-
题名基于概率选取随机特征点的单目视觉SLAM方法
被引量:3
- 1
-
-
作者
赵立坤
武二永
郭燚平
戴国骏
-
机构
杭州电子科技大学计算机应用技术研究所
-
出处
《机器人》
EI
CSCD
北大核心
2010年第5期642-646,共5页
-
基金
浙江省重大科技专项(优先主题工业项目)资助项目(2008C11108-1
2008C13076)
浙江省自然科学基金资助项目(Y1080883)
-
文摘
针对机器人单目视觉同时定位与地图构建(SLAM)问题,利用SIFT特征点,结合反向深度估计法,提出基于概率统计SIFT特征点的随机选取方法.在保证特征点分布相对均匀的前提下,有效控制了特征点的总体数量,减少了单目视觉EKF-SLAM(扩展卡尔曼滤波SLAM)方法的应用限制.实验研究表明,该特征点选取方法对不同场景均具有较高的稳定性,并且一定程度上提高了算法的收敛速度.
-
关键词
机器人
EKF—SLAM
概率选取
随机特征点
SIFT
-
Keywords
robot
EKF-SLAM
probabilistic selection
random feature point
SIFT (scale-invariant feature transform)
-
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名时变对抗环境中基于双层加权估计的雷达干扰决策方法
- 2
-
-
作者
徐一波
张剑云
周青松
李志汇
-
机构
国防科技大学电子对抗学院
-
出处
《现代雷达》
CSCD
北大核心
2024年第4期95-100,共6页
-
文摘
如何在目标雷达策略实时变化的战场对抗环境中准确估计出干扰策略的收益,是有效评估干扰策略效果并不断优化干扰策略的关键之一。针对这一问题,在常见的收益估计方法的基础上,提出了一种时变对抗环境中基于双层加权估计的雷达干扰决策方法。该方法通过交叉验证、对收益均值进行加权估计和加权更新来估计所选策略平均收益,并根据策略权重和最大估计值选取最优策略。仿真实验表明,该方法对所选策略平均收益的估计值总体更接近于真实的最优策略收益均值,并能够根据对抗环境的变化,识别最优策略,并逐步提高对最优策略的选取概率。
-
关键词
雷达干扰决策
双层加权估计
平均收益
选取概率
-
Keywords
radar jamming decision
double-layer weighted estimation
average earnings
probability of selection
-
分类号
TN972
[电子电信—信号与信息处理]
-
-
题名基于随机响应面法的含风电电力系统小扰动稳定性分析
被引量:10
- 3
-
-
作者
马燕峰
刘佳
闫纪源
-
机构
华北电力大学电气与电子工程学院
-
出处
《电工技术学报》
EI
CSCD
北大核心
2017年第6期49-57,共9页
-
基金
中央高校基本科研业务费专项资金资助项目(2016MS86)
-
文摘
风力发电的不确定性对电力系统小扰动稳定性造成一定影响,而地理位置相近的风电场间的风速具有一定的相关性。本文建立双馈风电机组的动态模型,利用Nataf变换建立考虑风速相关性的风电场群模型,运用随机响应面法(SRSM),以风速作为输入,系统特征值、阻尼比、频率作为输出,分析了系统的小扰动稳定性,同时应用基于线性无关原则的概率配点选取法,合理选择有效配点,提高了SRSM的计算效率。在10机39节点系统中将SRSM与蒙特卡罗法比较,结果显示SRSM计算结果准确可靠,计算时间远远少于蒙特卡罗法的计算时间,能够实现系统小扰动稳定性分析的快速评估。在是否考虑风速相关性两种情况下进行对比,结果表明:考虑风速相关性时系统小扰动分析结果的波动更小,对系统安全稳定运行具有更明确的指导意义。
-
关键词
风速相关性
Nataf变换
随机响应面法
小扰动稳定性
概率配点选取
-
Keywords
Wind speed correlation
Nataf transform
stochastic response surface method
small disturbance stability
probability distribution point selection
-
分类号
TM712
[电气工程—电力系统及自动化]
-
-
题名无监督的中文商品属性结构化方法
被引量:3
- 4
-
-
作者
侯博议
陈群
杨婧颖
李战怀
-
机构
西北工业大学计算机学院
-
出处
《软件学报》
EI
CSCD
北大核心
2017年第2期262-277,共16页
-
基金
国家重点基础研究发展计划(973)(2012CB316203)
国家自然科学基金(61332006
+2 种基金
61472321)
西北工业大学基础研究基金(3102014JSJ0013
3102014JSJ0005)~~
-
文摘
从非结构化商品描述文本中抽取结构化属性信息,对于电子商务实现商品的对比与推荐及用户需求预测等功能具有重要意义.现有结构化方法大多采用监督或半监督的分类方法抽取属性值与属性名,通过文法分析器分析属性值与属性名之间的文法依存关系,并根据关联规则实现属性值与属性名的匹配.这些方法存在以下不足:(1)需要人工标记部分属性值、属性名及它们之间的对应关系;(2)属性值-属性名匹配的准确度受到语言习惯、句意逻辑、语料库及属性名候选集质量的严重制约.提出了一种无监督的中文商品属性结构化方法.该方法借助搜索引擎,基于小概率事件原理分析文法关系来抽取属性值与属性名.同时,提出相对不选取条件概率场,并使用Page Rank算法来计算属性值与属性名的配对概率.该方法无需人工标记的开销,且无论商品描述中是否显式地包含相应的属性名,该方法都能自动抽取到属性值并匹配相应的属性名.使用百度搜索引擎上的真实语料,针对4类商品的中文描述进行了实验.实验结果验证了对于候选属性名的自动生成,所提出的基于搜索引擎搜索属性值,并在包含属性值的搜索结果中抽取一般名词的候选属性名生成方法与只在描述句中抽取一般名词的候选属性名生成方法相比,查全率提高了20%以上;对于非量化类属性,所提出的基于相对不选取条件概率场的属性值-属性名匹配方法与基于依存关联的方法相比,Rank-1的准确率提高了30%以上,平均MRR提高了0.3以上.
-
关键词
结构化
相对不选取条件概率场
PAGE
RANK
基于概率的文法分析
搜索引擎
-
Keywords
structralization
relative conditional deselect probability field
Page Rank
grammatical relation analysis based on probability
search engine
-
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
-