求解三维装箱问题的多层树搜索算法

提出了一种求解三维装箱问题的多层树搜索算法,该算法采用箱子–片–条–层–实体的顺序生成装载方案,装载方案由实体表示.该算法由3层搜索树构成.第1层为三叉树,每个树节点的3个分叉分别对应向实体中填入XY面平行层、XZ面平行层、YZ面平行层;第2层为二叉树,每个树节点的两个分叉分别对应向层内装载两个相互垂直的最优条;第3层为四叉树,用于将同种的多个箱子生成片.在同时满足摆放方向约束和完全支撑约束的前提下,该算法求解BR12~BR15得到的填充率高于现有装箱算法.

基于IAPF与多层Morphin搜索树的移动机器人路径规划

针对传统人工势场法(artificial potential field,APF)的易出现振荡、死区、局部极小值等缺陷。提出一种结合机器人位置、速度、加速度及障碍物位置等信息的改进人工势场法(improved artificial potential field,IAPF)。利用Morphin算法计算效率高、易结合全局路径规划算法的优点,提出一种多层Morphin搜索树算法。首先,利用改进人工势场法完成路径的全局规划,在此基础上在障碍物附近用多层Morphin搜索树算法进行路径规划。利用MATLAB仿真测试表明,所提出的改进人工势场法与多层Morphin搜索树的混合算法,在移动机器人自主路径规划中,能有效缩短路径长度,提高到达目标点的效率,高效完成路径规划。

改进的多层判别回归树算法及其在遥感图像分析中的应用

该文针对高维数据的快速聚类与回归问题及其在遥感图像分析中的应用等问题进行研究 .文中分析了改进的多层判别回归树的输入空间和和输出空间的联系 ,设计了改进的多层判别回归树的构造和检索算法 ,并且分析了它们的算法复杂度 ,还给出了系统实现和测试结果 ,最后在巡航导弹的地形匹配制导或弹道校正、遥感图像的城市绿化面积的估算以及纹理分析等应用领域进行了实践 .

基于多粒度级联多层梯度提升树的选票手写字符识别算法

针对传统算法如模板匹配法、支持向量机(SVM)在智能选举计票系统手写字符识别上准确率低的问题,提出一种基于多粒度级联多层梯度提升树方法进行准确又快速的选票手写字符识别的算法。首先,利用多粒度扫描的方式,通过设置多种大小不同的采样滑动窗口对图片进行逐步采样,得到特征子样本,再经过随机森林转换并拼接得到比原始数据更加抽象和健壮的再表征向量;再利用级联的多层梯度提升树,对得到高阶特征的表征向量进行逐层训练得到模型,根据多层梯度提升树对字符进行识别分类;最后,对于具有二义性符号,通过提出的阈值判别法进行判断,对有二义性的符号,则进行人工审查,反之直接输出,保证识别结果的高准确率。实验结果表明,该算法相比模板匹配方法、SVM算法在准确率上均有很大提高;与gcForest相比,该算法在测试准确率上平均提升了5.29%;与CNN相比,测试准确率上平均提升了3.3%,在训练时间上缩短了89.24%,测试识别耗时减少了48.61%。

基于图像显著性区域的遥感图像机场检测

针对已有方法对图像逐像素进行分析的不足,将人眼的注意力选择计算模型引入到遥感图像的机场目标检测中,提出一种基于图像显著性区域的遥感图像中机场目标检测与识别的方法,以提高自动目标检测的效率.首先利用霍夫变换对遥感图像中是否存在机场目标进行初步筛选,然后利用改进后的基于图像的视觉显著性模型提取显著性区域,根据区域上的尺度不变特征变换特征并结合多层分类回归树完成机场目标的识别.实验结果表明,该方法比现有的其他机场检测方法具有速度快、识别率高、虚警率低的特点,同时对噪声有较强的鲁棒性.

基于多层Morphin搜索树的UGV局部路径规划算法

以地面自主车辆(UGV)为实际应用背景,提出了一种基于多层Morphin搜索树的局部路径规划算法.该算法结合车辆非完整性约束构造多层Morphin搜索树,通过模糊Q学习进行动态行为控制的学习,并以此为依据对搜索树进行评估,从而得到一条具备车辆非完整约束的平滑可跟踪路径,克服了传统Morphin算法搜索轨迹不灵活的缺点.最后,通过仿真实验以及实车实验验证了算法的有效性和正确性.

不确定信息下雷达系统效能评估方法

为了对雷达系统进行正确的效能评估,提出一种将偏好规划引入到雷达系统效能评估中的方法。该方法引入偏好规划理论,采用多层值树进行建模,将RICH法的应用范围拓展到多层值树的求解中,提出了基于多层值树的权重算法,并对雷达系统效能评估进行仿真示例验证。仿真结果证明,该方法有效,可在不确定信息条件下对雷达的效能优劣进行排序。

不完全信息下战斗机综合作战效能评估方法

为了处理评估过程中的不完全信息,将偏好规划理论引入到战斗机作战效能评估研究中,在RICH方法基础上,提出了一种不完全信息下战斗机综合作战效能评估方法。并将RICH法使用范围进行拓展,讨论了更适合效能评估的多层值树的RICH法使用问题。最后,通过一个效能评估仿真示例对方法进行了验证。结果表明,该效能评估方法在不完全信息条件下有效。

UCAV环境感知中路标选取及定位方法

为实现无人作战飞机(unmanned combat aerial vehicles,UCAV)认知导航环境感知中路标的选取和位置求解,提出一种基于增量多层判别回归(incremental hierarchical discriminant regression,IHDR)树的路标选取和定位方法。利用快速鲁棒性特征(speeded up robust feature,SURF)算法提取的特征点描述矢量及其在地理空间中的位置组合为路标信息,构造IHDR树,实现已感知信息的存储记忆。UCAV进行环境感知时,若路标信息已知,以已知路标描述矢量对IHDR树检索,通过已知路标位置与检索输出位置之间误差的大小进行路标选取。若路标信息未知,以SURF算法提取环境中路标的描述矢量,并对IHDR树检索,通过比值法对输出路标进行提纯,以提纯后路标的位置作为对应路标的定位结果输出。仿真结果表明,该方法可有效选取设定位置误差内的路标,低噪声干扰下路标的定位具有高正确率。

自适应注意力选择与脉冲耦合神经网络相融合的沙漠车辆识别

针对现有车辆识别模型不适用于沙漠背景的不足,提出一种基于自适应四元数注意力选择模型与脉冲耦合神经网络相融合的车辆识别算法.首先建立自适应四元数注意力选择模型,将图像背景、颜色、亮度等多方面信息并行处理计算注意力显著图,并利用图像缩放与双线性插值提升计算效率;然后将显著图输入脉冲耦合神经网络,利用神经元脉冲传播特性提取感兴趣区域;最后提取区域尺度不变特征并结合多层分类回归树完成目标识别.实验结果表明,该算法计算时间短、区域提取完整、识别虚警率低;以分辨率0.6m×0.6m的沙漠图像为例,文中算法较形态学及支撑向量机算法识别率分别提升了5.8%和15.4%.

旅游服务组合的费用-效用分析决策方法

在目前的动态服务组合研究中,几乎没有涉及到服务组合的费用问题,也没有进行费用-效益分析.针对这些情况,首先提出了服务组合费用-效益分析决策框架,然后以旅游服务组合为对象,利用基于RICH的多层值树对其进行建模,并根据多层值树的特点,提出了一种权重极值的计算方法.信任值的多种不确定性,用区间值进行建模,并给出了信任值的产生和聚合方法.在进行费用-效益分析时,通过计算不同费用标准下的成本效率服务组合获得成本效率集合,在此基础上,依据用户偏好和决策准则作出决策.针对组合爆炸问题,提出一种优超算法.最后通过仿真验证该方法的有效性.

带有遗忘的视觉记忆模型及其在注意力选择上的应用

在我们以前提出的注意力选择模型上,提出一个带有学习和遗忘的视觉记忆模型:遗忘增量多层分类回归树,来模拟人脑的长短期记忆.同时自监督竞争神经网络综合自下而上和自上而下的信息找到注意力的焦点,该网络各个神经元的连接权根据环境变化在线调整,从而实现整个网络的在线学习.实验证明,该模型能够模拟人的注意力转移,并能在变化的环境中,有意识地盯住感兴趣的物体.