简介：当前主流的运动目标检测方法存在计算量大、计算速度慢和无法实时检测等问题。本文以室外场景下的视频作为研究对象,在特征提取方面利用HOG特征和颜色特征相结合的特征融合方法,使用主成分分析法对特征维度进行降维,克服了单特征描述能力不全面的问题和多个特征数据量大的问题;在分类器设计方面,本文使用经过调优结构后的BP神经网络,克服了模式识别检测时间长的问题。实验结果表明,该算法相对于当前主流的HOG+SVM算法,在INRIA运动目标数据库上对运动目标的检测率达到92%,且速度较快。
简介：针对目前电子装配车间自动化水平低、传统作业过程中产品加工装配效率低下的问题，提出了一种适用于电子装配车间生产智能排程的改进遗传退火算法。首先，根据电子装配车间特点建立了车间排程的数学模型，该模型以最小化最大完成时间和客户满意度指标为总目标函数。其次，在遗传算法的基础上，引入了模拟退火的思想，以模拟退火替代变异操作保证基因的多样性，引入了最优解存储器，保证适应度值一直往最优化方向发展。最后，采用FT06基准问题数据验证了遗传退火算法的有效性，并给出了动态干扰下的再调度方法及甘特图。
简介：利用无线射频识别技术实现电动车防盗,已经在很多城市得到良好的运用,挖掘电动车的过车数据,从中发现用户行为规律,挖掘有价值的潜在信息,具有非常重要的意义。本文研究了基于RFID的电动车运行数据的挖掘和分析算法,给出了频繁轨迹模式的定义,提出利用带权无环图计算频繁轨迹的方法。经实际验证,该挖掘算法的结果符合现实状况。
基于神经网络的运动目标检测算法研究
电子装配物联制造中智能排程算法研究
基于RFID的电动车运行轨迹频繁模式挖掘算法研究
