首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

遗传算法及其在跟踪系统中的应用研究

第一章 绪论第1-12页
 1.1 本论文的研究目的和意义第8-9页
 1.2 本论文的主要工作第9-10页
 1.3 本文的内容安排第10-12页
第二章 遗传算法概述第12-29页
 2.1 遗传算法的发展历史第12-14页
 2.2 遗传算法的研究概况第14-17页
  2.2.1 遗传算法的理论研究概况第14-16页
  2.2.2 遗传算法的应用研究概况第16-17页
 2.3 遗传算法今后的研究方向第17-18页
 2.4 遗传算法的构成第18-20页
 2.5 遗传算法的基本理论第20-21页
 2.6 遗传算法的特点第21-22页
 2.7 本章小结第22-23页
 参考文献第23-29页
第三章 遗传算法的性能分析研究第29-43页
 3.1 引言第29页
 3.2 遗传算法性能分析第29-38页
  3.2.1 遗传算法性能分析的定量标准第29-32页
  3.2.2 实验函数及实验策略第32-33页
  3.2.3 实验结果及分析第33-38页
 3.3 一种新的自适应遗传算法第38-41页
  3.3.1 交叉概率及变异概率第38-39页
  3.3.2 M.Srinivas等人提出的方法第39-40页
  3.3.3 一种新的自适应策略第40页
  3.3.4 实验结果第40-41页
 3.4 本章小结第41页
 参考文献第41-43页
第四章 遗传算法在图像分割中的应用研究第43-57页
 4.1 引言第43页
 4.2 图像分割算法综述第43-47页
  4.2.1 边缘检测型方法第43-44页
  4.2.2 区域跟踪型方法第44页
  4.2.3 门限型方法第44-46页
  4.2.4 新的图像分割方法第46-47页
 4.3 一种自适应最小误差分割方法第47-50页
  4.3.1 P-tile方法简介第47-48页
  4.3.2 结合遗传算法的最小误差分割方法第48-49页
  4.3.3 实验结果及分析第49-50页
 4.4 运动目标分割的遗传算法方法第50-54页
  4.4.1 编码及适应度函数设计第51-52页
  4.4.2 遗传算法在技术上的改进第52页
  4.4.3 实验结果第52-54页
  4.4.4 结论第54页
 4.5 本章小结第54-55页
 参考文献第55-57页
第五章 图像分割质量评价方法研究第57-66页
 5.1 引言第57页
 5.2 区域一致性第57-58页
 5.3 区域对比度第58页
 5.4 区域形状参数第58-59页
 5.5 图像的模糊度第59-62页
  5.5.1 图像的模糊集合描述第59-61页
  5.5.2 图像的模糊熵第61-62页
 5.6 测试结果第62-64页
 5.7 本章小结第64页
 参考文献第64-66页
第六章 遗传算法在图像跟踪系统中的应用第66-82页
 6.1 图像跟踪系统概述第66-69页
 6.2 跟踪处理器第69-70页
 6.3 基于遗传算法的匹配算法第70-74页
  6.3.1 相关匹配法第70-71页
  6.3.2 遗传相关匹配法第71-72页
  6.3.3 实验结果第72-74页
 6.4 基于遗传算法的目标检测定位第74-76页
  6.4.1 问题解的编码及适应度函数的确定第74页
  6.4.2 实验结果第74-76页
 6.5 基于遗传算法的目标跟踪第76-80页
  6.5.1 系统组成第76-77页
  6.5.2 跟踪状态的评估及控制第77-78页
  6.5.3 提高跟踪性能的措施第78-79页
  6.5.4 实验结果第79-80页
 6.6 本章小结第80页
 参考文献第80-82页
第七章 遗传优化跟踪算法的实现方案设计第82-89页
 7.1 遗传算法的计算量分析第82-83页
 7.2 利用TMS320C6x实现遗传优化跟踪过程第83-88页
  7.2.1 TMS320C6x简介第83-85页
  7.2.2 利用TMS320C6x实现遗传优化跟踪过程的可能性分析第85-87页
  7.2.3 利用TMS320C6x实现遗传优化跟踪的系统设计第87-88页
 7.3 本章小结第88页
 参考文献第88-89页
结束语第89-90页
致谢第90-91页
攻读博士期间发表学术论文情况第91页

论文共91页,点击 下载论文
上一篇:幽门螺杆菌cagA基因的定量检测及其表达产物的应用性研究
下一篇:PID参数自整定