基于逆透视变换的条播作物早期作物行识别

根据条播作物田间作业的对行要求,提出了一种新的作物行检测方法.首先通过选取透视图像中底部区域进行垂直投影,获得透视图像中作物行的边缘点并进行逆透视变换,然后基于逆透视变换算法消除图像几何失真,利用骨化算法求取逆透视图像中作物行的骨架线交点集,在逆透视变换图像中根据边缘点对骨架线交点集进行划分,最后对交点集分类后的作物行进行拟合,以获取不同的作物行.通过对300幅不同生长条件下的小麦作物行图像进行识别试验,其行识别拟合结果表明:作物行拟合的平均误差为2.136 7°,标准差为1.024 3°,平均耗时为0.364 7 s,能够满足实时工作要求.

U-正交变换的可逆实现及其图像无损编码

把U-正交变换应用到图像无损编码中,研究U-正交矩阵的基本三角可逆矩阵(TERM)分解与单行基本可逆矩阵(SERM)分解.一个N阶U-正交矩阵的TERM分解由N-1个自由变量决定,用区间收缩方法可以搜索到TERM分解的局部近似最优解.如果用行交换方法搜索正交矩阵的SERM分解,那么一个8阶的正交矩阵最多只有40320种可能的SERM分解,用穷举法即能找到SERM的近似最优分解.最后,用U-正交矩阵的可逆分解对图像进行无损编码,实验表明可逆U-正交变换的无损编码的码率与浮点U-正交变换的近似无损编码的码率基本相同,SERM分解要比TERM分解更有效,三次U-正交变换的编码效果与离散余弦变换的编码效果几乎完全相同.因此,在图像无损编码中,可用三次U-正交变换代替DCT.

用行列逆变换配对法求特征值

高阶矩阵特征值涉及一元高阶方程,计算量大且容易出错,方法不容易掌握。文章分析了初等变换与相似矩阵之间的关系,探讨了用行列逆变换求高阶矩阵特征值的方法,并通过例子给予说明。

按行搜索的可控性分解

为了对系统更方便地进行极点配置、解耦控制、设计状态观测器,通过按行搜索的方法,对线性时不变系统进行了可控性分解,并利用可逆线性变换、线性相关性等知识证明可控性分解定理。通过实例说明了该方法的可行性。

一种基于逆序编码的关联规则挖掘研究

为了提高关联规则挖掘的存储和挖掘效率,该文设计了一种基于逆序编码的Apriori改进算法BF-Apriori。该算法通过分析项目的概率分布并对其进行排序,经行向量逆序编码为二进制数后降低了项目读取的开销和存储开销,同时采用切片运算和剪枝技术降低了规则挖掘运算的时间复杂度。实验结果表明,BF-Apriori算法提高了数据挖掘算法中项目集的存储效率和运算速度。

基于概率分布及维度编码的关联规则挖掘

设计一种基于二进制数及项目的支持度分布的Apriori改进算法BF-Apriori。该算法通过分析项目的概率分布并对项目集中的项目按概率从大到小进行排序,经维度编码为二进制数后,降低事务数据库的读取开销和存储开销,同时采用切片运算和剪枝技术降低规则挖掘运算的时间复杂度。实验结果表明,BF-Apriori算法降低了50%左右的存储开销及400%以上的执行时间,能提高数据挖掘的存储效率和运算速度。

可逆矩阵算法研究

矩阵是线性代数中的一个重要组成部分,可逆矩阵在矩阵理论与应用中占有重要的地位.研究了利用线性方程组,行列同时变换法,分块矩阵法,Hamilton-Caylay定理求解逆矩阵的算法,得到了精确解,结论为可逆矩阵的算法研究提供参考.