該類方法主要指的是活動輪廓模型（active contour model）以及在其基礎上發展出來的算法，其基本思想是使用連續曲線來表達目標邊緣，并定義一個能量泛函使得其自變量包括邊緣曲線，因此分割過程就轉變為求解能量泛函的最小值的過程，一般可通過求解函數對應的歐拉(Euler．Lagrange)方程來實現，能量達到最小時的曲線位置就是目標的輪廓所在。
標簽： 圖像處理
上傳時間： 2016-03-07
上傳用戶：2009dd
論文首先對基本定位算法如基于小區編號、接收信號場 強、到達時間到達時間差、到達角度、混合定 位方法等的原理，誤差消除及處理，還有與混合定位方法相關的數據 融合技術進行了簡單介紹。隨后分析介紹了國內外最新的定位算法及 優化點，如約束極小化定位算法、基于向量機的模式識別定位 算法和指紋定位算法等，優化點有在基于指紋定位方法的基礎上考慮 馬爾科夫模型，方法基礎上考慮功率加權算法，濾波方面考慮滑 動窗技術等。
上傳時間： 2017-03-15
上傳用戶：rocket1122
遺傳算法，模擬達爾文進化論的自然選擇和遺傳學機理的生物進化過程的計算模型，一種選擇不斷選擇優良個體的算法。談到遺傳，想想自然界動物遺傳是怎么來的，自然主要過程包括染色體的選擇，交叉，變異（不明白這個的可以去看看生物學），這些操作后，保證了以后的個體基本上是最優的，那么以后再繼續這樣下去就可以一直最優了。
上傳時間： 2017-06-12
上傳用戶：tian610115
人臉檢測是人臉分析的首要環節，其處理的問題是確認圖像（或影像）中是 否存在人臉，如果存在則對人臉進行定位。人臉檢測的應用領域相當廣泛，是實 現機器智能化的重要步驟之一。 AdaBoost 算法是 1995 年提出的一種快速人臉檢測算法，是人臉檢測領域里 程碑式的進步，這種算法根據弱學習的反饋，適應性地調整假設的錯誤率，使在 效率不降低的情況下，檢測正確率得到了很大的提高。 本論文第一章和第二章簡述了人臉檢測的一般情況，第三章對一些人臉檢測 的經典方法進行了說明。 第四章講述了 AdaBoost 算法的發展歷史。從 PCA 學習模型到弱學習和強 學習相互關系的論證，再到 Boosting 算法的最終提出，闡述了 Adaptive Boosting 算法的發展脈絡。 第五章對影響 AdaBoost 人臉檢測訓練算法速度的至關重要的兩方面：矩形 特征和積分圖的概念和理論進行了仔細的闡明。 第六章給出了 AdaBoost 的算法，并深入探討了其中的一些關鍵問題——弱 學習器的構造、選取等問題。 最后一章，用編寫的實現了 AdaBoost 算法的 FáDèt 程序，給出了相應的 人臉檢測實驗結果，并和 Viola 等人的結果做了比較。
上傳時間： 2018-01-29
上傳用戶：dragon000008
本書是一部設計與分析領域的經典著作，著重介紹了計算機算法設計領域的基本原則和根本原理。書中深入分析了一些計算機模型上的算法，介紹了一些和設計有效算法有關的數據結構和編程技術，為讀者提供了有關遞歸方法、分治方法和動態規劃方面的詳細實例和實際應用，并致力于更有效算法的設計和開發。同時，對NP完全等問題能否有效求解進行了分析，并探索了應用啟發式算法解決問題的途徑。另外，本書還提供了大量富有指導意義的習題。
標簽： 算法分析
上傳時間： 2018-04-28
上傳用戶：jakewyh
在微電網調度過程中綜合考慮經濟、環境、蓄電池的 循環電量，建立多目標優化數學模型。針對傳統多目標粒子 群算法(multi-objective particle swarm optimization，MOPSO) 的不足，提出引入模糊聚類分析的多目標粒子群算法 (multi-objective particle swarm optimization algorithm based on fuzzy clustering，FCMOPSO)，在迭代過程中引入模糊聚 類分析來尋找每代的集群最優解。與 MOPSO 相比， FCMOPSO 增強了算法的穩定性與全局搜索能力，同時使優 化結果中 Pareto 前沿分布更均勻。在求得 Pareto 最優解集 后，再根據各目標的重要程度，用模糊模型識別從最優解集 中找出不同情況下的最優方案。最后以一歐洲典型微電網為 例，驗證算法的有效性和可行性。
上傳時間： 2019-11-11
上傳用戶：Dr.趙勁帥
本書以并行計算為主題，主要討論并行計算的硬件基礎— ——當代并行計算機系統及其 結構模型，并行計算的核心內容— ——并行算法設計與并行數值算法以及并行計算的軟件支 持—— —并行程序的設計原理與方法。本書強調融并行機結構、并行算法和并行編程為一 體，著重討論并行算法的設計方法和并行數值計算算法，力圖反映本學科的最新成就和發 展趨勢。
上傳時間： 2020-03-17
上傳用戶：hhhmty
恒定轉彎率與速度模型的擴展卡爾曼交互式多模型的濾波跟蹤算法。
上傳時間： 2021-07-22
上傳用戶：迷途在北極的魚
蟻群算法基本模型STEP1（外循環）若滿足算法停止規則，停止計算，輸出計算得到的最好解給定外循環的最大數目，表明有足夠的螞蟻工作當前最優解連續K次相同而停止，K是給定的整數，表示算法已收斂◆給定優化問題的下界和誤差值，當算法得到的目標值同下界之差小于給定的誤差值時，算法終止否則使螞蟻s（1≤s≤m）從起點出發，用L（S）表示螞蟻S行走的城市集合，初始L（s）為空集。設m只螞蟻在圖的相鄰節點間移動，協作異步地得到解。螞蟻計算出下一步所有可達節點的一步轉移概率，并按此概率實現一步移動，依此往復。一步轉移概率由圖中每條邊上的兩類參數決定：信息素值、可見度（即先驗值）。信息素的更新有2種方式：揮發——所有路徑上信息素以一定比率減少增強——給評價值“好”（有螞蟻走過）的邊增加信息素蟻群算法基木模型令我們以求解平面上n個城市的TSP問題（1，2，…，n）表示城市號為例說明ACA的模型。n個城市的TSP問題就是尋找通過n個城市各次且最后回到出發點的最短路徑蟻群算法研究現狀令ACA是模擬自然界中真實蟻群的覓食行為而形成的一種模擬進化算法。10年多來的研究結果已經表明：ACA用于組合優化具有很強的發現較好解的能力，具有分布式計算易于與其他方法相結合、魯棒性強等優點，在動態環境下也表現出高度的靈活性和健壯性。在求解TSP、QAP問題方面，與遺傳算法、模擬退火算法等算法比較，ACA仍是最好的解決方法之一。
標簽： 螞蟻算法
上傳時間： 2022-03-10
上傳用戶：
1.針對一類參數未知的非線性離散時間動態系統，提出了一種新的基于神經網絡的MMAC方法。首先，將系統分為線性部分和非線性部分。針對系統線性部分采用局部化方法逮立多個固定模型覆蓋系統的參數范圍，在此基礎上，建立自適應模型來提高系統性能；針對系統非線性部分建立非線性神經網絡預測模型來邏近系統的非線性。然后，針對每個子模型設計相應的擅制器。最后，設計基于誤差范數形式的性能指標函數對控制器進行硬切換。仿真結果表明，所提出的MMAC方法與傳統的在參數空間均勻分布的MMAC方法相比能顯著提高非線性系統的暫態性能。2針對一類具有參數跳變的非線性離散時間動態系統，提出子一種基才聚類方法和神經網絡的MMAC方法，首先，采用模糊c均值聚類算法對系統先驗數據進行分類處理，再分別對每類數據采用RLS算法建立多個固定模型。在此基礎上，建立兩個白適應模型來提高系統響應速度和控制品質，建立神經網絡預測模型來補償系統非線性。然后，分別針對相應的子模型設計線性魯棒自適應控制器和神經網絡控制器。最后，采用基于信號有界和測量誤差的性能切換指標對控制器進行切換，并證明閉環系統的穩定性。仿真結果表明，所提出的算法能更好地解決非線性系統發生參數跳變問題，使得系統具有良好的控制品質3.針對MMAC方法中的模型庫優化問題，考慮系統實際運行數據，提出了種基于相似度準則和設置最大模型數的動態優化模型庫方法。該方法能對新數據進行綜合考量并判斷是否應該將該數據納入子模型建模，并通過設置最大模型數來確保系統用最少的子模型就能保證系統的控制性能。仿真結果表明，所提出的算法能極大地減少子模型數量且具有較好的控制效果。關鍵詞：非線性系統；多模型方法；自適應控制；模糊聚類；神經網絡
標簽： 自適應控制
上傳時間： 2022-03-11
上傳用戶：
