基于优化RBF-DDA神经网络的摄像机标定

设计了一种改进的基于动态衰减的RBF神经网络，它能够自适应地确定RBF隐层节点数、高斯函数中心值及径向基函数的宽度，克服了原算法中过多依赖先验知识设计参数的弊病，仿真实验验证了该算法的有效性。并且将此网络应用于摄像机定标中，该网络无需确定摄像机具体的内、外部参数，而且补偿了摄像机非线性畸变，使测量结果更加准确。实验结果表明，应用该神经网络进行摄像机标定能达到较高的精度，且在机器人平面跟踪实验中得到了令人满意的结果。     

网络控制中基于FSMC观测器的时延补偿

针对网络控制系统中因存在通讯时延、网络诱导噪声及数据丢失等而可能引起系统性能降低或不稳定的问题,利用模糊滑模控制理论,在时延存在的情况下,基于观测器建立不确定网络控制系统模型;并利用预估方法对网络控制系统的时延进行补偿,从而保证系统的稳定。设计模糊滑模控制器（FSMC）来抑制网络控制系统中的诱导噪声及滑模面上的“抖动”,以及采用预估补偿策略处理网络中的时滞和数据包丢失等,可有效保证系统的稳定。仿真实例表明了该算法的合理性、有效性。     

PCNN和Otsu理论在图像增强中的应用

提出了基于改进的脉冲耦合神经网络(PCNN)与Otsu的图像增强新方法。该方法对PCNN进行了改进,而用改进后的PCNN进行图像去噪处理,继而用Otsu方法寻找最佳灰度阈值后进行图像增强。仿真实验表明,该方法滤波后信噪比(PSNR)为18．9305,而高斯滤波为5．4087;同时又能根据图像灰度性质自动选取最佳阈值,并对自适应分割后图像进行不同的灰度变换,使图像得到有效增强。仿真结果证明了该方法的有效及合理性。     

基于图像引力和Mumford-Shah模型的曲线演化算法

提出了一种图像引力和Mumford—Shah（M—S）模型的快速曲线演化算法,该算法分两步实现：首先利用图像引力,对参数主动轮廓线模型中的控制点进行寻优,使控制点能快速地收敛到图像的边缘附近;然后利用插值算法,得到目标较粗糙的大致轮廓,再使用M—S模型和窄带方法得到准确的轮廓。该算法避免了参数主动轮廓线模型不能收敛到物体凹陷的边缘和对初始位置敏感等问题,也避免了M—S模型需要对所有图像数据进行计算,计算量大等问题,实现了对参数和几何主动轮廓线模型进行了有效结合。     

AHP-TFN在反应-再生系统FTA模型定量分析中的应用

FTA(故障树)分析法是故障诊断领域的一种重要方法,但它在定量分析的过程中存在着基本事件(使用Xi代替,下同)故障概率不确定而无法直接获取的问题。为此本文引入层次分析法(AHP)和三角模糊数(TFN)理论,利用Xi的故障率(次/106小时)和评价者自身存在的模糊性,通过层次分析法得出Xi的故障概率基础数据,通过三角模糊数理论求得Xi的故障概率三角模糊数,从而解决了FTA定量分析中存在的问题,并将AHP-TFN应用到催化裂化装置中完成了反应-再生系统FTA模型的定量分析。     

从时尚唯美走向地域理性——演进中的新世纪哈尔滨建筑创作启示

以2000～2010年哈尔滨10年城市发展历程为对象,梳理哈尔滨建筑创作从"新古典"到"新折中"、现代唯美主义的时尚演绎以及新本土主义的地域风情3种设计潮流.反思建筑创作的经验和教训,为建筑创作的健康发展做出理论探讨.     

动漫时代,建筑审美教育遭遇的困境

建筑审美是建筑学专业学习内容的一个重要组成部分,对提高学生建筑设计水平和鉴赏力意义重大。由于动漫时代特有信息环境的影响,建筑审美教育在今天陷入了困境。该文运用归纳、演绎、列举实例和对比研究等方法,详细分析了审美教育困境产生的时代背景、对其产生影响的诸多社会人文现象、审美困惑在审美能力和价值取向两方面的表现,并最终提出了摆脱困境具体方案之前的三项准备工作。     

生化处理装置效果分析

介绍了曝气池处理水质情况,氧化沟处理原理,对氧化沟建成前后水质处理效果进行了分析。     

自适应多滤波器的高效卷积算子目标跟踪算法

针对单一滤波器难以适应复杂变化的目标跟踪环境的问题,本文在高效卷积算子目标跟踪算法的基础上,提出了自适应多滤波器的目标跟踪算法。该算法使用时空正则化滤波器、一致性检验滤波器和高效卷积算子算法中的相关滤波器分别与目标特征进行卷积,得到三个滤波检测得分。其中,时空正则化滤波器是通过将时间正则化引入相关滤波损失函数而得到;一致性检验滤波器是通过反向定位前几帧目标,比较反向与正向定位坐标的误差,只有误差小于阈值时才更新滤波器;选择峰值旁瓣比最大滤波检测得分,估计目标的位置。使用OTB-2015数据集和UAV123数据集对改进算法进行测试,实验结果表明,本文算法能够更好地适应跟踪过程中的复杂变化的环境,具有较高的精度和鲁棒性。     

基于脉冲耦合神经网络和遗传算法的图像增强

提出了基于脉冲耦合神经网络（PCNN-Pulse Coupled Neural Network）与遗传算法的图像增强算法．对PCNN模型进行了改进使之更适用于图像处理,并利用遗传算法的全局寻优能力自动搜索图像的最佳灰度阈值,再对图像进行处理．该算法既可有效地去除噪声,又能根据图像灰度性质自动选取最佳阈值,并对自适应分割后图像进行不同的灰度变换,从而实现了图像的自适应增强．试验结果表明,该算法显著提高了图像增强效果．