排序方式: 共有84条查询结果,搜索用时 15 毫秒
1.
基于LIN总线车灯控制系统的研制 总被引:3,自引:0,他引:3
于Local Interconnect Network(LIN)汽车总线技术,
在DP-51H单片机数据通信综合仿真实验仪上提供一个实现LIN-bus通讯网络软硬件调试/
仿真的环境, 综合考虑汽车在特殊环境下的工作性能, 研制了基于LIN协议的汽车车灯控制
系统. 该系统根据LIN协议开发设计了智能化主节点和从节点, 完成了主从节点的硬件选型
和电路设计以及软件分析和程序实现. 在车灯系统的设计中, 节点间的LIN通讯完全符合LIN
1.2规范协议, 该协议基于通用的UART/SCI硬件接口, 采用ISO9141单线传输标准, 采取单
主多从的总线型拓扑结构并提供方便的用户应用编程接口. 相似文献
2.
基于并行免疫遗传算法基因表达数据的动态模糊聚类 总被引:4,自引:1,他引:4
提出一种改进的并行免疫遗传算法, 通过在群体规模上引入“岛”的概念, 实现了可变的群体规模; 通过在适应度函数内引入免疫算子, 避免了算法过早收敛. 因此, 解决了寻优算法中局部收敛的困扰, 提高了获得全局最优解的几率. 把此算法应用于斯坦福大学酵母细胞周期表达数据库的数据进行共表达聚类, 并将实验结果与Spellman按照功能基因组学进行聚类所得结果进行了对比, 证明了所给算法在功能基因组
学聚类上的有效性. 相似文献
3.
设计一种基于AP聚类算法和SVM分类器相融合的新的混合分类器, 使用AP聚类算法优化数据集, 得到了高质量、 小样本的SVM分类器训练集. 实验结果表明: 与传统的SVM分类器相比, 混合分类器具有更高的分类精度; 在心脏病预测上, 该分类器的效果较好. 相似文献
4.
视频流中的自适应阈值模板匹配车辆检测算法 总被引:1,自引:0,他引:1
在传统帧差法的基础上, 通过对帧差法得到的感兴趣区域进行阈值处理, 得到用白色代表前景、 黑色代表背景的黑白二值图像, 并设计了自适应阈值模板匹配车辆检测算法从黑白二值图像中定位出运动车辆. 实验结果表明, 该算法简单, 容易实现, 能准确定位车辆. 相似文献
5.
给出一种基于ADI Blackfin系列数字信号处理器的人像考勤系统设计方案. 在此基础上, 归纳了嵌入式有限资源限制下人像识别算法的实现策略,解决了算法移植过程中从C++到C的转换问题, 并提出了通过修改连接描述文件重新配置存储资源的方法, 从而缓解了大数据量与芯片上有限存储资源之间的矛盾. 测试结果表明, 移植后人像识别算法的运行结果和速度都满足使用要求. 相似文献
6.
味觉信号的特征抽取 总被引:2,自引:0,他引:2
周春光 《吉林大学自然科学学报》1994,(2):25-28
本文叙述了对味觉信号进行特片抽取和选择的方法,并基于神经方法对五味信号进行模式识别,取得取较为满意的效果,该方法也适于一般三维图形的特征抽取,识别的应用场合。 相似文献
7.
频繁序列模式挖掘算法 总被引:5,自引:0,他引:5
为解决从数据库中挖掘长模式和支持度较低时可能遇到计算复杂度较高的问题,提出一种新的算法--EFSPAN(Effective Frequent Sequential PAtterN mining algorithm).算法采用了深度优先挖掘策略,并将基于前缀序列格的深度优先遍历与两种高效的剪枝策略相结合.实验结果表明:新算法在模式较长和支持度较低时,能使搜索空间中60%以上的节点免被搜索;从而大大缩小了搜索空间,降低了序列模式挖掘算法的计算复杂度. 相似文献
8.
基于粗糙集和证据理论的决策规则提取 总被引:1,自引:1,他引:1
提出一种基于粗糙集和证据理论的两阶段决策规则提取算法, 该算法首先利用粗糙集中属性缩减的思想, 找出每条规则中的重要条件属性集合, 然后再基于证据理论中证据结合的思想进一步去掉重要条件属性集中的冗余条件属性, 从而得到最终的决策规则. 所给算法简化了属性集的约简, 对高维数据也是可行的. 实验结果表明, 利用该算法能够挖掘出高质量的决策规则. 相似文献
9.
求解约束优化问题的一种新的进化算法 总被引:17,自引:2,他引:17
针对约束优化问题引入半可行域的概念, 提出竞争选择的新规则, 并改进了基于竞争选择和惩罚函数的进化算法的适应度函数; 结合粒子群优化(PSO)算法本身的特点, 设计了选择算子对半可行域进行操作, 从而得到一个利用PSO算法求解约束优化问题的新的进化算法. 实验证明了算法的有效性. 相似文献
10.
粗糙集模糊神经网络味觉信号识别系统 总被引:1,自引:0,他引:1
针对C-means聚类算法和减法聚类算法的不足,提出了一种模糊神经网络味觉信号识别系统模型,该模型利用粗糙集的离散化算法和规则提取算法获得数量较少的分类规则,将这些分类规则转化为模糊IF-THEN规则,进而通过这些模糊IF-THEN规则确定网络结构.网络输出采用投票机制,使用粒子群优化方法精炼网络参数,与常用的提取模糊if-then规则的算法相比,该方法只有一个参数且易于实现.实验结果表明:该方法可获得更简洁的系统表示,并且通过选择合适的系统参数可使系统对加噪声训练样本的错误识别率降低5%左右. 相似文献