排序方式: 共有21条查询结果,搜索用时 0 毫秒
1.
2.
3.
针对复杂环境下目标跟踪过程中由于遮挡、目标姿势及光照条件变化引起跟踪漂移的问题,提出一种基于多示例学习(MIL)框架的在线视觉目标跟踪算法。该算法针对多示例跟踪算法采用单一haar-like特征不能准确描述目标外观变化及在学习过程中对样本包中各正负样本示例采用相同权值,忽略不同正负样本示例在学习过程中对包的重要性不同的特点,采用多特征联合表示目标外观构造分类器,通过将多特征互补特性融入在线多示例学习过程中,利用多特征的互补属性建立准确的目标外观模型,克服在线多示例跟踪算法对目标外观变化描述不足的问题;同时,依据不同正负样本示例对样本包的重要程度进行权值分配,提高跟踪精度。实验结果表明,本文跟踪算法对场景光线剧烈变化、遮挡、尺度变化及平面旋转等干扰具有较强的跟踪鲁棒性,通过对不同视频序列进行测试,文中算法在5组测试视频序列上的平均中心位置误差远小于对比增量式学习跟踪,仅为10.14像素,其对比算法IVT、MIL和OAB的中心位置误差分别为17.99、20.29和33.64像素。 相似文献
4.
提高电动加载系统输出平滑的CMAC复合控制 总被引:2,自引:0,他引:2
CMAC(Cerebellar Model Articulation Controller)和PD(Proportional Derivative)复合控制算法有时因输出不平滑会引起加载电机抖动而影响控制效果.通过对该输出不平滑问题进行分析,提出了一种新的提高输出平滑性的改进CMAC复合控制算法,该方法通过新的权值更新公式,在权值更新时直接达到减小误差和提高输出平滑性的目的.仿真和实验结果表明:改进后的算法能够有效提高输出平滑性,降低了21%的稳态误差,且保证在加载时有良好的稳定性和抗干扰能力. 相似文献
5.
6.
针对民用涡扇发动机设计多变量控制器,提出将多变量增广LQR控制算法引入到民用涡扇发动机的方法。将发动机控制量作为增广的状态向量引入LQR算法设计,并根据控制系统回路的性能需求,设计期望动态响应曲线;期望动态响应与实际动态响应的差值范数作为优化目标用来调整、确定LQR控制算法的权阵取值;设计的控制器与民用涡扇发动机非线性模型仿真验证。结果表明,多变量增广LQR控制器满足民用涡扇发动机的控制需求。 相似文献
7.
8.
将动态逆理论、神经网络和自适应控制相结合应用于非线性飞行控制系统设计中,通过动态逆控制律将非线性耦合系统转换为线性解耦系统,采用具有在线学习能力的神经网络来补偿反馈线性化中存在的逆误差,最后利用李亚普诺夫稳定性理论推导了在线网络权值的自适应调整规则。仿真结果表明,这种控制结构具有良好的跟踪能力和极强的鲁棒性。 相似文献
9.
10.