基于广义Beta函数的图像自适应增强方法*

针对传统Beta函数的图像增强方法应用于较暗区域、较亮区域,以及两端区域拉伸与中间压缩图像增强中的不足,引入增强算子和新的形状控制参数,提出了新的直方图变换函数,即广义Beta函数.在此基础上,给出了广义Beta函数增强算子选择机制,并建立了新形状控制参数的自适应选取模型.实验结果表明,提出的基于广义Beta函数的图像增强方法不仅增强了图像的对比度,而且保留了较多的图像细节信息,增强结果明显优于传统Beta函数.     

基于灰预测的PID主动队列管理算法

提出一种基于灰色预测的智能 PID(GI-PID)主动队列管理(AQM)算法,该算法采用 GM(1,1)模型在线预测路由器队列长度,补偿滞后以解决网络状况反馈不及时的问题;同时根据队列误差的变化趋势,应用专家经验动态改变 PID 控制器的参数,使参数实时地随着网络环境变化而调整,实现智能控制.仿真试验表明,GI-PID 算法相比传统 PID 算法大幅度地抑制了队列长度的振荡,路由器队列收敛于期望值,同时具有较小的分组丢弃概率.     

模糊Renyi熵与QGA结合的快速图像分割

针对非模糊熵的阈值分割方法不能较好地反映数字图像本质上具有的模糊特性,提出一种新的基于模糊熵的图像阈值分割方法。通过模糊隶属度函数将图像直方图信息转换到模糊域,利用模糊Renyi熵计算目标与背景的信息熵。根据最大熵原理,引入量子遗传算法对隶属度函数参数进行寻优,进而得到图像的最佳分割阈值。与典型的阈值法进行对比实验,表明该方法能获得更好的分割结果,满足实时性需求。     

异类工控以太网通信研究及实现

本文介绍了实现异类工控以太网通过TCP/IP协议通信的一种方式,结合实际工程项目摸索出一条实现异类工控以太网同构的新思路.给出了异类工控以太网PLC间通讯服务软件的客户/服务器模型,详细介绍与分析了软件编制过程中使用的关键技术.并以SIEMENS S7系列PLC和GEFANUC 90系列PLC为对象原型,用最少的成本、最低级的API函数调用方式实现通用通讯程序.     

基于灰色神经网络的入侵检测系统研究

将灰色预测和神经网络有机的结合起来,构造出了新的灰色神经网络GNNM,并用于入侵检测系统(IDS)中,仿真结果表明,GNNM算法在较低误报率的基础上达到了理想的检测率,与传统的神经网络算法相比,不但提高了系统的并行计算能力和系统的可用信息的利用率,还提高了系统的建模效率与模型精度.     

多变异自适应遗传算法特征筛选的人脸检测

通过研究基于AdaBoost算法的人脸检测,针对提取的Haar特征维数过高且有冗余,耗时过大,严重影响了人脸检测速度等问题,提出了基于多变异位自适应遗传算法（Multiple Mutation Adaptive Genetic Algorithm,MMAdapGA）的特征选择人脸检测方法.MMAdapGA采用类内类间比作为适应度函数,寻找其最优个体所对应的基因链,然后演化得到全局最优特征,以此降低特征空间维数及冗余度.实验结果表明：检测率（DR）与误检率（FDR）不仅没有下降,而且检测速度得到了很大的提升.     

基于SARSA（λ）算法的单路口交通信号学习控制

针对复杂的、难以建模的城市交通系统,将多步强化学习算法SARSA（λ）应用于交通信号控制,根据实时的交通状态信息动态进行决策,自动适应环境以便取得更好的控制效果。由于问题状态空间太大而难以直接存储和表示,采用径向基函数神经网络进行值函数近似,通过训练自适应非线性处理单元,可达到较好的近似表示效果,解决了单个十字交叉路口的交通信号控制问题。对该方法进行仿真实验,结果表明其控制效果明显优于传统的固定配时控制策略。     

手动驾驶和ACC混合车流元胞自动机模型研究

针对由手动驾驶车辆和ACC（自适应巡航控制）车辆组成的混合车流,考虑驾驶员的个体驾驶特性差异和ACC车辆的运行原理,构建了各自的运行规则,提出了一个新的元胞自动机模型．给出了周期边界条件下的计算机仿真结果,并对其进行了分析和讨论．结论表明：车流中保守型驾驶员的存在导致了道路利用率的降低,而合理的匹配各种车辆的混合比例,...