该类方法主要指的是活动轮廓模型（active contour model）以及在其基础上发展出来的算法，其基本思想是使用连续曲线来表达目标边缘，并定义一个能量泛函使得其自变量包括边缘曲线，因此分割过程就转变为求解能量泛函的最小值的过程，一般可通过求解函数对应的欧拉(Euler．Lagrange)方程来实现，能量达到最小时的曲线位置就是目标的轮廓所在。
标签： 图像处理
上传时间： 2016-03-07
上传用户：2009dd
论文首先对基本定位算法如基于小区编号、接收信号场 强、到达时间到达时间差、到达角度、混合定 位方法等的原理，误差消除及处理，还有与混合定位方法相关的数据 融合技术进行了简单介绍。随后分析介绍了国内外最新的定位算法及 优化点，如约束极小化定位算法、基于向量机的模式识别定位 算法和指纹定位算法等，优化点有在基于指纹定位方法的基础上考虑 马尔科夫模型，方法基础上考虑功率加权算法，滤波方面考虑滑 动窗技术等。
上传时间： 2017-03-15
上传用户：rocket1122
遗传算法，模拟达尔文进化论的自然选择和遗传学机理的生物进化过程的计算模型，一种选择不断选择优良个体的算法。谈到遗传，想想自然界动物遗传是怎么来的，自然主要过程包括染色体的选择，交叉，变异（不明白这个的可以去看看生物学），这些操作后，保证了以后的个体基本上是最优的，那么以后再继续这样下去就可以一直最优了。
上传时间： 2017-06-12
上传用户：tian610115
人脸检测是人脸分析的首要环节，其处理的问题是确认图像（或影像）中是 否存在人脸，如果存在则对人脸进行定位。人脸检测的应用领域相当广泛，是实 现机器智能化的重要步骤之一。 AdaBoost 算法是 1995 年提出的一种快速人脸检测算法，是人脸检测领域里 程碑式的进步，这种算法根据弱学习的反馈，适应性地调整假设的错误率，使在 效率不降低的情况下，检测正确率得到了很大的提高。 本论文第一章和第二章简述了人脸检测的一般情况，第三章对一些人脸检测 的经典方法进行了说明。 第四章讲述了 AdaBoost 算法的发展历史。从 PCA 学习模型到弱学习和强 学习相互关系的论证，再到 Boosting 算法的最终提出，阐述了 Adaptive Boosting 算法的发展脉络。 第五章对影响 AdaBoost 人脸检测训练算法速度的至关重要的两方面：矩形 特征和积分图的概念和理论进行了仔细的阐明。 第六章给出了 AdaBoost 的算法，并深入探讨了其中的一些关键问题——弱 学习器的构造、选取等问题。 最后一章，用编写的实现了 AdaBoost 算法的 FáDèt 程序，给出了相应的 人脸检测实验结果，并和 Viola 等人的结果做了比较。
上传时间： 2018-01-29
上传用户：dragon000008
本书是一部设计与分析领域的经典著作，着重介绍了计算机算法设计领域的基本原则和根本原理。书中深入分析了一些计算机模型上的算法，介绍了一些和设计有效算法有关的数据结构和编程技术，为读者提供了有关递归方法、分治方法和动态规划方面的详细实例和实际应用，并致力于更有效算法的设计和开发。同时，对NP完全等问题能否有效求解进行了分析，并探索了应用启发式算法解决问题的途径。另外，本书还提供了大量富有指导意义的习题。
标签： 算法分析
上传时间： 2018-04-28
上传用户：jakewyh
在微电网调度过程中综合考虑经济、环境、蓄电池的 循环电量，建立多目标优化数学模型。针对传统多目标粒子 群算法(multi-objective particle swarm optimization，MOPSO) 的不足，提出引入模糊聚类分析的多目标粒子群算法 (multi-objective particle swarm optimization algorithm based on fuzzy clustering，FCMOPSO)，在迭代过程中引入模糊聚 类分析来寻找每代的集群最优解。与 MOPSO 相比， FCMOPSO 增强了算法的稳定性与全局搜索能力，同时使优 化结果中 Pareto 前沿分布更均匀。在求得 Pareto 最优解集 后，再根据各目标的重要程度，用模糊模型识别从最优解集 中找出不同情况下的最优方案。最后以一欧洲典型微电网为 例，验证算法的有效性和可行性。
上传时间： 2019-11-11
上传用户：Dr.赵劲帅
本书以并行计算为主题，主要讨论并行计算的硬件基础— ——当代并行计算机系统及其 结构模型，并行计算的核心内容— ——并行算法设计与并行数值算法以及并行计算的软件支 持—— —并行程序的设计原理与方法。本书强调融并行机结构、并行算法和并行编程为一 体，着重讨论并行算法的设计方法和并行数值计算算法，力图反映本学科的最新成就和发 展趋势。
上传时间： 2020-03-17
上传用户：hhhmty
恒定转弯率与速度模型的扩展卡尔曼交互式多模型的滤波跟踪算法。
上传时间： 2021-07-22
上传用户：迷途在北极的鱼
蚁群算法基本模型STEP1（外循环）若满足算法停止规则，停止计算，输出计算得到的最好解给定外循环的最大数目，表明有足够的蚂蚁工作当前最优解连续K次相同而停止，K是给定的整数，表示算法已收敛◆给定优化问题的下界和误差值，当算法得到的目标值同下界之差小于给定的误差值时，算法终止否则使蚂蚁s（1≤s≤m）从起点出发，用L（S）表示蚂蚁S行走的城市集合，初始L（s）为空集。设m只蚂蚁在图的相邻节点间移动，协作异步地得到解。蚂蚁计算出下一步所有可达节点的一步转移概率，并按此概率实现一步移动，依此往复。一步转移概率由图中每条边上的两类参数决定：信息素值、可见度（即先验值）。信息素的更新有2种方式：挥发——所有路径上信息素以一定比率减少增强——给评价值“好”（有蚂蚁走过）的边增加信息素蚁群算法基木模型令我们以求解平面上n个城市的TSP问题（1，2，…，n）表示城市号为例说明ACA的模型。n个城市的TSP问题就是寻找通过n个城市各次且最后回到出发点的最短路径蚁群算法研究现状令ACA是模拟自然界中真实蚁群的觅食行为而形成的一种模拟进化算法。10年多来的研究结果已经表明：ACA用于组合优化具有很强的发现较好解的能力，具有分布式计算易于与其他方法相结合、鲁棒性强等优点，在动态环境下也表现出高度的灵活性和健壮性。在求解TSP、QAP问题方面，与遗传算法、模拟退火算法等算法比较，ACA仍是最好的解决方法之一。
标签： 蚂蚁算法
上传时间： 2022-03-10
上传用户：
1.针对一类参数未知的非线性离散时间动态系统，提出了一种新的基于神经网络的MMAC方法。首先，将系统分为线性部分和非线性部分。针对系统线性部分采用局部化方法逮立多个固定模型覆盖系统的参数范围，在此基础上，建立自适应模型来提高系统性能；针对系统非线性部分建立非线性神经网络预测模型来邏近系统的非线性。然后，针对每个子模型设计相应的擅制器。最后，设计基于误差范数形式的性能指标函数对控制器进行硬切换。仿真结果表明，所提出的MMAC方法与传统的在参数空间均匀分布的MMAC方法相比能显著提高非线性系统的暂态性能。2针对一类具有参数跳变的非线性离散时间动态系统，提出子一种基才聚类方法和神经网络的MMAC方法，首先，采用模糊c均值聚类算法对系统先验数据进行分类处理，再分别对每类数据采用RLS算法建立多个固定模型。在此基础上，建立两个白适应模型来提高系统响应速度和控制品质，建立神经网络预测模型来补偿系统非线性。然后，分别针对相应的子模型设计线性鲁棒自适应控制器和神经网络控制器。最后，采用基于信号有界和测量误差的性能切换指标对控制器进行切换，并证明闭环系统的稳定性。仿真结果表明，所提出的算法能更好地解决非线性系统发生参数跳变问题，使得系统具有良好的控制品质3.针对MMAC方法中的模型库优化问题，考虑系统实际运行数据，提出了种基于相似度准则和设置最大模型数的动态优化模型库方法。该方法能对新数据进行综合考量并判断是否应该将该数据纳入子模型建模，并通过设置最大模型数来确保系统用最少的子模型就能保证系统的控制性能。仿真结果表明，所提出的算法能极大地减少子模型数量且具有较好的控制效果。关键词：非线性系统；多模型方法；自适应控制；模糊聚类；神经网络
标签： 自适应控制
上传时间： 2022-03-11
上传用户：
