基于特征点匹配的自适应目标跟踪算法 2016-01-29 13:11 摘 要：由于实际场景复杂多变，目标在运动过程中往往会出现形变、遮挡等问题，增加了跟踪的难度。为了解决上述问题，提出一种基于特征点匹配的自适应目标跟踪算法。算法初始化时在选定的目标区域内提取特征点，跟踪过程中通过对前后两帧的特征点进行匹配，计算出目标的位置、尺度和旋转变化，进而实现对目标的跟踪。同时通过对特征点的不断更新，可以
转载
2023-07-30 14:27:59
92阅读
Kalman滤波器真的太复杂了，因此整理了这篇文章，来记录一下对自己有用的一些参考链接。 如果用我自己的话来总结kalman滤波器（可能不准确）：要观测的目标自身存在一个运动状态（状态方程）；在这个目标身上我安装了一些传感器（观测方程）；我可以通过它上一个的运动状态，来预测此时刻的位置；我也可以通过传感器来直接检测出它此时刻的位置；但是这个世界存在着误差，我无论预测还是检测都可能不准；因此我打算将
转载
2024-03-08 18:04:14
83阅读
# Python止盈止损策略源码探讨
在金融交易中，止盈和止损是两种常用的风险管理策略。止盈是一种在价格达到预设目标后自动卖出以锁定利润的策略，而止损则是在价格下跌到一定程度后自动卖出以防止更大损失的策略。本篇文章将介绍如何使用Python来实现简单的止盈止损策略，并通过代码示例辅助说明。
## 止盈止损策略的基本逻辑
止盈止损策略主要包含如下步骤：
1. 根据当前价格设置止盈和止损点。
# Python动态追踪止盈策略解析
在金融交易中，止盈策略是帮助投资者保护利润的重要工具。动态追踪止盈是指在价格上涨的过程中，不断调整止盈价格，以便在行情回调时锁定更多利益。本文将通过Python代码示例来演示这一策略的实现。
## 动态追踪止盈的基本原理
动态追踪止盈主要依赖一个“止盈点”，这个点随着市场价格的上涨而上移。当市场价格回落到止盈点时，便会自动执行卖出操作，以锁定利润。这里我
原创
2024-09-28 04:58:53
430阅读
一.Lyapunov稳定性理论（1）Lyapunov方程\[A^{T}P+PA=-Q
\]二.正实函数（1）正实对于复变函数h(s): 当s为实数, h(s)为实数；当 Re(s)>=0 时，有 Re[h(s)] >=0. 那么我们称 h(s)为正实函数。(2)严格正实对于复变函数h(s): 当s为实数, h(s)为实数；当 Re(s) >= 0 时，有 Re[h(s)] >
转载
2024-01-06 18:50:28
482阅读
本发明涉及一种检测方法，特别是涉及一种计算机自适应测验方法。背景技术：：当前最普遍的自适应测验方法是最大信息法、a分层法、影子题库等等。最大信息法即根据被试作答结果计算出来的特质值，计算题库里每一道试题的信息函数值，然后选择信息函数值最大的试题。a分层法是一种克服最大信息法抽不到低区分度试题的算法，a分层法依据试题的区分度对试题进行分层，然后对每一层或每几层进行最大信息法或难度值与特质值的最小绝对
转载
2023-11-20 01:15:09
167阅读
自适应滤波器自适应滤波器：一种能够根据输入信号自动调整自身参数的数字滤波器非自适应滤波器：具有静态滤波器系统的数字滤波器，静态系数构成了滤波器的传递函数对于一些应用（如系统辨识、预测、去噪等），无法事先知道需要操作的参数，必须使用自适应的系数进行处理，这种情况下通常使用自适应滤波器自适应滤波器处理语音信号时，不需要实现知道输入信号和噪声的统计特性，滤波器自身能够在工作过程中学习或估计信号的统计特性
转载
2023-11-21 15:36:56
292阅读
1，自适应速率控制算法概述自适应速率控制算法的目的是在信道质量好的时候提高发送速率，信道质量差的时候降低发送速率。自适应速率控制算法是通过选择不同的调制或编码方式来改变发送的速率。IEEE 802.11x标准在物理层提供了多种发送速率的能力，如IEEE 802.11a支持从6Mbit/s到54Mbit/s的8种速率；IEEE 802.11g标准在2.4GHz的频率拓展了802.11b支持了12种速
转载
2024-07-25 12:33:30
133阅读
PID控制应该算是应用非常广泛的控制算法了。小到控制一个元件的温度，大到控制无人机的飞行姿态和飞行速度等等，都可以使用PID控制。下面的文章只是有助于理解PID算法，真正的原理在自动控制理论课程里面。例如稳态误差的产生，为什么需要积分项才能消除稳态误差等等。如果需要理解这些原理，请参考自动控制理论，其中涉及很多基础内容，例如拉普拉斯变换，冲激函数等等。PID(proportion integrat
转载
2023-09-25 19:21:33
1192阅读
本文对前车车辆类型进行分类，提出一种基于前车类型和心理场的车间时距控制算法（2）提出一种新的基于前车类型和心理场的车间时距控制算法。现有车间时距控制算法主要考虑跟车的安全性，没有更好地兼顾驾乘人员的舒适性，同时忽略了前方车辆的差异性对车间时距的影响。在针对 ACC 系统的车辆间距控制算法进行研究、设计时，不仅需要考虑在紧急制动时 ACC 车辆与前车之间有足够的制动距离，还要考虑驾驶员采用 ACC
转载
2024-04-18 19:36:26
74阅读
自适应滤波器一直是信号处理领域的研究热点之一，经过多年的发展，已经被广泛应用于数字通信、回声消除、图像处理等领域。自适应滤波算法的研究始于20世纪50年代末，Widrow和Hoff等人最早提出最小均方算法(LMS)。算法由于结构简单，计算量小，易于实时处理，因此在噪声抵消，谱线增强，系统识别等方面得到了广泛的应用。为了克服定步长LMS算
转载
2024-01-10 20:55:39
88阅读
pid, LQR（LQG），鲁棒控制（H无穷），自适应控制（包含滑膜，反步法，mrac模型参考，L1自适应），模糊控制，mpc（模型预测），强化学习等。PID控制：随处可见的控制方法，优点就是控制律简单，易于实现，不用建模；缺点是难以保证机器人具有良好的动态和静态品质，并且需要较大的控制量；自适应控制：根据要求的性能指标与实际系统的性能指标相比较所获得的信息来修正控制规律或控制器参数，使系统能保持
# 如何实现自适应Simpson算法的Python教程
在这篇文章中，我将向您介绍如何在Python中实现自适应Simpson算法。自适应Simpson算法是一种用于数值积分的方法，适用于解决定积分的问题。该算法通过自适应地细分区间，来提高结果的精确度。我们将分步骤进行实现，并提供必要的代码和注释以便理解。
## 过程概述
下面是实现自适应Simpson算法的主要步骤：
| 步骤 | 说明
—— 年初DSP课程期末设计时为了答辩做的PPT，内容背的滚瓜烂熟，给老师留下了深刻的印象，想必整个系也没有第二个人像我这么上心了，因此最后决定把PPT放到博客上；此外因为不希望PPT上有太多字，所以还额外写了一份讲稿，将收集到的各种论文资料中的相关内容在逻辑上仔仔细细的理顺。只可惜DSP过于高深，各种滤波算法的推演已经完全超出了我的能力，想必以后也不会接触了。正文为了方便阅读，这里将PPT内的图
转载
2024-08-12 17:38:00
105阅读
参考文献： [1] 龙建武, 闫何, 张建勋, 田芳, 等. 智能图像分割技术[M]. 北京: 科学出版社. 2017 [2] 龙建武, 申铉京, 臧慧, 陈海鹏. 高斯尺度空间下估计背景的自适应阈值分割算法[J]. 自动化学报, 40(8), 2014: 1773-1782. DOI: 10.3724/SP.J.1004.2014.01773概述对于背景亮度分布不均匀的图像，直接进行全局阈值分割
转载
2024-06-24 15:31:37
43阅读
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、自适应粒子群优化二、使用步骤代码总结 前言提示：这里可以添加本文要记录的大概内容：下面是一个关于自适应粒子群优化（Adaptive Particle Swarm Optimization，APSO）的博客，希望可以帮助您。提示：以下是本篇文章正文内容，下面案例可供参考一、自适应粒子群优化自适应粒子群优化是一种优化算法
转载
2023-12-08 23:51:03
185阅读
自适应信号处理论文-基于matlab的自适应滤波算法研究.doc 自适应信号处理论文基于MATLAB的自适应滤波算法研究摘要自适应滤波算法是自适应滤波器设计的核心部分，本文主要介绍了两种算法LMS算法和DCT变换。LMS算法是时域变换，DCT是频域变换，文章采用MATLAB相关函数实现了对信号变换的仿真，并对这两种算法进行了一定的对比。关键词MATLAB，LMS算法，DCT变换1、引言LMS算法是
转载
2023-12-05 20:28:54
95阅读
自适应阈值算法利用图像局部阈值替换全局阈值进行图像计算的一种方法，具体针对光影变化过大的图片，或者范围内颜色差异不太明显的图片。自适应是指保证计算机能够通过判断和计算取得该图像区域的平均阈值进行迭代。在图像阈值化操作中，更关注的是从二值化图像中，分离目标区域和背景区域，但是仅仅通过设定固定阈值很难达到理想的分割效果。而自适应阈值，则是根据像素的邻域块的像素值分布来确定该像素位置上的二值化阈值。这样
转载
2023-11-20 09:02:57
91阅读
阅读本文需要的背景知识点：集成学习、拉格朗日乘数法、一丢丢编程知识一、引言 前面一节我们学习了随机森林算法（Random Forest Algorithm），讲到了其中一种集成学习的方法——Bagging 算法，这一节我们来学习另一种集成学习的方法——提升算法1 （Boosting Algorithm），同时介绍其中比较常见的算法——自适应增强算法2（Adaptive Boosting Algo
转载
2024-08-12 12:22:45
726阅读
文章目录一、理论基础1、教与学优化算法2、动态自适应教与学优化算法（1）动态自适应学习（2）教师的动态随机搜索（3）算法实现二、仿真实验与分析三、参考文献 一、理论基础1、教与学优化算法请参考这里。2、动态自适应教与学优化算法（1）动态自适应学习将“教”阶段的位置更新公式修改成为式(1)，学生的原状态按比例向新状态进行转换，公式如下：
转载
2024-03-17 09:43:26
350阅读
