一种基于预测模型的均值偏移加速算法

为了减少均值偏移算法的计算量,提出一种基于预测模型的均值偏移加速算法．根据迭代序列不同的 收敛特点,建立收敛预测模型,通过减少每次迭代时矢量离收敛点的距离来实现加速．从理论上证明了其收敛速度 比原均值偏移算法快,实验结果也进一步表明,该算法明显地提高了收敛速度,同时可以保证跟踪的准确性．     

一种基于目标和背景加权的目标跟踪方法

Mean shift算法在实际应用中,若目标部分被遮挡或有背景因素干扰,则跟踪精度会降低.鉴于此,将背景和目标本身分别进行加权,通过背景加权改善对目标特征的描述,对目标的不同部位赋予大小不等的权值,有效地提高了Bhattacharyya系数值.从原算法对目标模型的描述出发,将其加入到Mean shift算法的数学模型表达式中.通过算法改进前后的实验结果以及跟踪偏差和迭代次数的比较发现,跟踪效果得到了明显改善.     

基于多信息融合自适应粒子滤波的目标跟踪算法

粒子滤波是一种可在非线性和非高斯情况下进行状态估计的有效方法,基于单特征粒子滤波跟踪算法在目标跟踪中的应用及存在的不足,针对颜色信息在光照变化和相似背景务件下存在的缺点,为了仍能对目标进行有效地跟踪,加入纹理信息来表示目标,并给出基于目标的颜色特征和纹理特征多信息融合的自适应粒子滤波算法,使用三种量测模型并给出具体的算法和实验结果,实验证明此方法与仅基于颜色粒子滤波跟踪方法相比,在计算量增加不多的情况下大大改善了跟踪的性能和鲁棒性.     

基于可拓学及模糊聚类分析的空气污染预测

为预测未来几年某地区的空气质量,提出了一种基于可拓学的模糊聚类方法.该方法利用污染指数和某地区历年三大产业产值以及人口总数构造经典域和节域物元,应用物元和可拓集合中的关联函数建立预测模型,利用样本之间的模糊关系分析样本之间的关联程度,将精确的数学方法和模糊概念结合起来,给出了模糊聚类分析对各年空气污染物样本进行分类的步骤.