电力系统中机器人的研究现状与展望

研究了机器人技术在电力系统领域的典型应用,包括核电站与变电站巡检机器人、架空线巡检机器人及电缆管道机器人等;介绍了各类电力系统机器人的技术实现方法及其存在的问题,指出了电力系统中机器人的发展方向。     

快速条形指纹拼接算法与仿真

为实现快速的条形指纹图像拼接,在两步相关方法的基础上,改进预处理和块相关操作,进一步加快条形指纹图像拼接速度。仿真结果表明这种方法的可行性,并为拼接的实时实现奠定基础。     

机械加工尺寸预测的两种方法及其比较

将时间序列方法和神经网络方法在加工尺寸预测中的应用作了比较。在时间序列方法中,提出了数据序列加窗的方法以提高预测的准确性;在神经网络方法中,应用BP网络模型,对神经网络在加工尺寸预测方面的应用作了初步探讨。     

肝脏磁共振图像的混合聚类分割

针对医学图像的自动分割,提出一种混合聚类方法.在对图像预处理后,将每个像素的邻域特征向量送入自组织特征映射网络(SOM)中进行训练.作为初步聚类的结果,SOM的输出典型向量根据命中图过滤,由层次合并聚类方法进一步处理.采用图像分割量化指数来确定聚类的最佳类别数;通过后处理得到最后分割结果,分析表明该方法是有效的.     

基于惯性-摩擦原理的PZT驱动四自由度微驱动器的研究

提出了一种由PZT驱动、基于惯性-摩擦原理的四自由度驱动器方案,在原理实验的基础上制作了四自由度驱动器的原型,并讨论了这一微驱动器的运动特点。实验证明:这一原理应用于微驱动器是可行的。压电陶瓷的通电频率处于0Hz～30000Hz时微驱动器的运动是线性可控的。同时,也讨论了驱动器设计中应该注意的问题及其未来的研究方向。     

基于分形维数的图像纹理特征表示方法

针对图像的纹理特征表示问题,总结和归纳了基于分形维数的图像纹理特征的表示方法的原理、模型,分析了分形维数表示图像纹理特征的优点及局限性。提出了基于分形维数及Gabor滤波器的纹理特征表示方法,并将其应用于纹理分割。实验证明该方法是有效可行的。     

条形指纹的实时拼接算法与DSP实现

为实现实时的条形指纹图像拼接,首先分析了条形指纹图像的特点和拼接过程,在基于灰度值的两步相关方法的基础上,根据DSP的特点加速了相关运算,并针对指纹图像的特点和拼接过程优化了算法的参数。基于DSP的拼接实验结果和运算量分析表明该方法的实用性,也对实现中的问题作了讨论。     

面向不平衡数据集的机器学习分类策略

由于不平衡数据集的内在固有特性,使得分类结果常受数量较多的类别影响,造成分类性能下降。近年来,为了能够从类别不平衡的数据集中学习数据的内在规律并且挖掘其潜在的价值,提出了一系列基于提升不平衡数据集机器学习分类算法准确率的研究策略。这些策略主要是立足于数据层面、分类模型改进层面来解决不平衡数据集分类难的困扰。从以上两个方面论述面向不平衡数据集分类问题的机器学习分类策略,分析和讨论了针对不平衡数据集机器学习分类器的评价指标,总结了不平衡数据集分类尚存在的问题,展望了未来能够深入研究的方向。特别的,这些讨论的研究主要关注类别极端不平衡场景下的二分类问题所面临的困难。     

条形指纹拼接的MATLAB仿真与DSP实现

为实现实时的条形指纹图像拼接,首先分析条形指纹图像的特点和拼接过程,在基于灰度值两步相关方法的基础上,对经过Sobel算子预处理过的条形指纹图作了MATLAB仿真,仿真结果表明了算法的可行性.又根据DSP的特点加速了相关运算,并针对指纹图像的特点和拼接过程优化了算法的参数.基于DSP的拼接实验结果表明该方法的实用性,并对实现中的问题作了讨论.     

医学图像自动分割的混合聚类方法

医学图像的分割效果和自动化程度对计算机辅助诊断和可视化等方面有重要影响。针对医学图像低对比度、噪声影响大的特点,提出一种混合聚类方法:在预处理图像之后,将每个像素的邻域特征向量送入自组织特征映射网络SOM(self-organizingmap)中进行训练;作为初步聚类的结果,SOM的输出典型向量根据命中图(Hits-Map)过滤,再由层次合并聚类方法进一步处理。在比较了一种聚类评价指数和两种图像分割评价指数之后,采用图像分割量化指数来确定聚类的最佳类别数;再通过后处理得到最后分割结果,分析表明这个方法是有效的。同时,也指出其不足之处和进一步研究的方向。