基于可伸缩视频编码的自适应误码隐藏方案

文中提出一种基于SVC的动态自适应误码隐藏方案。针对SVC码流增强层部分条带丢失情况,该方案结合散乱型灵活宏块排序功能,在宏块级别采用二阶差分边界匹配准则动态选择基本层和相邻条带信息恢复图像。实验表明,相对SVC标准参考平台JSVM的误码隐藏方案,文中提出方案在不同序列及丢包条件下,重建视频峰值信噪比均得到了一定提升。     

基于K均值聚类算法的位置指纹定位技术

为了减小位置指纹定位算法的计算量,提出一种基于K均值聚类分析的位置指纹定位算法。通过对指纹数据库进行K聚类分析,形成聚类索引,定位时通过查询聚类索引来缩小指纹库查询空间。利用改进后的算法进行室内定位实验,并将其与K近邻法进行对比测试。实验结果表明,改进后的定位算法有效减小了定位过程的计算量,而且还能保证定位精度,在短距离范围内定位平均误差可限制在2m以内。     

基于标签的矩阵型Gr?bner基算法研究

目前基于标签的Gr?bner基算法大多是Buchberger型的,涉及矩阵型算法的文献往往是为了进行复杂度分析,而不考虑实际的效率。该文从实际应用出发,给出矩阵型Gao-Vol ny-Wan g(GVW)算法的一个实例,提出算法层次的优化设计方法。同时,该文还给出一个高效的约化准则。通过实验,该文比较了算法可用的各项准则及策略。实验结果表明,该文的矩阵型GVW实例在准则和策略的选取上是最优的。并且,矩阵型GVW在某些多项式系统(例如,Cyclic系列和Katsura系列多项式系统)下比Buchberger型GVW要快2~6倍。     

碰撞检测算法在三维游戏设计中的应用与研究

完美的3D游戏体验是游戏制作者与玩家所共同追求的,它不仅指的是游戏场景的华丽绚烂,游戏情节的跌宕起伏;还要看它虚拟现实的功能有多强。而这其中最需要解决的一个很重要的问题就是在游戏场景中虚拟物体之间相交碰撞的检测和处理,检测处理的精确性、实时性将直接决定一款游戏的在游戏情节的实现上是否合理以及虚拟现实的仿真程度如何。本文将重点阐述作者在三维游戏设计中关于碰撞检测技术应用研究的一些想法。     

基于多因子的机电设备测试性验证样本分配方案

针对目前机电设备测试性验证试验中,因样本分配不合理导致试验结论置信度低的问题,通过分析影响试验结论置信度的4个关键因素即故障模式数、故障率、故障扩散强度总和与危害度,提出了基于多因子的样本分配方案。方案依据多因子综合相对比值,得出各UUT所分配的样本量,达到优化样本结构,提高样本集代表性的目的。对单步故障扩散算法进行了改进,改进后的算法可以更有效地计算故障扩散强度,并以某机电设备稳定跟踪平台为例进行了样本分配,比较分析抽样结果证明,应用该方案得到的样本结构更加合理,可以使试验结论有较好的置信度。     

光电跟踪系统中扩展目标的成像对比度分析

分析了影响大气层内扩展目标成像对比度的主要因素,研究了整体倾斜校正对扩展目标对比度影响的数学关系,并分析了采用绝对差分算法提取整体相位倾斜的复杂度优化问题。采用快速倾斜镜对成像光束整体倾斜进行校正能够提高扩展目标的成像对比度,降低后端数字图像处理的难度,进一步减少目标识别和跟踪所需要的时间,对提高低对比度目标的光电跟踪效率具有参考意义。     

不确定信息下基于拍卖算法的多无人机同时到达攻击多目标

针对不确定信息下的多无人机同时到达攻击多目标的控制策略问题,将拍卖算法和区间一致性算法相结合,提出了不确定信息下的多无人机同时到达的控制方法。首先通过拍卖算法,给出了多无人机对多目标的任务分配方法;然后定义了区间一致性算法,提出了不确定信息下的多无人机同时到达的控制方法,实现了多无人机到达多目标的时间上趋于一致;最后进行仿真,验证了该方法的可行性和有效性。     

基于改进蚁群算法的农用喷药机器人路径规划

研究农用喷药机器人路径规划问题,提出一种基于改进蚁群算法的路径寻优方法。首先,获取实际工作环境信息,抽象化处理工作环境,采用栅格法建立喷药机器人工作环境模型;其次,为使算法搜索更具目的性,引入目标点诱导机制,设计新的距离启发函数,并在此基础上对状态转移概率进行改进;为避免算法搜索出现停滞和提高路径搜索效率,通过引入信息素阈值限定、信息素局部和全局更新相结合的策略对信息素更新方式进行优化;最后,通过仿真实验测试两种算法解决喷药机器人路径规划问题的实际效果。结果表明:两种算法均能有效解决喷药机器人路径规划问题,且相比传统蚁群算法,改进蚁群算法不仅可以有效改善自身收敛性能,而且可以增强自身全局寻优能力。     

云计算平台中分布式Hadoop数据挖掘关键技术研究

云计算环境下的大数据特征挖掘是大数据统计及分析的基础。为了提高聚类的准确度和速度,设计了一种基于分布式Hadoop平台和熵加权特征选择的数据挖掘方案。该方案首先采用无回路有向图对Hadoop平台下的Map Reduce 作业流调度问题进行了分析。然后采用并行 Map Reduce执行过程完成分布式计算。最后,采用熵加权聚类算法实现海量数据挖掘。仿真结果显示,提出的数据挖掘方案具有较好聚类效果和运行效率。     

基于改进用户兴趣模型的个性化图书推荐算法

为了有效提高推荐算法的精确度,提出了一种适用于个性化图书推荐的改进隐含狄利克雷分配(Latent Dirichlet Allocation,LDA)用户兴趣模型。首先在借阅者-借阅者评分矩阵的基础上,通过增加借阅者特征信息相似度计算和借阅者-图书属性相似度计算,对图书内容相似度计算方法进行了改进。然后采用LDA主题挖掘模型来实现个性化图书推荐,并给出了相应的参数估计过程。实验结果显示:相比传统算法,提出的算法具有较高的准确度,能有效对图书进行挖掘,为借阅者推荐个性化和潜在感兴的书籍。