基于模拟退火并行进化规划的MIMO-CDMA多用户检测器

为解决最佳多用户检测计算复杂度高的难题,将多种群并行进化规划和模拟退火两种思想有机地融合起来,提出一种新的模拟退火并行进化规划算法,并应用到MIMO-CDMA系统多用户检测问题求解中。在新算法中,不同的子群并行进行进化过程,利用模拟退火的局部寻优能力,避免单个种群在进化过程中出现的早熟现象,从而加快整个算法的收敛速度。实验结果证明,新的多用户检测器抗远近效应和抗多址干扰的能力都优于传统检测器和单种群的模拟退火进化规划多用户检测器,并且在远近效应和多址干扰存在的条件下,该检测器的收敛速度比单种群模拟退火进化规划检测器提高了约108%和100%。     

像素级的皮肤分割与面色分级

皮肤是人体最大的器官,面色相对于人体其他生物属性具有更便捷、更稳定的特性。因此,设计一个完整有效的面色分级系统是非常有意义的。本文中,面色分级系统被分为皮肤分割和面色分级2部分。针对皮肤分割任务,在生成对抗网络框架下搭建了一个多尺度特征融合网络,相对于传统的语义分割网络,本文的分割模型充分地利用了每一层特征图的信息。在面色分级实验中,首先在归一化rgb、HSV和Lab颜色空间下使用1 000幅图像分别训练了支持向量机(SVM)和BP神经网络分类器,128幅皮肤图像被用作测试集,正确率在73%～76%;之后将颜色特征与皮肤区域纹理特征融合进行学习,使用SVM分类的正确率为85%,使用BP神经网络分类的正确率达到了91%。     

局部均匀模式描述和双加权融合的人脸识别

目的 针对LBP算法对边缘及噪声信息比较敏感,提出一种统一化的局部均值模式(ULMP)描述算子。考虑到全局和局部特征在识别上的互补性,提出一种ULMP描述和双加权融合的人脸识别方法。方法 首先利用ULMP算法获得整幅图像的编码图,接着将其分块,统计每一子块的直方图获得局部纹理特征,并结合BP神经网络得到局部分类结果。引入云模型求取不同子块的权值,对局部分类结果进行加权融合。整体纹理特征的获取是将不同子块的直方图特征串联。在得到全局和局部的分类结果后,将两者加权集成,获得最终的识别结果。结果 在ORL和Yale人脸库上进行实验,ULMP具有很好的识别性能。5幅测试样本时,在ORL库上取得了95.9%的平均识别率,分别比局部二值模式(LBP)、MCT、局部方向模式(LGP)、统一的LBP(ULBP)和局部中心二值模式(CSLBP)高11.3%、10.6%、9.5%、8.9%和3.9%;在Yale库上取得了97.4%的识别率,分别比LBP、MCT、LGP、ULBP和CSLBP高19.9%、17.7%、10.7%和0.7%。在ORL和Yale人脸库上,本文提出的双加权融合模式分别取得了98.5%和98.34%的平均识别率,高于任何单一模块。结论 本文提出的纹理提取算法ULMP,具有很好的平滑噪声及边缘信息的作用,适用于面部纹理特征的提取。利用云模型求取的权值的方法能够较好地发挥局部分类器间的集成作用,最终有效地提高了系统的整体性能。双加权融合模式是一种精确且有效的人脸识别方法,适用于静态人脸图像的匹配识别。     

基于颜色和纹理特征的黄瓜病害识别算法

为了提高黄瓜叶部病害的识别效果及实用性,增强特征描述能力,提出一种新的黄瓜病害图像分割及颜色、纹理特征提取算法。首先,对自然环境中采集的病害图片进行不同颜色空间的预处理和分割,对分割结果图像进行融合处理;然后,对病斑区域提取模糊量化直方图、颜色聚合度作为颜色特征,利用颜色相似性度量函数计算颜色共生矩阵,提取病斑的纹理特征;最后,通过核主成分分析对颜色和纹理特征进行融合,去除冗余成分,利用支持向量机对病害进行分类识别。在采集的黄瓜病害实验库上进行实验,取得了94.11%的识别率。通过充分利用病害识别中占主要识别依据的颜色信息,并结合纹理信息,较好地表达了病斑特征。和其他方法的实验对比结果表明,本文方法能有效提高黄瓜病害的识别率。     

DS-CDMA系统的一种进化规划多用户检测算法

针对码分多址接入（CDMA）系统中最优多用户检测的指数计算复杂度问题，结合CDMA通信的实际特点，利用进化规划免去了交叉操作因而计算复杂度小的特点，提出了一种基于进化规划的多用户检测问题的优化处理方法。实验结果表明本方法可获得接近最佳检测的性能，但计算复杂度降低。     

基于模拟退火并行遗传算法的Otsu双阈值医学图像分割

模拟退火和并行遗传算法是两种较好的改进进化算法性能的方法.将这两种思想有机地结合起来,利用遗传算法能全局寻优的优势和模拟退火算法的爬山性能,提出T一种基于模拟退火并行遗传算法的Otsu双阈值医学图像分割算法.在该算法中,进化在多个不同的子群中并行进行,利用模拟退火算法的爬山性能,避免单种群进化过程中出现的过早收敛现象,...     

基于并行遗传算法的Otsu双阈值医学图像分割

传统遗传算法用于搜索某些函数极值时精确度较低且稳定性较差。针对该问题,提出了一种基于并行遗传算法的Otsu双阈值医学图像分割算法。在该算法中,进化在多个不同的子群中并行进行,避免单种群进化过程中出现的过早收敛现象,提高整个算法的收敛速度。100次阈值计算实验结果表明,提出的分割算法与传统遗传算法相比,不仅能够对图像进行准确的分割,而且具有更强的精确性和稳定性。其收敛速度明显优于基于单种群的遗传算法的Otsu双阈值医学图像分割。     

PSpice在数字电路课程设计中的应用

PSpice软件是目前应用最广的仿真软件,他可以根据电路结构和元器件参数对电路进行仿真分析,从而可以方便、准确地判断电路设计的正确性。因此为数字电路的分析和课程设计提供了一个有力的工具。本文以节日彩灯控制器为例,介绍了PSpice在数字电路课程设计中的应用。     

D-S证据理论融合多特征的油菜病害识别方法

针对单一特征在识别油菜病害上存在的局限性,提出一种基于D-S证据理论融合多特征的油菜病害识别方法。首先对预处理后的油菜图片提取颜色矩、颜色共生矩阵两种特征,通过欧氏距离来构建D-S证据理论所必需的基本概率分配(BPA),最后运用D-S证据组合规则进行决策级融合,依据决策条件输出最终分类识别结果。针对存在最终识别结果被误识别为不确定问题,通过引入方差来对决策方法进行改进,避免了这一现象的产生。利用该方法在采集到的油菜样本上进行实验,取得了97.09%的识别率。实验表明,该方法能有效提高油菜病害识别率。     

局部梯度DT-CWT主方向模式的表情识别

提出一种采用局部梯度双树复小波变换(dual-tree complex wavelet transform,DT-CWT)主方向模式(dominant direction pattern,DDP)的人脸表情识别方法。首先,对归一化后的表情图像进行4层DT-CWT,每一层得到8个方向的DT-CWT特征图像,其中包括6个高频方向和2个低频方向,构建一种新的主方向模式(IDDP)对每个DT-CWT特征图像进行编码;然后按照基于梯度方向的融合规则将每一层上IDDP编码特征图融合到一起,将融合图进一步划分为若干个不重叠且大小相等的子块,分别计算每个子块区域的直方图分布,将其联合起来得到人脸表情图像的特征;最后,采用基于Fisher加权的Chi平方概率统计最近邻方法进行分类识别。大量实验表明,算法在识别率和识别时间上都体现出了一定的优势。