基于熵的决策树分枝合并算法

目前,基于逻辑的示例学习算法主要分两大类,决策树算法和基于规则的算法,前者以ＩＤ３为代表,ＩＤ３使用“信息熵”作启发式得出较小的决策树,但ＩＤ３算法只注意到减少树的深度,忽视树的宽度,本文给出了一种决策树分枝合并算法。可减少决策树的宽度,从而得出比ＩＤ３更好的结果。     

面向实际场景SLAM应用的光照适应性研究

为探究环境感知设备在SLAM算法应用过程中的光照适应性问题,在不同光照强度下分别进行激光雷达和深度相机SLAM算法的验证性评估实验.基于四轮差速机器人,搭载16线激光雷达和深度相机,结合LOAM(Lidar Odometry And Mapping)和RTAB-MAP(Real-Time Appearance-Based Mapping)算法,分别在明暗环境中分析验证设备光照适应性.实验结果表明:在明亮环境下,基于视觉SLAM和激光SLAM系统偏差的中误差分别为0.203和0.644 m;在黑暗环境中两者偏差的中误差分别为0.282和0.683 m;深度相机在明、暗环境中的定位建图效果均优于激光雷达,深度相机的光照适应性更强.     

基于深度学习的类SM4算法S盒逆向分析

在建模类攻击场景下,基于多元高斯分布的模板攻击是常用的侧信道逆向分析方法.在同样的场景下,分析了深度学习方法在逆向分析领域的应用,提出了基于深度学习的S盒逆向分析算法.通过选取适用于侧信道逆向分析的深度学习算法、损失函数和标签设计,对类SM4算法进行了S盒逆向恢复实验.实验结果表明,使用深度学习进行S盒逆向分析是可行的,且在一定的条件下优于模板攻击;另外,多层感知机算法预测的结果要优于卷积神经网络算法预测的结果.     

遥现中基于显著特征的深度图像滤波算法

针对遥现系统中,由于相机精度、材质等原因导致深度信息质量不高,存在缺失以及噪声等问题,提出了基于显著特征的滤波算法。结合频率域的显著图分析算法和基于图的分割算法提取出人类感兴趣的显著区域,针对这部分区域利用联合双边滤波法进行重点处理。实验结果表明,该算法在有效抑制了平坦区域的噪声的同时,增强了显著区域深度图像的细节,并填补了边缘部分的缺失,实现了实时条件下深度图像的有效滤波。     

自由视点视频的虚拟图像合成

通过一种有效的基于深度图像描绘技术的虚拟图像合成方法评价一种快速深度图像估计算法.此快速算法采用区域匹配SSD算法得到初始视差,构造出图割算法的能量函数求深度图.仿真结果证明了快速算法能获得高质量的PSNR,可以合成较好的虚拟图.     

一种复杂环境下的移动机器人路径规划方法

针对基于粒子群优化算法的路径规划方法在复杂环境中容易出现找不到有效路径的缺点,提出了一种深度优先搜索和粒子群优化算法相结合的机器人路径规划方法。该方法将待探索区域划分为若干个子区域,利用粒子群优化算法深度优先搜索子区域。仿真实验结果证实了该方法的有效性和可行性。     

基于边缘检测的Kinect深度图像去噪算法

Kinect实时提取的深度图像映射得到的彩色图像以及目标背景分离图像边缘存在明显锯齿,且图像噪声大,质量较差。对此提出一种针对Kinect深度图像去噪算法。运用基于Prewitt算子的分块自适应阈值边缘检测算法可得到比较精细的图像边缘;进而根据获取边缘信息对深度图像进行分类,边缘区采用单向多级中值滤波算法进行降噪处理,而非边缘区采用双向多级中值滤波算法进行降噪处理。最终利用Kinect得到边缘清晰,噪声较小的高质量深度图像,实验证明了算法的有效性。     

基于Kinect深度信息的人体运动跟踪算法

大多数人体跟踪算法鲁棒性不高的主要原因是对人体的颜色特征进行跟踪,针对此问题设计了基于Kinect深度信息的人体运动跟踪算法。通过分析Kinect获取的深度图信息来对人体轮廓进行区分判定,提取前景目标区域以及计算目标区域的深度直方图。通过对深度直方图进行分析去除背景区域部分,根据获取的深度直方图求取跟踪图像的深度反向投影;最后结合Camshift算法确定当前选取目标区域的尺寸和中心位置来进行对人体的实时跟踪。实验结果表明,该算法提取的目标特征具有较强的鲁棒性,避免了光照变化和背景相似情况下的不稳定问题,能实现复杂场景下的人体目标跟踪。     

基于改进YOLOv3算法的布匹疵点检测

基于视觉的布匹疵点检测具有检测效率高和成本低的优势.目前基于深度学习的目标检测算法得到了广泛应用,但是布匹疵点检测具有检测小型疵点准确率低、计算量大和检测速度慢的缺陷,因此提出一种改进YOLOv3的布匹疵点检测算法.该算法使用轻量级卷积神经网络GhostNet作为YOLOv3算法的特征提取网络,加快网络的计算速度,同时...     

通用高速分组交换调度算法

在iSLIP算法的基础上,应用二部图匹配中对角线数据无竞争的数学原理,采用关联指针的处理方法,提出了一种基于虚拟输出排队(VOQ)缓冲模式下的高速交换调度算法——迭代的关联指针轮转(i-CPRR)算法。该算法简化了指针的轮转方式,降低了设计难度。仿真表明,该算法减少了调度过程中的迭代次数,提高了算法在高负载条件下的带宽利用率,从而降低了交换系统的数据延时和VOQ队列深度,在高速交换系统中具有广泛的应用价值。