改进的FCM聚类在交通时段自动划分中的应用

针对传统交通时段划分方法的局限性,提出了一种混合蛙跳算法(SFLA)与模糊C均值算法(FCM)有机结合的交通时段划分方法SFLA-FCM。SFLA是一种全新的后启发式群体进化算法,具有高效的计算性能和优良的全局搜索能力。SFLA-FCM使用SFLA的优化过程代替FCM的基于梯度下降的迭代过程,有效地避免了FCM对初值敏感及容易陷入局部极小的缺陷。实验结果表明,与单一FCM法相比,SFLA-FCM聚类更准确,效果更佳,对解决城市交通时段的自动划分问题是可行、有效的。     

基于EMD多模态特征融合支持向量机的故障诊断

针对非平稳时间序列信号,提出一种基于经验模态分解(EMD)的特征提取和多模态特征融合支持向量机的故障诊断方法.首先对原始信号进行EMD分解,选择能量最大的几个基本模式分量(IMF)并提取其小波包特征,获得对每个IMF独立的特征子集;然后在每个IMF特征子集中训练SVM 弱分类器,并根据各特征子集对应的IMF能量权重进行加权融合,获得故障状态的强分类器.将该方法应用于6135型柴油机振动信号故障诊断中,实验结果表明了其可行性和有效性.

     

车用自组网信息广播

车用自组网作为移动自组网在智能交通系统中的应用,有望为人们提供更安全、效率更高的旅行方式.广播协议为危险警告、协同驾驶、路况通报等交通信息的发布提供了有效途径.简要介绍了车用自组网的特点和应用分类.采用分析和比较方法,讨论各种信息广播协议的特点、性能差异和应用范围,并针对车用自组网的特点及应用需求指出未来信息广播模型的设计思想和突破方向.     

均值漂移算法中的目标模型更新方法研究

均值漂移(Mean shift)是一种鲁棒的快速模式匹配算法, 但该算法框架下现有的整体模型更新策略不足以对场景中目标外观变化、遮挡等情况进行有效处理. 为此, 本文提出了一种Mean shift框架下的选择性子模型更新策略, 将特征模型中的每个分量作为单独个体, 基于每个分量的匹配贡献度, 分别选择当前帧中需要更新的子模型分量及其更新权值. 实验结果表明本文算法具有比整体模型更新策略更好的跟踪鲁棒性.     

一类三维连续混沌系统的降维反馈同步控制

以线性时变连续系统的稳定性判别方法为依据，针对一类三维连续混沌系统，提出一种降维状态变量反馈同步办法。该方法的基本思想是应用导数不连续的V函数，结合比较原理，把高维时变大系统的稳定性判定，转化为低维定常辅助方程组稳定性判定。其基本步骤主要分为两步：第一步：通过数值仿真来确定状态变量的取值范围；第二步：利用线性化的误差系统来选择状态变量反馈函数和反馈增益，以满足相应Jaeobian矩阵的特征值随时间变化处处具有负实部。并以著名的Lorenz系统为例进行仿真分析，仿真结果表明该方法的有效性。另外，试验结果也表明，同步质苗不仅与同步办法有关，也同同步控制函数密切相关。     

火箭飞行测量数据融合处理的一种算法

建立了用于测量距离的动态模型,提出了基于Bar-Shalom公式的测量距离的多传感器数据融合的算法,最后,给出了模拟实例。提出的基于数据融合的这一算法较好地解决了火箭飞行弹道测量数据处理精度的问题,误差方差改善了近9%。     

冶金连铸工业过程实时专家控制系统的设计与实现

从工业生产实用要求出发,提出了一类适合于连续过程实时控制系统的专家控制方法, 它使控制器的理论设计变得简单、方便.工业生产实用结果表明,系统可靠性高,实时性好.     

快速分形图像编码的一种特征方法

快速分形图像编码的特征向量法是最具创新性、最有前途的方法之一,但它有几个缺点、特别是特征向量的高维数性.针对这个问题,本文提出减少分形编码时间的一种可选的特征方法.作为它的应用,本文先定义图像块的新特征——叉迹,然后提出一个基于叉迹的快速分形算法.这个算法把Range-Domain子块匹配问题转化为叉迹意义下的邻域搜索问题.对256×256 Lena图像的实验显示,与基于全搜索的基本分形算法比较,依赖于搜索邻域大小,该算法既能在峰值信噪比相同的情况下实现加快3倍多,也能在主观质量有一定下降的成本下实现加快100倍以上.     

基于AT89C2051的超声波泊车防撞系统设计

简要介绍了基于AT89C2051单片机控制的汽车泊车防碰撞系统，在本系统中，包含了超声波信号的发生、发射、接收、处理等模块，以及单片机的接口控制、软件设计，使系统在汽车倒车时具有测距和报警功能，该系统成品已通过专家鉴定并装车使用。     

基于显著特征的指纹自动定位与匹配算法

非约束图像的自动匹配问题包括定位和配准两个关键步骤,其中定位是配准的前提。指纹图像的自动匹配是一种典型的非约束图像匹配问题。由于指纹采集时按压指面的旋转、变形和扭曲,以及各种因素造成的图像模糊、残缺和特征信息丢失,使指纹图像存在较大程度的不确定性,给利用细节特征进行匹配带来了困难。该文通过分析特征匹配的一般问题模型,指出了匹配问题的实质是在两个不完全等价特征集中寻求最大同构子集的问题,并对目前发展起来的几种匹配方法的适用性做了一定的评析。结合指纹图像的自身特点,提出了一种新的基于显著特征的自动定位与匹配算法。该算法通过分析细节特征点之间的联系,在整幅图像范围内构造了3种类型的显著特征,通过这些显著特征之间的比对实现了两幅图像的快速自动定位,求出了图像平移和旋转的变换矩阵。最后通过特征点的平移和旋转变换实现了具有容忍局部误差的细节特征点的比对。这种算法具有较强的容错性,对各种噪声图像具有一定的鲁棒性,是一种自适应的快速匹配算法。理论分析与实验结果表明这种方法用于指纹图像进行细节点匹配是很有效的。