BP神经网络快速收敛算法研究

以标准BP算法为基础，应用Levenberg—Marquardt优化算法，提出了一种快速收敛的BP算法——LMBP算法。仿真结果表明，与标准BP算法及其他改进形式比较，LMBP算法收敛速度大大提高，稳定性并未降低，这为BP神经网络应用于实时性要求高的场合(如在线检测)提供了算法基础。该算法的缺点是计算量大，所需计算机内存大，不适合大型网络的计算。     

基于BP神经网络的葡萄病害诊断方法研究

根据葡萄病害的特点,采用改进的BP算法,建立了BP神经网络诊断模型,经测试其诊断结果正确率为100%,BP模型的诊断准确率为95.39%。研究结果表明BP神经网络技术适合应用于解决病害诊断这一复杂问题。     

基于轻量级神经网络的农作物病害识别算法

应用深度学习的图像分析技术,可较早地、无损地检测作物病害,但移动端计算资源的有限性限制了深度学习在移动端的应用和发展.利用迁移学习方法,进行多种神经网络的预训练,将其在ImageNet图像数据集上学到的知识迁移运用到多种农作物数据集及番茄单作物数据集的多种病害识别上,并进行多个深度学习模型在多种作物数据集的计算复杂度、...     

羊群无感知体重监测系统的设计

为了解决羊只称重困难问题,在不影响羊群正常通行的前提下实现在自然状态下对羊群体重的日常监测,减小羊只的应激反应,试验设计了一种羊群无感知体重监测系统,以STM32单片机为核心控制器采集数据并传给上位机,原始数据经滑动平均滤波法、随机森林算法、平均差系数法处理后得到每只羊的体重,并对该系统进行了验证。结果表明：羊群无感知体重监测系统对羊只体重监测结果的相对误差小于1.5%,绝对误差小于1.00 kg,符合实际需求。说明羊群无感知体重监测系统可应用于畜牧生产中的羊体重监测。     

基于FIA*-APF算法的蟹塘投饵船动态路径规划

为了提高无人投饵船在含障碍物河蟹养殖池塘自主巡航的作业效率和安全性,该研究提出基于改进A*算法与人工势场法相融合（fusion of improved A* and artificial potential field,FIA*-APF）的蟹塘投饵船动态路径规划算法。首先引入动态加权因子优化A*算法评价函数;其次加入转折惩罚函数并删除冗余点,接着利用B样条曲线对全局路径进行平滑处理;最后将改进A*算法得到的全局路径作为改进人工势场法中的引力路径,生成投饵船自主巡航高效路径。根据养殖池塘创建静态和动态2种仿真环境,分别对传统人工势场法（traditional artificial potential field,TAPF）、基于A*和人工势场法的融合算法（the A* and artificial potential field,TA*-APF）和FIA*-APF算法的性能进行20次测试。仿真试验结果表明：2种环境下,FIA*-APF算法的平均规划时间是TAPF算法的17.23%,是TA*-APF算法的51.96%,平均指令节点数量比TAPF算法减少50.64%,比TA*-APF算法减少65.03%,平均路径长度比TA*-APF算法减少2.82%。蟹塘试验结果表明：FIA*-APF算法的规划时间为TAPF算法的38.16%,为TA*-APF的62.42%,路径长度比TAPF算法减少29.13%,比TA*-APF减少10.15%;另外,TAPF和TA*-APF算法规划路径上大于60°的转角分别是FIA*-APF算法的3.28和2.62倍,大于100°的转角分别是FIA*-APF算法的3.73和1.67倍,该研究算法规划的路径更高效平滑。研究结果可为无人投饵船自主导航提供参考。     

由汉诺塔游戏想到的汉诺塔简单非递归算法

汉诺塔问题是一个古典的数学问题,也是程序设计中的经典递归问题,其递归算法由于简洁清晰,为大家所熟悉,编写出来的程序也比较简单,缺点是占用太多的内存空间.本文对汉诺塔问题进行了数学建模,并用几个简单的判断条件,对问题迅速求解,程序用C语言实现.     

基于改进Vibe算法的观赏鱼目标检测研究

借助计算机视觉技术研究鱼类行为已逐渐成为热点课题,该技术模拟生物视觉原理,通过处理采集的图片或视频获得动态目标参数信息,以达到对鱼类游泳行为监测分析的目的。利用传统的Vibe算法进行鱼类游泳行为监测会出现消除鬼影需要消耗大量视频帧,存在水面波纹的动态背景下运动目标的检测结果不准确的问题,因此提出了一种改进的Vibe算法。针对消除鬼影需要消耗大量视频帧,提出利用层次遍历搜索算法对目标图像进行标记并计数方法来自适应调整背景更新概率以实现快速消除鬼影。针对存在水面波纹的动态背景下运动目标的检测结果不够精确,提出基于LBP和HSV去除水面波纹以提高检测精度。     

基于KNN-HMM的智能手语翻译系统

基于KNN-HMM的智能手语翻译系统采用数据手套+手机App的方案,通过数据手套上的弯曲度传感器、惯性测量传感器采集手部动作数据,经STM32处理器归一化和数据融合后,采用KNN算法进行初步分类,将初步分类结果通过蓝牙传输到手机,手机App利用HMM模型结合上下文获知手语含义,进而翻译成普通人能够理解的文本和语音.测试...