高斯算法在道路交通车流量统计中的应用

针对道路交通车流量测量难和精度低的问题,采取高斯建模算法生成背景图像,并根据参数变化不断更新背景。利用背景差分算法得到被检测车辆的前景图像对前景目标图像采用阴影消除算法和形态学处理后再进行道路车流量计算,避免了由光照和噪声造成的重检和漏检对统计结果的影响。实验结果表明,设计的算法能够准确地分离出前景图像中的被检测车辆目标,在对道路进行的50min车流量统计中检测准确率高达98.71%,为保证路面车辆畅通行驶提供了有力的数据支持,有助于大大提高道路车辆的物流效率。

匝道曲线的解析与高斯算法

对匝道各种曲线元的连接情况进行了数学分析,提出了Gauss-Legendre五点公式下的匝道计算通用公式,可进行任意点位坐标、方位角计算,解决了在小至Casio4800的计算机上编程计算精度不足的问题,从而使计算精度满足设计与施工要求。

基于改进快速高斯算法的配电网状态估计

电力系统的运行数据通常是通过远动装置传送到调度中心的，工程人员可以根据运行数据，结合网络结构和元件参数计算电网潮流分布。但是，由于测量、传送等环节所造成的误差，这些运行数据也存在不同程度的误差，直接应用存在误差的数据进行潮流计算，会对计算结果的准确性造成影响。电力系统的量测数据通常存在冗余，对这些数据应用状态估计算法计算，可以提高测量数据的可靠性。目前常用的状态估计算法通常基于最小二乘准则，

一种基于高斯算法自动校准的多传感器磅秤系统

为了简化传统多传感器磅秤系统的调试校正流程,本文基于线性高斯算法,使用微控制器自动采集传感器数据并进行数据拟合,求解出多组较优应变参数,从而替代手动调节过程,实现了多传感器磅秤系统的调试校正自动化.

基于高斯算法的小行星固定时间拦截

为了防止未来有小行星撞击地球,想要对小行星实施固定时间拦截;首先根据给定的地球与小行星的撞击点位置以及小行星与地球撞击点的速度,建立小行星的轨道模型;利用小行星与地球的轨道模型预推出拦截卫星发射点的位置,再利用高斯算法建立卫星的固定时间拦截轨道模型,并计算卫星发射速度,以及碰撞后小行星的速度;最后,对所建立的模型进行数值仿真。仿真结果表明:若地球将与小行星发生碰撞,则拦截卫星将按拦截轨道运行固定时间后成功与小行星拦截相撞。

一堂“高斯算法”探究课实录与反思

对高斯算法进行了合理的延伸、探究,能让学生体验探究之乐,提高学生探究能力.

“高斯算法”对学生探析能力的培养

高斯算法1＋2＋3＋4＋……＋n=n（x＋1）/2数列和几何运用中，可以培养学生的探究能力，其观察、分析、归纳的能力会在其中得到快速的提升。

基于改进高斯滤波算法的图像去噪方法

随着激光技术在光学测量和精密加工等领域的应用日益广泛,对图像的质量要求也越来越高。然而,在实际应用中,图像常常受到散斑噪声的影响,导致图像质量下降。现有方法由于采取的平滑技术较为简单,对于散斑噪声的抑制能力有限,为此,设计基于改进高斯滤波算法的图像去噪方法。测试结果表明,设计方法展现出了优秀噪声抑制性能,保留了图像的主要特征。

混合约简:一种可调整的覆盖码约简算法

带噪声奇偶学习问题(learning parity with noise,LPN)是密码学中的一类重要困难问题,它可以视作随机线性码译码问题的一般形式,是抗量子假设中的有力候选.在求解LPN问题前,通常需要执行约简操作,将待求实例转化为秘密长度更短的实例.本文提出了一种新的混合约简算法Hybrid,它将经典的丢弃约简算法和覆盖码约简算法相结合,在约简过程中丢弃与码字距离超过给定界限的LPN样本,而非将所有样本直接近似到码字.这种新的约简方法可以到达权衡样本复杂度和时间复杂度的目的.从算法层面讲,丢弃约简与覆盖码约简可以视作混合约简的特例.最后,使用池化高斯算法求解经过混合约简后的LPN样本,给出了其完整的理论复杂度.数值估计的结果表明混合约简可以进一步缩减良好池化高斯算法(Well-Pooled Gauss)的样本复杂度,但需要以时间开销上升为代价.

高斯混合模型的运动目标检测与跟踪算法

运动目标跟踪是计算机视觉研究中的一项关键技术,针对当前运动目标跟踪算法存在的跟踪精度低,实时性差等不足,提出了基于高斯混合模型的运动目标检测与跟踪算法。首先收集目标的信息,并采用混合高斯模型对运动目标背景进行建模,然后采用均值漂移算法对目标进行跟踪,最后采用VC6.0++实现运动目标跟踪仿真实验。结果表明,该文提高了运动目标跟踪的精度,加快了运动目标跟踪的速度,并对遮挡、场景变化具有良好鲁棒性,性能要优于当前其他运动目标跟踪算法,具有更高的实际应用价值。

改进的混合高斯与YOLOv2融合烟雾检测算法

提出一种融合了改进的混合高斯和YOLOv2的烟雾检测算法。首先,针对烟雾的早期特征对混合高斯算法进行改进,有效框定动态目标感兴趣区域,提取出烟雾前景;在此基础上将烟雾检测转换为回归问题,利用端对端目标检测算法YOLOv2训练烟雾数据集,进行二次检测和筛选,最终框定出烟雾发生区域的具体位置和范围,满足对不同场景火灾烟雾的有效检测。实验结果表明,融合算法改善了烟雾区域的检测效果,提高准确性并有效降低烟雾误检率。

基于高斯滤波和双边滤波的数字图像去噪算法

图像是生活中重要的信息来源,处理图像有助于理解信息的基本信息.但图像本身可能存在一些被干扰的信息或者噪声.研究了基于高斯滤波和双边滤波算法的数字图像处理技术用于对图像的噪声进行消除.通过对图像进行理论模拟和实际图像处理,对两种算法进行比较和模拟得出相应结论.为今后的噪声消除方法的选择和实际工作的改进提供数据参考和依据.

基于改进高斯滤波算法的叶片图像去噪方法

【目的】使用改进的自适应高斯滤波算法对农作物叶片病虫害图像进行降噪处理,为叶片病虫害图像提供前期预处理的优化手段,从而提高诊断的准确性。【方法】通过计算图像像素矩阵区域内中心点邻域方差与二维高斯滤波函数的比值,确定高斯标准差,动态生成高斯卷积核,从而形成改进的自适应高斯滤波算法,对病斑图像进行降噪平滑处理;然后分别模拟不同噪声强度,比较算法的降噪效果;最后通过峰值信噪比(Peak signal-to-noise ratio,PSNR)定量计算改进前后高斯滤波算法的优化程度。【结果】首先,使用MATLAB2014b对密刺黄瓜枯萎病斑RGB图像模拟出3组不同噪声强度下的干扰场景,并进行归一化处理;然后,分别利用3种算法对噪声图像进行降噪处理,得出当噪声强度较弱时,改进算法对高斯白噪声抑制效果明显;噪声强度增大时,改进算法的优化程度逐渐下降;其次,分别计算各算法改进前后的PSNR,得出当噪声强度为0.01、0.02和0.03时,即改进的自适应高斯滤波算法PSNR值分别比传统高斯滤波提升6.942、6.965和6.718db;最后,通过计算100组采集叶片图像降噪处理后的PSNR值,得到改进的自适应高斯滤波的PSNR值平均提高13.8%。【建议】采集的农作物叶片图像试验材料需广泛化;推动优化图像预处理的进程;提升图像匹配准确性,推动叶片诊断专家系统的研究。

岩石和混凝土材料参数识别的修正高斯-牛顿算法

基于位移原形观测资料，采用修正的高斯－牛顿算法求解最小二乘问题识别混凝土和岩石介质的弹性模量。建 立了考虑先验信息的修正高斯－牛顿算法的迭代格式和迭代步长的确定方法。结合数值算例，研究了参数识别中需要 解决的反问题的唯一性和稳定性问题。最后介绍了此方法在工程中的实际应用情况。

一种基于高斯混合模型的距离图像分割算法

提出了一种基于表面法向的高斯混合模型的距离图像分割算法.它充分利用了表面法向高斯混合模型的物理含义,使数据聚类的次数减少,并利用Expectation-Maximization(EM)算法估计出的模型参数计算模型的后验概率实现了自动模型选择.算法针对两种距离相机的60幅真实距离图像进行了实验.将实验结果与几个流行的分割算法进行了客观比较.

高斯回波模型在超声回波模拟中的应用及其迭代算法的讨论

本文将超声回波模拟成被高斯白噪声污染的高斯回波,并建立关于一系列估计参数的非线性模型,如回波的频带宽度,到达时间,中心频率,相位及回波幅度。这些参数对于超声无损检测中材料检测、目标探测、目标分类、及速率测量等密切相关。运用高斯-牛顿算法进行迭代计算,该算法能以较少的迭代次数计算出较为精确的参数向量,但该算法对到达时间τ的初值设置较为敏感。

基于高斯抽样算法的NTRU类数字签名方案

针对NTRU类数字签名方案的签名值会泄露私钥的部分信息等问题,提出一种NTRU类数字签名方案。该方案通过私钥生成循环格,采用格上高斯抽样算法在此循环格上找出与杂凑后消息最近的向量作为消息的签名值。与现有的方案相比,该方案在保持签名和验证过程效率的同时,安全性方面具有2个新的性质:(1)由公钥伪造签名的困难性是基于循环格上的最近向量问题;(2)由新方案生成的大量签名值在空间分布呈球形,不泄露私钥的任何信息。

基于UKF的高斯和滤波算法

介绍了扩展卡尔曼滤波算法和无迹变换(unscented transform ation,UT)算法,并对扩展卡尔曼滤波算法(EKF)和无迹卡尔曼滤波算法(UKF)进行比较,阐明了UKF优于EKF。在此基础上,提出了一种基于Unscented变换(UT)的高斯和滤波算法,该算法首先通过合并准则得到适当个数的混合高斯模型,逼近系统中非高斯噪声的概率密度;然后,再通过UT算法进行滤波。最后分别对基于EKF和UKF的滤波方法进行实验,并对实验结果进行比较与分析,验证了算法的有效性和优良性。

高斯粒子群优化粒子滤波检测前跟踪算法

针对低信噪比时标准粒子滤波对弱小目标的检测与跟踪时存在的粒子贫乏、跟踪精度对粒子数目要求高等问题,提出一种基于高斯粒子群优化粒子滤波的弱小目标检测前跟踪算法。利用高斯粒子群优化算法优化重采样后的粒子集,使粒子集朝着后验概率密度分布取值较大的区域运动,增加粒子的多样性,克服了粒子贫乏问题,并在保证跟踪精度的前提下降低了跟踪所需要的粒子数目,提高了标准粒子滤波算法的检测和跟踪性能。同时,建立了检测前跟踪系统的观测模型和系统模型,对基于标准粒子滤波检测前跟踪算法和优化算法进行仿真,仿真实验结果表明高斯粒子群优化粒子滤波的检测前跟踪算法相比基于标准粒子滤波的检测前跟踪算法具有更好的检测与跟踪性能。

一种基于最大模糊熵的高斯聚类算法

介绍了一种新的模糊聚类方法，定义了模糊熵，提出了基于最大模糊熵的模糊聚类的方法，得到了一种新的聚类算法——GCM算法。该算法的物理意义清晰，有明确的数学含义，相对于传统的FCM聚类算法，其聚类效果更好。