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

阐述了基于机器视觉的在线粮库虫情测报系统的系统结构，论述了害虫图像边缘检测是该系统的关键模块。在此基础上详细分析了Roberts算子、Sobel算子、Krisch算子、高斯-拉普拉斯算子在害虫图像边缘检测中的应用。在VC 60平台上实现了这四种方法对粮样图像的边缘检测算法程序的同时，还分析比较了这四种算法对特定粮虫图像边缘检测处理效果的优劣。