尺度和旋转自适应的均值平移目标跟踪算法

针对不规则目标和背景区分度低的目标在跟踪过程中尺度和旋转自适应的问题,提出了基于前景概率密度函数和椭圆拟合的均值平移目标跟踪算法。首先依据初始化的目标窗口及其周围的背景区域建立前景概率密度函数,抑制跟踪窗口内的背景像素,建立可靠的目标模板;然后将前景概率密度函数引入均值平移的迭代过程,实现跟踪窗口的快速定位;最后计算跟踪窗口内各点的前景概率密度函数,反向投影为前景概率分布图,通过对该图的边缘提取和椭圆拟合,获得当前目标的位置、尺度和旋转信息,并将其用于对下一帧跟踪窗口的初始化。实验结果表明,该方法克服了背景干扰对跟踪窗初始定位和目标信息更新的影响,能够实现对目标尺度和旋转的自适应,具有跟踪稳定和实时性高的特点。

旋转自适应的多特征融合多模板学习视觉跟踪算法

目标发生旋转及遇到外界干扰时会给目标跟踪带来巨大挑战,针对该问题,文中提出旋转自适应的多特征融合多模板学习跟踪算法.首先,构建具有互补特性的多模板学习模型,全局滤波器模板用于跟踪目标,当判定滤波器模板确定全局滤波器模板被污染时,使用修正滤波器模板对全局滤波器模板进行修正.然后,将颜色直方图作为视觉补充信息和VGGNet-19特征图进行自适应融合,提升全局滤波器模板对目标外观的判别能力.最后,提出旋转自适应策略,采用改进的跟踪置信度,估计跟踪框最佳旋转角度,减轻目标旋转带来的全局滤波器模板性能衰退.在OTB-2013、OTB-2015数据集上的实验表明,文中算法的成功率和精确率较高.

自适应窗口旋转优化短时傅里叶变换的变转速滚动轴承故障诊断

针对短时傅里叶变换(STFT)中固定窗效应所导致的能量集中度不高的问题,提出了一种自适应窗口旋转优化短时傅里叶变换(AWROSTFT)的变转速滚动轴承故障诊断方法。通过变分模态分解(VMD)对原始振动信号进行降噪,并利用粒子群优化算法(PSO)解决了VMD参数选择困难的问题;利用切线思想对STFT中水平窗口自适应匹配一系列的旋转算子,使得窗口旋转方向接近甚至等于瞬时调频率,提高了时频表示的能量集中度;计算出谱峰检测法提取到的瞬时频率与转频的平均比值,将得到的结果与轴承的故障特征系数进行匹配,以此实现变转速工况下滚动轴承的故障诊断。仿真和实验的结果都表明,本文所提方法能够兼顾PSO-VMD和AWROST-FT的优势,通过切线思想自适应的旋转窗口使得信号与窗函数在全局上的夹角都为零,从而达到提高能量集中度和锐化时频脊线的目的,实现了变转速工况下滚动轴承的故障诊断。

基于自适应旋转学习和危机意识策略的海洋捕食者算法

针对海洋捕食者算法(Marine Predators Algorithm,MPA)收敛速度慢、求解精度低以及容易陷入局部最优等缺点,提出一种基于自适应旋转学习和危机意识策略的海洋捕食者算法(ARCMPA)。首先,针对MPA算法收敛速度慢、收敛精度低的问题,引入危机意识策略,提高算法探索解空间能力,加强算法前期开发能力不足,加快前期算法收敛速度,改善算法解的质量。其次,引入自适应旋转学习机制,使整个种群的位置分布更加均匀,有效增强算法在迭代时种群的多样性,避免算法在前期加快收敛速度后陷入局部最优。通过2种策略的引入,有效增强算法的整体性能。本文选取10个基准测试函数,并与其他元启发式算法进行比较。实验结果表明,以上改进有助于提高算法整体性能。

自适应相位旋转的量子菌群算法

量子菌群算法是将量子计算与菌群觅食优化算法相融合而得到的一种量子智能算法,但该算法存在鲁棒性比较差和寻优时间比较长的缺陷。为解决该问题,本文设计了一种旋转相位自适应调整的量子旋转门,并用其完成细菌的趋化操作,提出了一种自适应相位旋转的量子菌群算法。通过16个不同类型的标准测试函数对其优化性能进行研究,统计结果表明该算法在低维时,对于多种种类的测试函数,在收敛精度和稳定性上都要优于改进前的量子菌群算法,且优化结果要明显优于经典的菌群觅食优化算法和量子遗传算法。进一步研究表明,在达到指定收敛精度的情况下,该算法的平均收敛概率是最高的,平均运行时间和平均迭代步数是最短的。而在高维情况下,该算法则对碗状和碟状类型的测试函数比较适用。

自适应窗口旋转同步压缩变换及其在电机转速估计上的应用

针对同步压缩变换(Synchrosueezing Transform,SST)中短时傅里叶变换(Short-time Fourier Transform,STFT),固定窗效应在处理非线性时变信号上的不足,提出了一种自适应窗口旋转短时傅里叶变换(Adaptive Window Rotating Short Time Fourier Transform,AWRSTFT)方法,该方法通过自适应匹配一系列的旋转算子,实现信号在全局上的频率带宽最小。进一步地,在SST的框架下,用AWRSST方法替换STFT,提出了自适应窗口旋转同步压缩变换(Adaptive Window Rotating Synchrosueezing Transform,AWRSST)方法,并用于电机转速信号的处理,该方法能够兼顾AWRSTFT和SST的优势,进一步锐化时频脊线,从而增强时频表示的能量聚集水平。通过数值仿真和电机转速估计实验,验证了该方法的有效性。

基于自适应旋转轴的磁跟踪系统搜索策略仿真研究

目的解决双磁棒旋转搜索定位跟踪系统存在低搜索效率区域和低精度区域的问题。方法提出了自适应变换旋转轴的搜索策略:根据前一个时刻传感器所处的位置,自动调整磁棒的旋转轴,并进行了仿真研究。结果搜索步数与定位误差均得到了减少。结论该搜索策略能提高系统搜索的实时性与定位精度。

基于自适应旋转角度的CORDIC算法的设计与仿真

传统的CORDIC算法面临旋转角度不灵活、可遍历角度个数少、计算精度差等问题。针对这些问题,本文提出一种自适应旋转角度的CORDIC算法。根据输入角度自适应选择每一级旋转的角度值,可以实现高精度的正余弦值计算,具有可遍历角度个数多、延迟时间短、计算精度高的优点。仿真实验验证了本文所提算法的有效性。

基于改进混合量子遗传算法的二相编码雷达波形优化

针对当前雷达波形优化算法搜索策略单一、适用范围受限的问题,提出了一种基于改进混合量子遗传算法的二相编码雷达波形优化算法。所提算法采用了一种新的自适应旋转角度策略,根据迭代次数和余弦相似度动态调整旋转角度,提高了算法的收敛速度、全局搜索能力和求解质量。仿真结果表明,与遗传算法、基本量子遗传算法和混合量子遗传算法相比,对于包含了单峰、多峰和非凸优化问题的6个标准测试函数,所提算法在质量和资源消耗上均表现更好;对于二相编码雷达波形优化,证实了使用所提算法优化波形是可行和有效的。

基于量子混合协同进化的自适应多级联属性约简(英文)

针对传统生物启发式方法在决策表中属性约简求解效率不高和难以协同约简等问题,提出一种基于量子混合协同进化的自适应多级联属性约简算法. 首先设计了一种新型高效的自适应量子角旋转策略,指导参与属性约简的进化种群自适应相互演进,加速算法收敛. 然后构建了合作和竞争混合的协同进化级联模型,根据执行经验记录分割属性种群集,提高约简子种群的多样性,并产生种群精英以增强其寻优经验共享,快速找到全局最小属性约简集. 实验结果表明,与同类典型算法相比,该算法在最小属性约简效率和精度方面具有明显优势.

自适应指纹预处理算法

基于大量的实验提出了一套行之有效的指纹处理算法 ,主要包括使用基于方向图的自适应旋转滤波器、与自适应增强滤波同时进行的自适应阈值边缘处理、自适应阈值二值化 ,很好地增强了指纹图像的清晰度 ,同时起到了很好的滤波作用 ,为可靠。

多车场动态路径问题的自适应量子蚁群算法

针对物流配送过程中存在的多配送中心动态需求车辆调度问题即多车场动态车辆调度问题(MDDVRP),提出了一种自适应量子蚁群算法(SAQACA),用于最小化路径。根据量子的相位编码方式,提出了对蚁群的信息素矩阵进行直接编码,进而实现由量子旋转门更新完成蚂蚁移动;根据搜索点的量子相位特点及目标函数的变化率,提出了一种自适应量子旋转门更新方式,进而提高了算法的全局搜索深度;引入基于两元素搜索策略的局部搜索方法提高了算法的局部优化能力,从而对可行解进行改进。仿真实验与算法比较验证了所提算法的有效性和优越性。

基于量子蛙跳协同进化的粗糙属性快速约简

属性约简是粗糙集理论研究的重要内容,现已证明求决策表最小约简是一个典型NP难题.本文提出一种基于量子蛙群协同进化的粗糙属性快速约简算法.该算法构造一种动态多簇的蛙群结构,用量子态比特进行蛙群个体编码,以自适应量子旋转角调整、量子变异和量子纠缠等策略加速蛙群进化收敛,各簇蛙群以双向协同学习机制共享属性约简中相关信息.标准Benchmark优化函数测试结果表明该算法在保证收敛速度同时具有较强的平衡全局优化与局部细致搜索能力.在UCI数据集上进行属性约简比较实验,结果验证了本算法在属性约简精度和效率方面具有明显优势.

基于量子分布估计算法的火力分配问题研究

火力分配问题属于典型的NP难问题。建立了火力分配的非线性整数规划模型,将分布估计算法与量子进化算法相结合,给出了新的量子分布估计算法进行火力分配问题求解,将分布估计算法良好的全局寻优与量子进化算法的局部寻优相结合,以提高求解速度和精度。针对火力分配问题进行了合理的编码,提出了自适应量子旋转算子以提高算法的迭代效率和寻优能力。仿真实例证明了算法的有效性,其提高了火力分配问题求解的快速性及准确性。

基于混合量子遗传算法的微电网电源优化配置

根据风光资源情况、各分布式电源输出特性以及用户对供电可靠性的要求,研究了风光储互补独立微电网电源优化配置问题。采用自适应罚函数法对其目标函数进行修正,使得在满足用户供电可靠性要求的前提下,经济性达到最好。在求解过程中,结合自适应旋转角调整策略、量子位交叉变异操作和群体灾变思想,提出了一种新的混合量子遗传算法。最后,对一个实际算例进行仿真,将其优化结果与典型量子遗传算法和普通遗传算法的优化结果进行对比,结果表明,该方法不仅能快速收敛,而且全局寻优能力强。

基于量子染色体评估的演化算法

提出一种基于量子染色体评估的演化算法(Evolutionary Algorithm Based on Evaluating Quantum Chromosomes,简称EQEA)。提出了染色体评估、自适应调整旋转角度和分组调整策略。旋转角度的方向和大小由评估量子染色体得到的二进制个体和组内当前最优个体确定,且随着演化的过程自适应调整。实例验证,EQEA在函数优化和背包问题上都有优异性能。该算法在单染色体下也能取得很好的效果。

自适应旋转区域生成网络的遥感图像舰船目标检测

针对遥感图像中舰船形状狭长、分布杂乱等特性导致检测难度增大的问题,提出了一种基于快速区域卷积神经网络(Faster R-CNN)的舰船目标检测方法。采用双路网络提取舰船目标特征,为了使特征图充分融合底层细节信息和高层语义信息,用多尺度融合特征金字塔网络(MFPN)进行特征融合;在候选框生成阶段,提出了自适应旋转区域生成网络(AR-RPN),集中在目标中心位置生成旋转锚框,以高效获取优质的候选框。为了提升网络对舰船目标的检测率,结合改进的损失函数对网络进行优化。在HRSC2016和DOTA舰船数据集上的测试结果表明,本方法的平均精度分别为89.10%和88.64%,能很好地适应遥感图像中舰船的形状与分布特性。

一种基于PSO思想的改进量子遗传算法

文章提出一种基于PSO思想的改进量子遗传算法。将PSO中的合作机制和记忆功能引入到QGA中,构造种群个体与当前最优解的距离参量,根据每个个体与当前最优解距离大小智能地控制旋转角的大小,使旋转角能够根据个体的进化差异选择不同旋转角的自适应调整进化过程,从而使算法始终保持合适的搜索网格,加快算法收敛,同时也可以保证能够收敛到全局最优,避免早熟;并通过典型函数的测试验证了该算法的可行性和有效性。

基于改进量子遗传优化支持向量机的配电网故障分类

针对传统方法在解决现代配电网故障分类时存在的求解速度慢、分类精度差的问题,提出一种结合量子遗传算法的支持向量机配电网故障分类方法。首先采集故障信号并进行S变换处理,将处理结果的均方根与均值作为特征量,以提高特征量辨识度;其次在量子遗传算法的种群更新策略中引入自适应动态旋转角,避免算法在早期陷入局部收敛,增加算法的调参精度。以IEEE33节点配电网模型为研究对象的实验结果表明,所提的特征量提取方法有效提高了支持向量机的故障分类精度,改进后的量子遗传算法通过为支持向量机寻到更优参数从而进一步提高了故障的判别精度和分类速度,验证了方法的有效性与准确性。