检索结果

Select

1. 粒子群局部优化的反距离权重插值算法

向峰, 李中志, 熊熙, 李斌勇

《计算机应用》唯一官方网站 2023, 43 (2): 385-390. DOI: 10.11772/j.issn.1001-9081.2022010056

摘要（244）

HTML （15）

PDF （2046KB）（123）

参考点与参数的选取会对反距离权重（IDW）的精度产生影响。针对多参数协同优化反距离权重算法（PIDW）忽略局部特性的问题，提出一种利用粒子群对IDW进行局部优化的改进算法——PLIDW。首先，分别对研究区域中各个样本点的参数进行寻优，利用交叉验证方法进行评估，记录各自最优取值的一组参数；同时，为提高查询效率，使用K维树（KD-Tree）保存空间位置与最优参数；最后，根据空间邻近程度从K维树选取最近的一组参数优化IDW。基于模拟数据与真实的温度数据集上的实验结果表明，相较于PIDW，PLIDW在真实数据集上的准确度提高4.18%以上，改善了PIDW存在的因忽略局部特性导致部分场景准确度低的问题，适应能力更强。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 基于混合高斯模型的新型目标检测系统

金广智石林锁白向峰滕明春

计算机应用 2011, 31 (12): 3360-3362.

摘要（932）

PDF （660KB）（617）

针对传统混合高斯模型计算量过大及其在非平稳背景下存在的问题，提出一种新型运动目标检测系统。该系统引入模型等权重初始化策略，改善了视频检测初始阶段的效果；通过基于线性均差的模型匹配方法，减少了对方差的运算次数，有效减少了模型的计算量；加入干扰信息处理模块，以增强模型在复杂背景下的生存能力。经实验验证，新型系统准确检测出了视频初始阶段的多运动目标，可使进入场景后停留的目标快速融入背景，并能有效克服非平稳背景的扰动。实验结果表明该系统相比经典模型，准确性和鲁棒性均有明显改善。

相关文章 | 多维度评价

Select

3. 窗宽自适应Mean-Shift跟踪算法

白向峰李艾华李喜来蔡艳平

计算机应用 2011, 31 (01): 254-257.

摘要（1221）

PDF （644KB）（1194）

针对固定窗宽Mean-Shift算法在目标运动速度过快或尺度发生明显变化时可能导致跟踪失败的问题，提出一种窗宽自适应的Mean-Shift跟踪算法。该方法基于均值漂移矢量预测跟踪窗口中心位置，同时自动调整跟踪窗口大小，保证目标始终处于跟踪窗口内部，使算法得以准确定位目标；在确定空间位置后，利用基于Bhattacharyya系数的二分法自动选取窗口缩放比例，得到与目标尺度一致的跟踪窗口。实验结果证明，该方法能很好地定位目标的空间位置和尺度。