排序方式: 共有19条查询结果,搜索用时 15 毫秒
1.
2.
3.
红外弱小目标检测技术是红外搜索与跟踪系统的重要组成部分(IRST)。一般来说,在复杂背景环境下,红外弱小目标检测往往会有高虚警率和低检测率的问题。为了解决这一问题,提出一个改进的加权增强局部对比度测量(IWELCM)检测框架,具有重要意义。首先,通过将局部对比度机制与信杂比(SCR)的计算相结合,提出一个增强的局部对比度测量方法,在增强图像中疑似红外弱小目标区域的同时也提高图像的SCR。其次,通过利用红外图像中弱小目标的特性,以及目标与周围背景的统计差异,提出一个改进的加权函数来进一步增强目标和抑制背景。最后,采用一个自适应阈值分割的方法去获取检测的目标。在不同场景的数据集上的对比实验表明,与七种现有流行的方法相比,提出方法在复杂背景下能够有效地从干扰对象中提取真实的红外弱小目标,具有更好的检测性能。 相似文献
4.
为解决人工蜂群(ABC)算法收敛速度慢、精度不高和易于陷入局部最优等问题,提出一种增强开发能力的改进人工蜂群算法。一方面,将得出的最优解以两种方式直接引入雇佣蜂搜索公式中,通过最优解指导雇佣蜂的邻域搜索行为,以增强算法的开发或局部搜索能力;另一方面,在旁观蜂搜索公式中结合当前解及其随机邻域进行搜索,以改善算法的全局优化能力。对多个常用基准测试函数的仿真实验结果表明,在收敛速度、精度和全局优化能力等方面,所提算法总体上优于其他类似的ABC算法(例如ABC/best)和集成多种搜索策略的ABC算法(例如ABCVSS(ABC algorithm with Variable Search Strategy)和ABCMSSCE(ABC algorithm with Multi-Search Strategy Cooperative Evolutionary))。 相似文献
5.
本文针对风电叶片常用的多轴向经编织物的建模方式进行研究,主要通过计算纤维失效进行分析验证。因此本文首先探讨了复合材料的多个纤维失效准则,并对其优缺点作出对比,选取Puck准则进行下一步分析。接着对Puck准则进行了详细描述。最后研究了多轴向经编织物采用多层单轴向经编织物分层建模和通过合理等效简化成一层单轴织物建模,两者建模方式及纤维失效结果的差异,证明两种建模方式均是可行的,采用简化建模更能减少工作量。 相似文献
6.
不同于传统多目标跟踪,除了量测-目标数据关联模糊问题外,外辐射源雷达跟踪系统新增了量测-发射机数据关联模糊问题。针对此问题,该文通过引入一个新的关联变量来表示量测和发射机之间的数据关联关系,提出了目标-量测-发射机3维数据关联改进概率多假设跟踪(PMHT)算法。该算法利用期望极大化(EM)算法的独立性假设条件得到最大后验概率意义下的最优跟踪。为了增加目标-量测-发射机之间数据关联的准确性,提高多目标与量测后验关联概率的精确度,将量测信息设定为均值相同协方差不同的混合高斯分布。针对距离-多普勒量测的非线性性,利用无味卡尔曼平滑(UKS)算法进行多目标状态估计。仿真结果表明,对于FKIE外辐射源雷达数据集(杂波密度很高),所提算法的目标与航迹关联成功率高,抗杂波性能强,证明了算法的有效性。 相似文献
7.
9.
针对风电叶片叶根连接有限元建模方法进行研究,主要通过对比工程算法、整体有限元模型与1/N有限元模型的结果进行分析验证。首先对叶根钻孔连接采用工程算法进行理论计算,得到了螺栓的理论应力。接着分别建立整体模型与1/N模型,并对模型进行加载计算得到螺栓的有限元应力。通过对比发现,有限元与理论结果的偏差较小,从而证明两种建模方法都是可行的。采用整体模型计算与实际最为接近,但采用1/N模型更能减少工作量,提高效率。 相似文献
10.
目的 脑电图(electroencephalogram,EEG)是一种灵活、无创、非侵入式的大脑监测方法,广泛应用于运动想象脑机接口系统中,运动想象脑电图识别精度是决定系统性能的关键因素。然而由于脑电图采集时间长、个体差异大等原因,导致单个受试者可用于模型训练的样本数量少,严重影响了卷积神经网络在脑电图识别任务中的表现。为此,本文提出一种镜卷积神经网络(mirror convolutional neural network,MCNN)模型,使用集成学习与数据扩增方法提高运动想象脑电图识别精度。方法 在训练阶段,基于源脑电通过互换左右侧脑电通道构造镜像脑电,并与源脑电一起用于源卷积网络训练,有效扩增了训练样本;在预测阶段,复制已训练源卷积网络作为镜像卷积网络,将测试集中的源脑电输入源卷积网络,构造的镜像脑电输入镜像卷积网络,集成源卷积网络与镜像卷积网络输出的类别预测概率,形成最终类别预测。结果 为了验证模型的有效性和通用性,基于3种不同运动想象脑电图识别卷积网络模型分别构造镜卷积网络,并在第4届脑机接口大赛2a与2b数据集上进行实验验证。实验结果与原始模型相比,运动想象四分类和二分类准确率分别平均提高了4.83%和4.61%,显著提高了识别精度。结论 本文面向运动想象脑电图识别,提出了镜卷积神经网络模型,通过集成学习与数据扩增方法提高运动想象识别精度,有效改善了运动想象脑机接口性能。 相似文献