一种视频图像三维子带编码方法

介绍一种视频图像三维子带编码方法，它采用非对称滤波器进行子带划分，对各子带进行量化时，低频子带采用非对称树结构矢量量化方法，高频子带采用几何矢量量化方法。实验证明，由此构成的比特率为１１２ｋｂ／ｓ视频图像编码器获得了良好的重建图像质量。     

基于模糊聚类的粒子群算法在雷达组网优化布站中的应用

提出了一种基于模糊C-均值聚类的粒子群算法,将其应用于雷达组网优化布站.定性分析了雷达组网布站原则并对其量化,建立了优化布站的数学模型.为加快求解速度,结合模糊C-均值聚类对标准粒子群算法进行了改进,给出了基于模糊C-均值聚类的粒子群算法在该优化问题中的设计方法,并与标准粒子群算法和遗传算法进行了仿真对比.结果表明,该方法能够快速得出雷达组网优化布站方案,验证了雷达组网布站模型的可行性和改进算法的有效性.     

基于模糊熵与方向相似度的液体火箭发动机故障检测

先定义系统的广义模糊熵及其计算公式，再给出滑动数据窗口中采样数据矢量方向分布中心的离散度定义及其与模糊熵之间的负指数解析关系，并基于离散度概念对自适应窗口滤波器进行了改进，提高了滤波器对噪声的敏感度以及故障检测算法对强干扰噪声环境的鲁棒性。同时，根据滑动数据窗口中二模糊聚类数据中心矢量方向相似度的变化来监示发动机系统故障的发展趋势。本文基于受强噪声环境干扰的实际试车数据并用自组织模糊聚类算法作为滑动数据窗口上的聚类算法进行了数字仿真试验。仿真结果表明：基于模糊熵的故障检测算法具有对强噪声环境的鲁棒性，是低信噪比环境下的一种客观的故障检测算法。     

基于聚类算法的多无人机系统任务分配

针对现有任务分配方法在任务点较多时不易解算,且计算量大的问题,提出了基于模糊C-均值聚类算法的多无人机系统任务分配方法.首先,利用模糊C-均值聚类算法得到的隶属度矩阵对任务点进行初始分配;其次,针对基于空间划分聚类可能造成各UAV任务不均衡的问题,设计任务的局部优化调整规则;最后,结合单旅行商问题,利用Tabu Sea...     

混合量化与基于小波的图像压缩

本文针对基于小波的图像压缩,提出一种新的快速有效的量化方法。该方法将矢量量化的高效率和标量量化的简单性有机地结合起来,称为混合量化（ＨＱ－ＨｙｂｒｉｄＱｕａｎ－ｔｉｚａｔｉｏｎ）。它不需要进行码书训练,不要做乘除法。并用标准测试图像与其它著名方法的压缩结果进行了比较。     

语音矢量量化编码

语音矢量量化编码是一项新技术,具有很大的实用价值。本文简要地阐述矢量量化原理之后,着重介绍语音波形矢量量化编码、语音参数矢量量化编码、以及混合形式矢量量化编码,综述近年来国内外学者在这几个方面取得的一些成果,预测它们的发展动向。     

基于犹豫模糊混合云模型的航空装备保障系统效能评估

针对航空装备保障系统效能评估过程存在定性指标与定量指标共存、评价信息具有不确定性等问题,提出了一种基于犹豫模糊混合云模型的效能评估方法。根据语言变量的转换与正态云模型之间的混合规则,将犹豫模糊语言术语集转换为梯形云模型,并根据云模型的数字特征,提出了犹豫模糊语言术语集的犹豫度函数与标度函数,实现了对定性指标的量化,兼顾了评价信息的犹豫性、模糊性和随机性。利用区间层次分析法结合灰狼优化算法对效能评估指标体系进行权重赋值,确定系统效能等级。通过应用实例与方法比较表明：犹豫模糊混合云模型不仅评估结果可靠,而且能够识别系统的运行状态,发现系统建设的短板,为提高系统效能提供重要的参考意见,更具有实用性。     

一种鲁棒的场地球类视频中的球门探测方法

在场地球类视频中,球门常常会伴随着精彩片段而出现。因此,球门探测是体育视频的基础,同时也是视频高层语义概念探测的研究热点。目前,利用机器学习方法进行视频中的对象探测是非常有前途的研究领域。基于此,提出一种基于模糊决策树的球门探测算法,用来探测场地球类视频中球门帧的出现,为了提高分类准确性,在模糊决策树训练的过程中加入了平衡处理。实验结果表明,与基于阈值和决策树的算法相比,该算法可以得到更好的分类结果(F-measure>95%),并且我们可以从所建立的树中推导出模糊规则来解释分类模型。     

基于模糊理论的武器装备项目中评估研究

从进展、组织管理、性能、预期效益、资源条件5个方面建立了武器装备项目中评估指标体系。针对混合型评估指标具有不确定性和模糊性的问题,建立了基于模糊理论的武器装备项目中评估模型。该模型采用模糊子集来表示指标价值,以实现混合型指标的一致化,并应用模糊层次分析及模糊综合评判方法实现权重分析和综合评估,最后提出了基于模糊C-均值聚类的评判结果处理方法,克服了最大隶属度法信息丢失和加权平均法信息湮没的缺陷。算例结果验证了该评估指标体系及评估模型的有效性与实用性。     

基于贝叶斯混合源分离方法的声纳探测误差模型

声纳的探测误差模型是声纳仿真的核心技术。针对现有的声纳误差白噪声模型仿真逼真度低的问题,提出了基于贝叶斯混合源分离方法,建立了声纳的探测误差模型,提高了声纳误差模型的性能。与传统的白噪声仿真方法相比,基于贝叶斯混合源分离方法的声纳误差仿真模型具有较好的逼真度,可以有效地对声纳探测误差进行建模和预测。     

基于高低频模型的矢量量化图象编码系统(HL-TVQ)

HL-TVQ 图象编码系统,是在图象的高/低频图象模型基础上,对低频图象分量进行变换矢量量化编码,而对高频图象进行空域欠量量化编码。HL-TVQ 编码系统具有压缩比高(在模拟时达到10),恢复图象的视觉效果好,运算复杂度小的特点。本文详细介绍 HL-TVQ的编码过程和原理。     

面向边缘的分类DCT变换在视频编码中的应用

DCT+运动估计与补偿方法是实用的视频编码方法。目前包括甚低速视频编码标准H.263在内的多种视频标准均采用这种方法。考虑到视觉对于边缘信息的敏感性,我们根据边缘特性对编码块进行分类量化,使得边缘附近的量化噪声具有边缘相似性,从而最优地保留对于视觉敏感的DCT系数,在保证编码效率的同时较大地提高了重建图像质量     

基于模糊逻辑的舰船维修经费预测

针对多输入、单输出的复杂非线性系统,基于Ｔａｋａｇｉ－Ｓｕｇｅｎｏ　模糊规则给出了一种系统预测模型,分别用模糊Ｃ－均值聚类算法和线性回归方法导出模型参数．利用该模型对舰船维修经费进行了预测,并进行了精度分析．     

邻域灰度差加权的模糊C均值聚类图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点.但是这种算法没有考虑到样本空间中不同的样本点对分类的贡献不同,因此分割效果不理想.提出了邻域灰度差加权的模糊C均值聚类算法,实验结果表明,该算法不仅取得了很好的分割效果,而且加快了算法的收敛速度,从而满足了图像分割的有效性、实时性的要求.     

子波域中图象数据的矢量量化

介绍了子波变换的基本理论及特点,并用它对图象进行三层分解。矢量量化优于标量量化。它已成功地应用于图象的数据压缩。文中应用失显量化法量化图象于波域数据,取得较满意的压缩效果。     

整数变换及其在H.263中的应用

针对H.263视频编码标准的DCT变换有运算量大、截尾误差等特点,在提升格式的基础上,采用整数变换代替浮点DCT,并且对相应的量化器加以调整,设计了一种适宜于H.263的整数变换。并将这种整数DCT、浮点DCT和定点DCT在结构和性能上进行比较分析,证实其具有消除浮点运算、减少运算量的特点,并且有很好的压缩效果。     

基于模糊聚类的入侵检测方法

分析了异常入侵检测存在的问题,研究了基于模糊聚类的入侵检测算法。该算法采用C-均值算法,通过训练数据聚类、异常聚类划分和行为判定等3个步骤实现异常入侵检测。试验采用KDD99数据进行了测试,证明该算法是可行和有效的。     

基于DCT的帧内视频编码器的缓存控制技术

提出一种基于ＤＣＴ的帧内视频编码器的缓存控制技术。它根据视频图像各种子块的比例及其相应的Ｒ－Ｑ曲线确定量化因子，通过再编码，调整子块Ｒ－Ｑ曲线的拟合参数使其自适应视频图像的场景变化。同时本文提出了一个简单有效的图像子块分类方法，分类结果基本上与根据编码子块所需比特数分类子块的结果相一致。此法用于缓存控制的额外计算量小，并能扩展应用于Ｈ．２６１、ＭＰＥＧ等视频编码标准中。模拟结果表明，此法在视频序列的场景发生变化时，再编码次数少，输出码率恒定。     

粗糙模糊C-均值算法及其在图像聚类中的应用

提出一种新的粗糙模糊C均值算法(RFCM),该算法基于粗糙集的上、下近似的概念改进了FCM的目标函数,从而改变了隶属度函数的分布,使得隶属度函数的分布更加合理,同时RFCM的时间复杂性比FCM更低。将RFCM用于图像的聚类,相对于FCM算法,图像的边缘更光滑,同时对初始隶属度矩阵敏感度更低。该算法具有较好的稳定性,是一种实用的算法。