用简化脉冲耦合神经网络实现交通标志图像的类Euclidean距离变换类内特征提取

脉冲耦合神经网络(PCNN)提取的特征序列的旋转不变性降低了道路交通标志类内匹配识别的准确性,为了提取更有利于形状分类的特征向量,本文利用PCNN的自动波扩散特性,简化了PCNN模型。采用简化PCNN模型产生的类Euclidean距离图像作为分类特征,利用最小方差值进行匹配分析,并通过实验选取了最佳PCNN参数。针对道路交通标志图像库GB5768-1999的实验结果表明,采用获得的类Euclidean距离图像作为特征向量进行分类匹配,在选定边缘图像的迭代次数N为16,反馈输入固有电势VF为0.65,动态门限固有电势VT为100,卷积核矩阵为5×5时,最小方差值均出现在对应的标准图像位置。结果表明,简化PCNN的类Euclidean距离变换能够有效提取二值边缘图像的形状信息。该方法优于传统PCNN熵序列的特征向量方法,类内区分效果更加明显。

基于簇相似度的实时多尺度目标跟踪算法

针对目标跟踪中跟踪实时性和适应目标尺度变化的问题,提出在粒子滤波框架内基于簇相似度测量的实时目标跟踪算法,算法的外观模型使用改进的均值类哈尔特征表示.首先,根据采样半径采集目标簇和背景簇.然后,定义粒子与簇之间的相似度.当新帧到来时计算每个粒子与目标簇和背景簇的相似度,并将相似度最高的粒子作为目标在该帧的位置.在每帧跟踪结束时,更新目标簇和背景簇的统计特征,并对粒子进行重采样防止退化.与当前通用的跟踪算法对比体现文中算法的优越性.

Remarks on interpretations of the Eotvos experiment and misinterpretation of E=mc^2

The Eotvos experiment on the verification of equivalence between inertial mass and gravitational mass of a body is famous for its accuracy. A question is, however, can these experimental results be applied to the case of a physical space in general relativity, where the space coordinates could be arbitrary？ It is pointed out that it can be validly applied because it has been proven that Einstein＇s equivalence principle for a physical space must have a frame of reference with the Euclidean-like structure. Will claimed further that such an overall accuracy can be translated into an accuracy of the equivalence between inertial mass and each type of energy. It is shown that, according to general relativity, such a claim is incorrect. The root of this problem is due to an inadequate understanding of special relativity that produced the famous equation E=mc^2, which must be understood in terms of energy conservation. Concurrently, it is pointed out that this error is a problem in Will＇s book, ‘Theory and Experiment in Gravitational Physics＇.

伪欧氏空间中类空子流形的第一特征值

利用浸入在伪欧氏空间中类空子流形的Ricci曲率的下界估计,以及Laplace算子第-特征值和浸入的第二基本形式的长度平方相关的性质,建立了紧致类空子流形等距同构于球面的一个特征。

车牌字符的类欧几里得距离特征提取与分析

在自动车牌识别系统的设计中,为了实现汉字、字母、数字的快速准确识别,需要一种能够同时提取车牌字符中汉字、字母、数字的统一分类特征,研究利用脉冲耦合神经网络的自动波扩散特性,简化模型参数,提取每个汉字、字母、数字的类欧几里得距离图像,将其作为分类特征,采用最小方差方法测试了特征的有效性。针对不同省市的民用车牌的实验测试结果表明,简化脉冲耦合神经网络模型的卷积核矩阵为5×5时所得的类欧几里得距离图像作为特征向量时,测试图像与标准图像之间的所得方差值最小,能够实现正确匹配。简化脉冲耦合神经网络的类欧几里得距离变换优于传统基于神经网络的特征提取方法,充分利用了图像边缘的形状信息,能够有效地进行分类识别,为汉字、字母、数字全网互联提供了一种统一标准的特征提取方法。

一种类欧氏距离-负载平衡的云任务调度算法

面对云计算中庞大用户群的需求,云计算平台的性能起着关键的作用。任务调度算法对云计算平台的性能存在很大的影响。虽然云计算任务调度算法是目前云计算中研究的热点,但是多数任务调度算法并没有从用户满意程度的角度去考虑。针对云计算的现有资源调度算法提出了一种类欧氏距离负载平衡(EDL-LB)的任务调度解决方案,能够针对用户的不同需求提出与之相适应的资源选择方案,有效地提高用户对云资源的使用满意度。仿真结果表明了方法能够在保证任务完成时间的条件下,通过新的任务调度策略来提高用户对云计算任务的满意度以及资源的利用率,是一种云计算环境下有效的任务调度算法。