针对Harris算法在图像处理过程中特征点提取实时性和抗噪能力较差、计算量大的问题,提出一种结合像素点灰度差的Harris角点检测算法。
将被检测点与半径为3的邻近圆周上16个像素点作对比,以此计算非类似像素点的个数来确定候选角点,通过Harris角点响应函数提取角点,并结合SUSAN算法的思想去除伪角点。
实验结果表明,改进算法提高了原算法的实时性,增加了角点提取的数量,并且能有效去除大多数伪角点,提高图像角点检测的速度和正确性。
将被检测点与半径为3的邻近圆周上16个像素点作对比,以此计算非类似像素点的个数来确定候选角点,通过Harris角点响应函数提取角点,并结合SUSAN算法的思想去除伪角点。
实验结果表明,改进算法提高了原算法的实时性,增加了角点提取的数量,并且能有效去除大多数伪角点,提高图像角点检测的速度和正确性。
2015/8/21 4:41:46
1.05MB
1
针对通用滤波多载波（universalfilteredmulti-carrier，UFMC）系统采用滤波器而导致符号定时同步算法精确度偏低的问题，提出一种适合UFMC系统的符号定时同步改进算法。
该算法考虑了滤波器对符号的影响，提出一种用于符号定时同步的新的训练序列结构，并给出相应的定时测度函数的计算式。
新的训练序列结构消除了采用滤波器带来的平台效应，使得算法的定时估计功能得到改善。
仿真结果表明，改进算法的定时测度函数曲线在起始点有一个尖峰，提高了定时估计的精确度。
该算法考虑了滤波器对符号的影响，提出一种用于符号定时同步的新的训练序列结构，并给出相应的定时测度函数的计算式。
新的训练序列结构消除了采用滤波器带来的平台效应，使得算法的定时估计功能得到改善。
仿真结果表明，改进算法的定时测度函数曲线在起始点有一个尖峰，提高了定时估计的精确度。
2019/1/2 14:14:33
752KB
1
本文采用两种改进的算法:基于HSV的小波融合算法(HSV-WT)、基于区域特征的自适应小波包融合算法(AWP)分别对多光谱LandSatTM数据与全色SPOT-5数据、TM数据与ERS-2的合成孔径雷达SAR数据进行融合.融合结果表明两种改进算法融合后的数据在保持光谱信息和提高空间细节信息两方面均得到提高.当应用两种方法对同一组数据进行处理时,AWP的功能参数优于HSV-WT.这两种算法相对传统小波算法,能克服对高频信息处理的缺陷,突破待融合数据的分辨率比值限制,实现分辨率之比非2n的数据融合.
2019/7/10 3:36:03
1.85MB
1
(1)实现BF算法;(2)实现BF算法的改进算法:KMP算法和BM算法;(3)对上述3个算法进行时间复杂性分析,并设计实验程序验证分析结果。
2016/11/11 2:16:23
3KB
1
基于ROS的多目标A*改进路径规划算法研究，刘祎然，魏世民，针对挪动机器人，提出了一种基于A*改进的连续多目标路径规划算法，并在ROS环境下对改进算法进行仿真。
首先，分析了传统A*算法的原??
首先，分析了传统A*算法的原??
2017/4/14 16:35:09
391KB
1
针对用电过程中的盗电窃电问题，基于数据挖掘的思想提出了一种自动检测窃电行为的方法。
通过分析用户用电数据的特点，在循环神经网络（RNN）算法的基础上引入长短期记忆单元（LSTM），通过输入门、输出门与遗忘门等函数选择性地保留记忆单元的输入输出信息，改善算法训练时的梯度消失现象。
将RNN网路改进为并行化网络，将长时间序列的输入特征向量进行片段化处理，克服RNN网络在处理长序列时的信息丢失缺点。
使用国家电网的公开数据集进行仿真实验。
结果表明，在相同的时间复杂度下，相较于传统RNN网络，改进算法对窃电行为的识别精度提升到了92.85%，模型的交叉熵损失下降为0.253，AUC增长至0.871，算法的综合功能显著提升。
通过分析用户用电数据的特点，在循环神经网络（RNN）算法的基础上引入长短期记忆单元（LSTM），通过输入门、输出门与遗忘门等函数选择性地保留记忆单元的输入输出信息，改善算法训练时的梯度消失现象。
将RNN网路改进为并行化网络，将长时间序列的输入特征向量进行片段化处理，克服RNN网络在处理长序列时的信息丢失缺点。
使用国家电网的公开数据集进行仿真实验。
结果表明，在相同的时间复杂度下，相较于传统RNN网络，改进算法对窃电行为的识别精度提升到了92.85%，模型的交叉熵损失下降为0.253，AUC增长至0.871，算法的综合功能显著提升。
2021/9/2 6:54:54
1.41MB
1
通过新一代高级语言Julia实现标准粒子群算法，代码简约，注释全，可拓展性强可直接用于求解无约束工程优化问题，也可基于此代码进行算法学术改进，算法应用拓展输入：决策变量数，种群规模，粒子群算法参数，最大迭代次数输出：最优解，最优适应度，测试问题三维描述图，动态粒子群更迭图，收敛迭代图
2016/7/18 17:33:03
4KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB