N-FINDR: an algorithm for fast autonomous spectral end-member determination in hyperspectral data 作者Michael E. Winter

在大数据环境下，多源舁构知识的融合为研究者从众多分散 、异构的数据源和知识源 中挖掘 出隐含 的、有价值的和尚未微发现的信息和知识提供了非常有效的手段和方法。针对 目前知识融合方法的不足 ．在对大数据环境下的肄构知识融合方法进行深入研究的基，将已有的数据融合算法合理地移植到知 识融合中，设计并构造 了大数据环境下 的多源肄构餐珀识融合算法。为进 一步提高获取知识的质量，依据知识源粒度的动态选择 ，提出了一种改进的知识源分解一合并法 ，以获得合适粒度大小的知识源集合和尽可能真实可靠 的知识。基于 Hadoop和 MapReduce框架所构建的实验平台耐所提算法进行 r实验验证。实验结果表明，所提出的多源异构知识融合算法有效可行 ，并能够有效显著地提高多源异构知识融合算法的性能。

有限长序列线性相关的快速算法研究.pdf

双目标定相关算法研究.rar

针对采用频域平滑周期图法估计循环谱,提出了一种改进的基于循环谱包络BPSK信号的码元速率 估计算法。该算法选用较高的循环频率来进行参数估计,可获得较高的处理信噪比。通过在循环频率域的一维 搜索即可获得码元速率参数的估计。给出了信号参数估计的具体步骤,并分析了估计算法的性能,进行了计算机 仿真实验。仿真结果验证了该算法的有效性。

在监控视频图像中因拍摄角度的问题，导致图像中的车道线并不是竖直的。针对在此图像中选取对应块，实现车辆速度实时检测的问题，分析了车身的特征及图像中车道线的倾斜角度，选择车灯作为对应块，选取车灯存在的候选区域；然后根据车灯的对称性强度筛选车灯带，实现车灯的准确定位，并把车灯移动的距离通过摄像机标定转换到实际坐标中，从而实现车辆速度的实时检测。实验结果证明，该方法运行速度快、定位准确，因此可以广泛地应用于红绿灯路口环境中，实现视频图像的车速实时检测。

鱼眼图像校正算法研究 鱼眼图像校正算法研究 鱼眼图像校正算法研究

[附件中程序使用的详细说明]摄像平台高速靠近目标时，会使成像产生从中心到边缘呈放射状径向模糊的问题，影响对目标的探测、识别与跟踪。针对这一典型的空间变化运动模糊情形，根据实际的目标离散成像过程，推导出 径向模糊图像在极坐标系中的数学模型。并在分析极坐标图像纹理信息几何特征的基础上，基于非局部正则化理论提出改进的Richardson-Lucy 算法，有效解决了模糊系数存在测量误差时，含噪径向模糊图像的复原问题。实验结果表明：提出的图像复原算法能很好地抑制噪声与环状振铃效应，在主观视觉与客观评价方面均能取得很好的复原效果。

针对Camshift跟踪算法无法适应目标的高速运动、背景复杂和遮挡的情况，提出了一种改进算法。将Kim算法和卡尔曼滤波状态预测引入，用Kim算法提取运动目标区域信息，根据以往目标位置点的信息对当前帧中目标的可能位置预测，解决了传统Camshift算法的一些局限。实验表明改进算法在目标高速运动、遮挡情况下，仍能进行有效跟踪。

距离差=时间差×电磁波速度 TA-TB=CONSTANT