种基于优化算法的IHB法: 一是结合回溯线搜索优化算法(BLS)的改进IHB法(GIHB1), 用来调节IHB法的迭代步长, 使得步长逐渐减小满足收敛条件; 二是引入狗腿算法的思想并结合BLS算法的改进IHB法(GIHB2), 在牛顿-拉弗森(Newton-Raphson)迭代中引入负梯度方向, 并在狗腿算法中引入2个参数来调节BSL搜索方式用于调节迭代的方式, 使迭代方向沿着较快的下降方向, 从而减少迭代的步数, 提升收敛的速度. 最后, 给出的两个算例表明两种改进IHB法在解决初值问题上的有效性.      

一类求解非线性约束优化问题的线搜索渐缩滤子算法

针对非线性等式约束优化问题,本文给出一种新的线搜索滤子算法.算法中将非线性等式约束优化问题的最优性条件作为滤子,并在接受准则中加入渐缩函数,使得当线搜索试探步长减小时时滤子包络的越来越薄,从而使得试探步被接受程度更有弹性,不会被当前的迭代点拒绝.在适当的假设下,证明算法的全局收敛性,并给出算法初步的数值实验结果.     

具有充分下降性的改进FR共轭梯度法

本文研究了大规模无约束优化问题,提出了一个基于改进的FR共轭参数公式的共轭梯度法.不依赖于任何线搜索准则,算法所产生的搜索方向总是充分下降的.在标准Wolfe线搜索准则下,获得了新算法的全局收敛性.最后,对所提出的算法进行了初步数值实验,其结果表明所改进的方法是有效的.     

基于虚拟现实技术的道路复杂场景实时仿真系统

基于仿真道路复杂场景更贴近真实社区布局的目的,采用虚拟现实技术,硬件设计在C/S架构体系中,按需连接景观信息采集模块与OSG复原模块。在软件设计中,根据虚拟数据采集结果,计算现实复原比数值,进行智慧社区环境实施场景建模。结合相关硬件设备结构,完成了基于虚拟现实技术的道路复杂场景实时仿真系统的设计。通过道路场景复杂度实验,得出在虚拟现实技术的作用下,复原后的道路复杂场景能够较好贴合真实场景的布局情况。与常规仿真系统相比,更能满足智慧社区环境的实际应用需求。     

面阵数字波束形成和对多目标跟踪的研究

用计算机仿真研究面阵天线数字波束形成（DBF）和对多目标跟踪。主要内容包括方阵列天线的方向图、圆阵列天线的方向图、圆阵列天线多目标的跟踪、跟踪前的初始搜索。文中对各种情况下面阵天线的阵因子方向图作了详细的数学分析,建立了相应的模型并进行了计算机仿真。     

CDMA网络中直放站情况下的搜索参数优化

本文对CDMA网络中前反向搜索窗的工作原理进行简要介绍后,进一步说明在使用直放站情况下如何对相关搜索参数进行优化(分别就无线直放站和光纤直放站两种情况进行分析),最后以MOTOLORA系统为例说明参数修改方法.     

一种LTE TDD系统的小区搜索设计方案

本文首先简要介绍了3GPP LTE(长期演进项目)采用的空中接口技术,接着具体讨论了一种基于TDD帧结构的小区搜索方案.着重分析了下行同步信道和用作小区识别码的参考导频的设计,以及完成小区搜索所需的具体步骤.     

基于快速神经网络架构搜索的鲁棒图像水印网络算法

为解决深度学习在图像水印算法中计算量大且模型冗余的问题,提高图像水印算法在抵抗噪声、旋转和剪裁等攻击时的鲁棒性,提出基于快速神经网络架构搜索（neural architecture search,NAS）的鲁棒图像水印网络算法。通过多项式分布学习快速神经网络架构搜索算法,在预设的搜索空间中搜索最优网络结构,进行图像水印的高效嵌入与鲁棒提取。首先,将子网络中线性连接的全卷积层设置为独立的神经单元结构,并参数化表示结构单元内节点的连接,预先设定结构单元内每个神经元操作的搜索空间;其次,在完成一个批次的数据集训练后,依据神经元操作中的被采样次数和平均损失函数值动态更新概率;最后,重新训练搜索完成的网络。水印网络模型的参数量较原始网络模型缩减了92%以上,大大缩短了模型训练时间。由于搜索得到的网络结构更为紧凑,本文算法具有较高的时间性能和较好的实验效果,在隐藏图像时,对空域信息的依赖比原始网络更少。对改进前后的2个网络进行了大量鲁棒性实验,对比发现,本文算法在CIFAR-10数据集上对抵抗椒盐噪声和旋转、移除像素行（列）等攻击优势显著;在ImageNet数据集上对抵抗椒盐高斯噪声、旋转、中值滤波、高斯滤波、JPEG压缩、裁剪等攻击优势显著,特别是对随机移除行（列）和椒盐噪声有较强的鲁棒性。