基于二维主成分分析与卷积神经网络的手写体汉字识别

随着计算能力的飞速增长、训练数据的不断积累以及非线性激活函数的不断完善,卷积神经网络（CNN）在手写体汉字识别中表现出较好的识别性能。针对CNN识别手写体汉字识别速度慢的问题,将二维主成分分析（2DPCA）与CNN相结合识别手写体汉字。首先,利用2DPCA提取手写体汉字的投影特征向量;然后,将得到的投影特征向量组成特征矩阵;其次,用组成的特征矩阵作为CNN的输入;最后,用Softmax函数进行分类。与基于AlexNet的CNN模型相比,所提方法的运行时间降低了78%,与基于ACNN与DCNN的模型相比,所提方法的运行时间分别降低了80%与73%。实验结果表明,该方法在不降低识别精度的同时,可以减少识别手写体汉字的运行时间。     

改进的最大嫡闭值分割及其快速实现

针对传统二维最大嫡阂值法对二维直方图采用近似处理等的不足,提出了改进的二维最大墒快速阈值分割方法。首先对部域模板进行改进,将改进后的模板用来构建二维直方图,并将最大嫡法用于此直方图上,以便获得最佳阈值;然后,舍弃传统的二维直方图中关于主对角区域的概率近似为1的假设,使阂值选取更准确;最后,分析二维直方图投影,得到其特性,并证明两定理的存在。利用此特性和两定理导出新型、快速的递推算法来降低计算复杂度。仿真实验结果表明,与当前二维最大嫡法相比,提出的方法不仅分割更准确和抗噪性更强,而且占用的存储空间更少,分割速度更快,分割时间少于0.04s。     

二维直方图准分的Otsu图像割及其快速实现

传统二维Otsu法主要由于对二维直方图采用主对角线区域概率和近似为1的假设等原因,以致分割结果不够准确.针对此问题,提出了一种二维直方图准分的Otsu快速图像分割方法.(1)准确选择邻域模板构建二维直方图并将Otsu阈值法用于此直方图上以便提高分割性能;(2)对二维直方图主对角线上的目标和背景两区域的Otsu公式中对应...     

基于对策论的团队计算机生成角色任务分配方法

针对带有时间约束的、可以动态加入到环境中的复杂任务,建立了一种基于对策论的任务分配模型,并给出了一种任务分配方法。该方法中计算机生成角色(CGA)根据自身掌握的局部信息进行行为选择,并使用虚拟行动方法确保CGA快速学习到一个严格纯策略Nash平衡。仿真实验结果表明该方法是合理的,能够有效地解决动态任务的分配问题。     

基于博弈学习多Agent交互研究

由于人们之间的博弈行为受多种因素的制约和影响,而传统的博弈方法很难处理这种影响因素多变、交互关系复杂的博弈问题,给出一个基于博弈学习的多智能体(multi-Agent)交互模型,并以此为基础构建多Agent交互的博弈学习方法。对合作小组中成员的行为进行修正,通过博弈学习中学习因子的更新得到局部均衡,达到全局利益优化。实例仿真验证了该方法的可行性。     

基于蚁群算法及博弈论的多Agent路径规划算法

针对多Agent路径规划问题,提出了一个两阶段的路径规划算法。首先,利用改进的蚁群算法来为每个Agent规划出一条从起始点到目标点,不与环境中静态障碍物碰撞的最优路径。在蚁群算法的改进中引入反向学习方法来对蚂蚁位置进行初始化分布,提高了算法的全局搜索能力;利用粒子群算法中的自适应惯性权重因子来调节信息素强度Q值,使其自适应地变化,避免陷入局部最优;对信息素挥发因子ρ进行调节,提高算法的迭代速度。其次,若多Agent之间存在动态碰撞,利用博弈论构建多Agent之间的动态避障模型,并利用虚拟行动法来解决博弈的求解问题及多Nash均衡的选择问题,确保每个Agent能够快速学习到最优Nash均衡。仿真实验结果表明改进蚁群算法与传统蚁群算法相比在搜索精度与搜索速度上有明显的提高,与Mylvaganam的多Agent动态避障算法相比,所提算法减小了路径总长度并提高了收敛速度。     

基于演化博弈惩罚机制的多智能体协作稳定性研究

针对复杂、动态环境中多Agent协作的稳定性问题,提出了一种基于博弈论及惩罚机制的协作方法,通过效用函数来选择最优策略,实现均衡协作;为了提高协作的稳定性与成功率,引入惩罚机制,通过不断调整惩罚系数来维护多Agent协作的稳定性,并在形成协作团队时,充分考虑参与协作的Agent的信誉值。仿真结果表明,该方法能有效地降低任务完成时间,避免Agent在动态协作中随意退出,提高协作效率及协作稳定性。     

基于智能算法的群体动画设计与实现

针对传统动画制作方法单一、任务量大、自主性不高等问题,利用社会学习机制中的趋同和趋异行为对人工鱼群算法进行了改进研究.利用改进的算法对角色的运动路径进行规划设计,将得到的路径数据导入到Maya中,利用Maya提供的工具完成群体动画的制作.将智能算法应用于群体动画的制作中,打破了传统动画制作的局限,增强了运动的真实性,提高了创作效率.     

FLEX器件及其在类比推理部件设计中的应用

可编程逻辑器件是高速度、高集成度的逻辑器件,它由设计人员在工作现场定义仰编程）其逻辑功能,可缩短设计周期,降低设计风险。该文介绍了ＡＬＴＥＲＡ／公司的ＦＤＥＸ芯片结构、性能及其在类比推理协处理器实现中的应用,并给出了在ＦＬＥＸ应用中注意的一些问题。