面向融合度量的PSO-RBF软件缺陷数量预测模型

现有软件缺陷预测技术主要基于软件产品度量或过程度量来预测软件缺陷倾向性或缺陷数量,缺乏针对融合产品度量指标和过程度量指标的缺陷预测研究。为提高面向融合度量指标的软件缺陷预测模型的适用性和准确度,以融合软件产品度量指标和过程度量指标为输入,提出一种软件缺陷数量预测模型。此模型主要包括特征选择和缺陷数量预测两阶段。特征选择阶段,采用一种改进密度峰值聚类算法和皮尔逊相关系数结合的特征选择方法,完成特征选取;缺陷数量预测阶段,基于径向基函数(Radial Basis Function, RBF)神经网络,引入粒子群优化(Particle Swarm Optimizer, PSO)算法构建PSO-RBF软件缺陷数量预测模型。实验结果表明,面向融合度量指标的PSO-RBF模型在缺陷数量预测中效果更优。

基于高分遥感影像匹配的露天矿滑坡形变场监测方法

针对利用SIFT(Scale-invariant feature transform)算法提取全色遥感影像特征点时存在数量少、分布不均、影响滑坡形变场监测效果等问题,提出了一种综合利用SIFT与CSIFT(Colored scale invariant feature transform)算法进行滑坡形变场标定的方法。该方法利用SIFT算法分别处理全色影像和多光谱融合影像,利用CSIFT算法处理多光谱融合影像,将3个过程提取的互不相同的特征点进行叠加,得到更多的特征点。以抚顺西露天煤矿南帮滑坡为例进行试验,结果表明:新方法能够充分利用3种不同影像匹配过程的特点,大大增加了特征点数量,使得生成的滑坡形变场更加精确,所圈定的滑坡范围更加准确,且该方法具有成本低、效率高等优点,非常适合于大型滑坡的大变形形变场监测。

基于改进A^(*)与TEB算法融合的移动机器人路径规划

移动机器人在复杂环境中,利用传统A^(*)算法进行路径规划时,往往搜索效率低、转折点多、路径不平滑,且无法有效应对动态障碍物。本文提出了一种基于改进A^(*)与TEB算法融合的方案。通过设置虚拟膨胀区域、改进启发函数以及优化拐点选取策略,提高了算法的搜索效率与安全性,然后在全局最优的前提下融合TEB算法,实现移动机器人的动态路径规划。实验验证,融合算法能够有效提高搜索效率,实现路径平滑及动态避障,且满足阿克曼机器人的约束要求,具有良好的可行性与适应性。

基于改进增强特征选择算法的特征融合图像隐写分析

针对现有的基于特征融合的JPEG隐写分析方法特征冗余度高、通用性较低的问题,提出了一种基于改进的增强特征选择(BFS,boosting feature selection)算法的通用JPEG隐写分析方法。从线性相关度和非线性相关度两方面降低特征冗余,将特征自相关系数和互信息这两种统计性能引入到特征的评价准则中,重新设计了特征权重计算方法,改进了BFS算法的特征评价函数。通过改进的BFS特征选择算法将3组互补性较强且准确率高的特征进行融合降维,得到最优特征子集训练分类器。对3种高隐蔽性隐写算法F5、Outguess和MME3,在不同嵌入率下进行了大量实验。结果表明,本文方法的分析准确率高于现有的检测率较高的JPEG隐写分析方法和典型的融合分析方法,融合后的特征相关性明显下降,并且具有更强的通用性。