路径识别的神经网络算法研究

飞思卡尔智能车是由电磁传感器检测车身偏离导线的偏差量,配合舵机和电机的动作来实现自动循迹。针对智能车循迹过程中偏差量准确计算的难点,提出了神经网络路径识别算法。采用四个电感线圈作为路径识别的传感器,将四路传感器的感应信号值作为多层前馈神经网络的输入值,理想偏差量作为多层前馈神经网络的目标输出值,在matlab环境下进行训练,得到微控制器所需的参数值。将此算法移植到智能车的应用上,计算得出的偏差量与实际偏差量的误差在±1cm以内。

基于Hubble.Net的加密文档检索系统

针对当前企业对文档保密与检索功能的双重需求,提出一种添加模糊匹配Hubble.Net保密文档专用检索阅读方法。采用AES(Advanced Encryption Standard)加密算法对将加密文档提取的流信息流进行加密,使用Hubble.Net与对加密文档进行检索时,而模糊匹配算法的使用大大增加了字符比对的容错性,在保证文档加密的同时兼顾了文档位置定位、关键字定位等文档检索功能。在检索速度及精度方面,要优于现有的方法。