基于EM算法与Gauss混合模型的地铁站点类型分析

结合成都地铁2019年5月工作日的AFC数据,利用EM算法(expectation-maximum algorithm)与Gauss混合模型,分析成都市156个轨道站点客流曲线的特征差异,并结合平方和误差将其聚类为居住导向型、就业导向型、职住错位型、错位偏居住型、错位偏就业型、交通枢纽型、综合型7种不同类型的地铁站,最后分析不同类型地铁站的区域分布及土地性质。研究表明,不同类型站点分布具有区域性,站点类型随着到城市中心距离的增加而减少,中心区站点类型更多样,可体现城市功能区域时空差异的表现形式,提供城市空间进行研究的新视角,有助于了解城市功能的空间分布,为未来城市及交通规划提供依据。

面向大规模海量数据的数据挖掘隐私保护方法研究

物联网环境产生大量数据,数据隐私保护问题已经成为热点研究领域之一。通过阐述物联网大数据的特点和隐私威胁,分析了现有的数据挖掘隐私保护方法的不足,针对性地提供了一种基于混合高斯分布的数据扰动隐私保护方法。该方法通过生成并公开一组与原始数据独立同分布的新数据的手段来达到对原始数据进行扰动的目的,不仅有效地保护了原始数据隐私,并且保持了原始数据的统计特点,与原始数据上生成的挖掘模型具有相近的准确性。

一种基于负熵的Bussgang地震盲反褶积方法

独立分量分析作为一种新兴的信号处理工具,许多学者对其在地震信号处理领域中的应用进行了初步探讨。本文在Santamaria等提出的自适应高斯混合盲反褶积的基础上,结合独立分量分析中Bussgang类反褶积算法,通过引入约束项,对基于负熵准则的目标函数进行了改进,构造出新的非线性算子;同时采用修正的期望最大化(EM)算法优化反射系数高斯混合模型参数,成功地实现了地震信号的盲反褶积。数值模拟和实际资料处理的结果表明,该方法能较好地适应非最小相位系统,得到原始反射系数的最优估计,而且算法收敛快、精度高,是提高地震资料分辨率的有效手段。

基于改进高斯模型的人脸识别

针对当前人脸识别算法对光照变化、姿态变化鲁棒性差的局限性,提出了一种改进混合高斯模型的人脸识别算法。首先对采集的人脸图像进行预处理,消除光照等外因素的不利影响,然后分别提取多种人脸图像的特征,最后采用混合高斯模型对人脸进行识别,并采用多个人脸数据库进行验证性实验,结果表明,本文算法对光照变化、姿态变化具有较强的鲁棒性,获得比经典人脸识别算法更优的识别结果,在人脸识别中具有广泛的应用前景。

基于OpenCV的行驶车辆车牌定位实现

车牌定位是车牌自动识别系统中的一个关键问题。系统从两方面进行了设计。一是视频中移动车辆的定位,采用高斯背景建立模模块。二是静态图像中车牌提取系统,采用顶帽变换、能量滤波、寻找联通区域等多模块结合精确定位出车牌区域。该移动车牌定位算法在QT平台上采用OpenCV和C++编程,实现了综合利用车牌结构特征和纹理特征,提高了车牌定位可靠性。实验结果表明,该方法速度快、准确度高,可满足实时监控的需求。

浅论混合高斯背景建模方法

基于混合高斯背景模型的目标检测方法对场景的动态变化具有较强的鲁棒性,其基本思想为:定义每个像素点的分布模型为由多个单高斯模型组成的集合,根据每一个新的像素值更新模型参数,按照一定的准则判断哪些像素点为背景点,哪些为前景点,从而实现对运动目标的检测。

基于TMS320DM6467矿井下安全区域入侵检测系统设计

在TMS320DM6467的硬件平台上,实现了对矿井下安全区域的视频采集、入侵检测、显示入侵人员的系统设计。该系统以改进的鲁棒性更强的混合高斯背景建模算法为基础,来检测人员的入侵,并提供了可根据不同场景复杂度来设置算法参数的功能。实验结果表明,该系统能够有效克服突然的光照变化,可通过设置算法的动态参数来满足不同场景复杂度的要求。

典型耦合优化算法在源项反演中的对比研究

突发大气污染事故中,污染源的快速、准确确定是应急处置的基础.为研究有效的源项评估方法,本文基于美国草原外场SO2释放实验,利用GA-PSO、GA-NM、PSO-NM 3种耦合算法,分别与高斯点源烟羽扩散模型结合,对源强和位置等污染源参数进行反演与对比,并从算法结构与大气扩散条件方面进行反演效果差异分析.结果表明,从源强反演角度看,PSO-NM反演结果的准确性最高、稳定性最强,平均误差(11.3%)与平均标准偏差(0.7g/s)明显低于GA-NM(16.4%、13.3g/s)与GA-PSO(29.0%、26.6g/s).从位置反演角度看,PSO-NM的反演结果最为稳定,反演的平均标准偏差(0.29m)明显低于GA-NM(3.20m)与GA-PSO(3.03m)算法;在不稳定和中性扩散条件下,PSO-NM算法的位置反演准确性最高,误差为4.97m;但在稳定扩散条件下,GA-NM的位置反演误差(7.69m)最小.从反演效率角度看,PSO-NM与GA-NM反演时间最短,更适用于污染源的快速确定.

校园智能视频监控系统的研究与设计

针对目前校园监控系统造价高、无法实现智能监控等特点,提出建立一个校园智能视频监控系统,该系统采用混合高斯模型对运动目标进行检测,并实现实时报警.针对混合高斯模型的目标检测算法进行实验和验证,实验证明采用混合高斯模型的目标检测算法可以较完整地提取运动目标.

风-水电联合系统功率优化输出的研究

为了充分利用风能资源,改善风电场的功率输出特性,在有条件的地区可采取风-水电联合供电的方式来提高风电质量和风电场的运行效益。考虑电力市场下峰谷电价因素,合理运用风电场功率输出波动最小的指标,提出了旨在实现风-水电联合系统优化调度的高斯模型(简称G模型)。采用概率遍历搜索和局部弹性搜索相结合的改进遗传算法,对风电场典型运行工况进行了优化仿真计算,计算结果表明了风-水电联合供电系统的优势。

运动状态下人体轮廓提取及身高估算

自然拍摄的视频信息通常包含前景和背景,采取传统轮廓提取或边缘提取等图像处理方法难以准确识别到视频信息中的人体轮廓信息。通过对比分析基于高斯混合模型法的OpenCV计算机视觉库中的BackgroundSubtractorKNN和BackgroundSubtractorMOG2背景减除算法,基于KNN算法提出了一种改进的背景减除算法,对所得图像经过中值滤波去除噪声影响后再进行阈值处理消除阴影部分从而提取出清晰的人体轮廓。并在此基础上基于像素比例系数关系提出了一种身高估算方法。实验表明,该方法能准确有效提取行走状态下的人体轮廓,身高估算与实际测量相对误差率在5%以内,能够较为准确的估算身高。