一种基于基因表达式程序设计的新算法

基因表达式程序设计是一种基于基因组和表现型组的新型遗传算法,该算法在运行时具有很高的运行效率,实验表明在求解很多问题时比遗传程序设计优越两个数量级以上。通过对基因表达式程序设计的变异算子进行分析,发现在个体变异过程中存在着大量的基因漂移现象,这些漂移的基因一方面造就了种群的多样性,但是另一方面也降低了算法的效率,阻碍了算法精度的提高。为此,构造了一种新的算子——漂移抑制算子,通过在基因表达式程序设计方法中加入此漂移抑制算子构造出一种新的算法—基因漂移抑制算法(Gene Drifting Suppression Algorithm Based on Gene Expression Programming,GDSA-GEP),该算法在保持种群多样性的同时,能有效地控制基因的过度漂移。实验结果表明,新算法能有效地提高问题的求解精度。

尺度自适应的抗遮挡目标跟踪算法

针对目标跟踪过程中的尺度变化、易被遮挡及跟踪漂移等问题,提出一种跟踪检测一体化的算法,改进算法在最小输出均方误差和(MOSSE)的基础上增加尺度变化更新机制,通过相关计算推算目标的最新位置和最佳尺寸,并融合了判断遮挡、模板自适应更新机制.通过对Benchmark上51个测试视频集跟踪实验分析,结果表明本文算法在尺度自适应以及抗遮挡方面优于传统算法.

振动条件下平台惯导系统误差抑制技术研究

飞行载体在发射运行过程中常常处于振动环境中,从而影响惯性平台的导航精度。为了更好地辨识振动条件下的平台漂移误差系数,根据小角度的平台误差角模型,推导出了加速度计输出与平台误差角之间的关系,并按照该模型建立了描述平台漂移的状态空间方程和量测方程。将平台漂移角及漂移角速率作为状态变量,利用自适应卡尔曼滤波进行估计。试验结果表明,估计收敛速度快且趋于稳定,能够有效抑制惯导系统速度误差发散,相比较于未补偿平台漂移角,振动后最大速度误差降幅82%~83%。

自适应尺度特征融合与模型更新的跟踪算法

在核相关滤波器跟踪算法中,为了减少背景相似物等杂波对跟踪器的干扰,以及解决不同跟踪结果置信度下的模型更新问题,提出了自适应尺度特征融合与模型更新的跟踪算法。通过多特征融合和尺度变化策略改进了多特征的尺度核相关滤波器,使用多峰检测对响应图的整体振荡程度进行判断,再对峰值进行跟踪结果置信度评估;在遮挡、形变等跟踪结果置信度低的情况下及时停止模型更新,在高置信度模型更新时,引入初始模型进行对齐操作,减少模型的更新误差,抑制模型漂移。比较核相关滤波器算法,本算法准确度较高,且在目标尺度变化、遮挡和形变时稳定性更好。在OTB-50数据集上的实验结果表明,该算法在精度和成功率上都比核相关滤波器算法表现更优。