图像像素级边缘检测程序，主要基于soble算子与Hough变换
上传时间： 2017-06-15
上传用户：ynsnjs
微粒群算法与其它进化类算法相类似，也采用“群体”与“进化”的概念，同样也是依据个体（微粒）的适应值大小进行操作。所不同的是，微粒群算法不像其它进化算法那样对于个体使用进化算子，而是将每个个体看作是在n维搜索空间中的一个没有重量和体积的微粒，并在搜索空间中以一定的速度飞行。
上传时间： 2014-11-21
上传用户：teddysha
图像的边缘是指图像中邻域灰度有显著变化 的像素的集合。它是图像的基本特征, 因此边缘检 测方法在图像处理中成为一个十分重要的课题。经 典的边缘提取方法是考察图像的每个像素在某个邻 域内灰度的变化, 利用边缘邻近一阶或二阶方向导 数变化规律, 用简单的方法检测边缘。但是, 因为边 缘和噪声都是高频信号, 因此许多经典边缘检测算 法很难在边缘和噪声中做出取舍。在众多的边缘检 测算子中, 算子因为具有优良的边缘检测能 力, 因此在图像处理中得到广泛应用。
上传时间： 2014-01-08
上传用户：zhanditian
采用了保优的选择遗传算法 终止条件的判断是：到达一定的代数。可改进为：相邻若干代的种群平均适应值的变化来判断。若相邻若干代的种群平均适应值为变化或者是变化小于某一阈值，表示算法已经收敛，则退出算法。 选择算子：轮盘赌选择； 交叉算子：单点交叉,随机选择计算此适应度值，若大于当前最佳适应度值则降低交叉概率，否则不变； 变异算子：模板,对于优势个体，除采用低概率变异外，变异位置应采取权值越大，变异概率越小的原则,而对劣势个体则相反.
上传时间： 2017-09-02
上传用户：shinesyh
遗传算法为群体优化算法，也就是从多个初始解开始进行优化，每个解称为一个染色体，各染色体之间通过竞争、合作、单独变异，不断进化。 优化时先要将实际问题转换到遗传空间，就是把实际问题的解用染色体表示，称为编码，反过程为解码，因为优化后要进行评价，所以要返回问题空间，故要进行解码。SGA采用二进制编码，染色体就是二进制位串，每一位可称为一个基因；解码时应注意将染色体解码到问题可行域内。 遗传算法模拟“适者生存，优胜劣汰”的进化机制，染色体适应生存环境的能力用适应度函数衡量。对于优化问题，适应度函数由目标函数变换而来。一般遗传算法求解最大值问题，如果是最小值问题，则通过取倒数或者加负号处理。SGA要求适应度函数>0，对于<0的问题，要通过加一个足够大的正数来解决。这样，适应度函数值大的染色体生存能力强。 遗传算法有三个进化算子：选择（复制）、交叉和变异。 SGA中，选择采用轮盘赌方法，也就是将染色体分布在一个圆盘上，每个染色体占据一定的扇形区域，扇形区域的面积大小和染色体的适应度大小成正比。如果轮盘中心装一个可以转动的指针的话，旋转指针，指针停下来时会指向某一个区域，则该区域对应的染色体被选中。显然适应度高的染色体由于所占的扇形区域大，因此被选中的几率高，可能被选中多次，而适应度低的可能一次也选不中，从而被淘汰。算法实现时采用随机数方法，先将每个染色体的适应度除以所有染色体适应度的和，再累加，使他们根据适应度的大小分布于0-1之间，适应度大的占的区域大，然后随机生成一个0-1之间的随机数，随机数落到哪个区域，对应的染色体就被选中。重复操作，选出群体规模规定数目的染色体。这个操作就是“优胜劣汰，适者生存”，但没有产生新个体。 交叉模拟有性繁殖，由两个染色体共同作用产生后代，SGA采用单点交叉。由于SGA为二进制编码，所以染色体为二进制位串，随机生成一个小于位串长度的随机整数，交换两个染色体该点后的那部分位串。参与交叉的染色体是轮盘赌选出来的个体，并且还要根据选择概率来确定是否进行交叉（生成0-1之间随机数，看随机数是否小于规定的交叉概率），否则直接进入变异操作。这个操作是产生新个体的主要方法，不过基因都来自父辈个体。 变异采用位点变异，对于二进制位串，0变为1，1变为0就是变异。采用概率确定变异位，对每一位生成一个0-1之间的随机数，看是否小于规定的变异概率，小于的变异，否则保持原状。这个操作能够使个体不同于父辈而具有自己独立的特征基因，主要用于跳出局部极值。 遗传算法认为生物由低级到高级进化，后代比前一代强，但实际操作中可能有退化现象，所以采用最佳个体保留法，也就是曾经出现的最好个体，一定要保证生存下来，使后代至少不差于前一代。大致有两种类型，一种是把出现的最优个体单独保存，最后输出，不影响原来的进化过程；一种是将最优个体保存入子群，也进行选择、交叉、变异，这样能充分利用模式，但也可能导致过早收敛。 由于是基本遗传算法，所以优化能力一般，解决简单问题尚可，高维、复杂问题就需要进行改进了。 下面为代码。函数最大值为3905.9262，此时两个参数均为-2.0480，有时会出现局部极值，此时一个参数为-2.0480，一个为2.0480。算法中变异概率pm=0.05，交叉概率pc=0.8。如果不采用最优模式保留，结果会更丰富些，也就是算法最后不一定收敛于极值点，当然局部收敛现象也会有所减少，但最终寻得的解不一定是本次执行中曾找到过的最好解。
标签： 遗传算法
上传时间： 2015-06-04
上传用户：芃溱溱123
对两个信号进行计算，计算出匹配算子，实现一种信号向另一种信号的靠拢。
标签： 滤波技术
上传时间： 2017-11-02
上传用户：739674020
高等学校教材:全书共四章。内容有：矢量分析；场论；哈密顿算子；梯度、散度、旋度与调和量在正交曲线坐标系中的表示式等。
标签： 矢量分析
上传时间： 2021-11-03
上传用户：nhhrzh
边缘（edge）是指图像局部强度变化最显著的部分.边缘主要存在于目标与目标、目标与背景、区域与区域（包括不同色彩）之间，是图像分割、纹理特征和形状特征等图像分析的重要基础.图像分析和理解的第一步常常是边缘检测（edge detection）.由于边缘检测十分重要，因此成为机器视觉研究领域最活跃的课题之一.本章主要讨论边缘检测和定位的基本概念，并使用几种常用的边缘检测器来说明边缘检测的基本问题图像中的边缘通常与图像强度或图像强度的一阶导数的不连续性有关.图像强度的不连续可分为：（）阶跃不连续，即图像强度在不连续处的两边的像素灰度值有着显著的差异（2）线条不连续，即图像强度突然从一个值变化到另一个值，保持一个较小的行程后又返回到原来的值.在实际中，阶跃和线条边缘图像是很少见的，由于大多数传感元件具有低频特性，使得阶跃边缘变成斜坡型边缘，线条边缘变成屋顶形边缘，其中的强度变化不是瞬间的，而是跨越一定的距离，这些边缘如图6.1所示对一个边缘来说，有可能同时具有阶跃和线条边缘特性.例如在一个表面上，由一个平面变化到法线方向不同的另一个平面就会产生阶跃边缘：如果这一表面具有镜面反射特性且两平面形成的棱角比较圆滑，则当棱角圆滑表面的法线经过镜面反射角时，由于镜面反射分量，在棱角圆滑表面上会产生明亮光条，这样的边缘看起来象在阶跃边缘上叠加了一个线条边缘.由于边缘可能与场景中物体的重要特征对应，所以它是很重要的图像特征。比如，个物体的轮廓通常产生阶跃边缘，因为物体的图像强度不同于背景的图像强度在讨论边缘算子之前，首先给出一些术语的定义：边缘点：图像中具有坐标[门且处在强度显著变化的位置上的点边缘段：对应于边缘点坐标[，门及其方位，边缘的方位可能是梯度角边缘检测器：从图像中抽取边缘（边缘点和边缘段）集合的算法
上传时间： 2022-04-22
上传用户：bluedrops
描述线性算子的结构是线性代数的中心任务之一，传统的方法多以行列式为工具，但是行列式既难懂又不直观，其定义的引入也往往缺乏动因。本书作者独辟蹊径，抛弃了这种曲折的思路，把重点放在抽象的向量空间和线性映射上，给出的证明不使用行列式，更显得简单而直观。本书把行列式的内容放在了zui后讲解，开辟了一条理解线性算子结构的新途径。书中还对一些术语、结论、证明思路、提及的数学家做了注释，增加了行文的趣味性，便于读者掌握核心概念和思想方法。本书起点较低，不需要太多预备知识，而特色鲜明，是公认的阐述线性代数的经典佳作。原书自出版以来，迅速风靡世界，在30多个国家为200多所高校所采用，其中包括斯坦福大学和加州大学伯克利分校等知名学府。 本书强调抽象的向量空间和线性映射， 内容涉及多项式、本征值、本征向量、内积空间、迹与行列式等. 本书在内容编排和处理方法上与国内通行的做法大不相同， 它完全抛开行列式， 采用更直接、更简捷的方法阐述了向量空间和线性算子的基本理论. 书中对一些术语、结论、数学家、证明思想和启示等做了注释， 不仅增加了趣味性， 还加强了读者对一些概念和思想方法的理解.
标签： 线性代数
上传时间： 2022-05-22
上传用户：qdxqdxqdxqdx
1引言随着高r能永磁材料、电力电了技术、大规模集成电路和计算机技术的发展，永同步电机PMSMD）的应用领城不扩大。由于对电机控制性能的要求越来越高，因此如何建立有效的仿真模型越来受到人们的关注。本文在分析永司步电机数学模型的基础上，提出了一种PMSM控制系统建模的方法，在此仿真模型基础上，可以十分便捷地实现和验证控制算法。因此，它为分析和设计PMSM控制系统提供了有效的手段，也为实际电机控制系统的设计和调试提供了新的思路。2永磁同步电机的数学模型[]水磁同步电动机三相绕组分别为U.v.w，各相绕组平面的轴线在与转子轴垂直的平面上，三相绕组的电压回路方程如下；式中，U L，为各相绕组两端的电压14A为各相的线电流，中uoyow为相统组的总磁链，R为定子每相绕组的电阳：P为微外算子（d/at）.磁链方程为：
上传时间： 2022-06-22
上传用户：qingfengchizhu
