基于图切割和密度聚类的视频行人检测算法

现有视频行人检测方法把行人检测看成一个有监督的两类(即行人和背景)学习问题,区分视频中的行人和背景,并不能很好解决行人的姿态变化和行人间的遮挡问题.文中提出基于图切割和密度聚类的行人检测算法,把行人检测看成一个多类的无监督学习过程.在训练阶段,首先对每个训练样本计算多级梯度方向直方图-局部二分模式(HOG-LBP)特征,然后对多级HOG-LBP特征所属的每个图像块分配不同的权值.为了区别行人的不同部位并赋权值,采用基于图像块的图分割方法从背景中分割行人所在的图像块.最后,再采用基于密度峰值的聚类算法对正样本和负样本分别进行无监督的聚类.在测试阶段,首先通过计算样本特征与每个聚类中心的距离,然后使用前5个最短距离进行投票,判断其是否包含行人.实验证明,文中算法较好解决行人的姿态变化和行人间的遮挡问题,并且随着训练样本的增加,能取得和目前最优行人检测方法可比较的结果.

基于奇异值分解的攻击检测

为有效解决协同过滤推荐系统中由托攻击影响导致的推荐准确率降低的问题,分析托攻击者的几种主要攻击行为特点,提出一种对用户-项目评分矩阵进行奇异值分解的方法。将托攻击者聚类,通过奇异值分解的方法分解评分矩阵,寻找攻击路径,剔除攻击者。实例仿真计算结果表明,该方法能有效阻止托攻击者对目标项分数的提高/降低,提高了托攻击检测的效果。

一种改进的基于RSSI最小二乘法和拟牛顿法的WSN节点定位算法

针对受周围环境影响的无线传感器网络定位精度等因素引起的测量误差问题,提出一种改进的基于RSSI最小二乘法和拟牛顿法的定位算法。本文首先利用最小二乘法预估未知节点的初步位置,再将节点位置作为拟牛顿算法的初始值进行迭代计算,得到更为精确的节点位置。仿真结果证明,该算法能有效地抑制测距传播误差,提高传感节点的定位精度。

基于主元和判别集成分析的模拟电路故障诊断

提出了主元和线性判别的集成分析算法以实施模拟故障数据的特征提取过程和方法.该集成分析方法首先对模拟故障数据进行主元分析,然后在主元变换空间实行线性判别分析,最后将所获得的最优判别特征模式应用于模式分类器进行故障诊断.仿真结果表明,所提出的方法能够充分利用线性方法的计算简便优势,增强单一主元分析或线性判别分析的特征提取性能,获取故障数据集的本质特征,简化模式分类器的结构,降低系统运行的计算成本.