摄像机标定是计算机视觉领域的一个研究热点，为了解决单目摄像机标定中的精度不高、模型复杂、鲁棒性差等问题，依 据神经网络、遗传算法及摄像机标定的特点，提出了基于遗传算法和BP神经网络相结合的单目摄像机标定方法。该方法充分利用 遗传算法的全局优化和神经网络的局部收敛的特点，一方面避免了建立复杂的摄像机成像模型，另一方面增强了摄像机标定的精 度和鲁棒性。-The camera calibration isoneofmostimportantresearch ifeldsin compute

Mean Shift算法的基本原理，着重研究了Mean Shift的迭代过程和收敛性以及特征空间的结构。通过Mean Shift结构分析，本章提出了一种快速区域合并算法并将其应用于改进的Mean Shift图像分割算法。-The basic principle of the Mean Shift algorithm, focusing on the Mean Shift iteration process and convergence and the structure of the feat

由于K-means 聚类方法对遥感图像进行分类时，对训练样本的选取依赖性很大，容易陷入局部最优的陷阱的情况，本文提出利用模拟退化算法对K-means 的聚类进行优化以获得 全局最优解的分类新方案。并以多波段影像为例进行验证分析，结果表明该方法可行，收敛 结果优于K-means 聚类算法，分类精度相对传统的K-means 算法更高。-Because K-means clustering classification depend on the training sample selecti

　提高电源的动态响应　　非线性和复杂的系统是一个转换器　　电力电子的有趣的挑战。摘要介绍了　　设计和实现数字PID控制器使用　　混沌粒子群优化(复)提振　　转换器,提出了自动调优转换器的方法　　最优启动响应。当系统启动时,处理器　　单元分析了开环启动响应转炉和　　在一些迭代使用复准备最佳反应　　算法。使用逻辑映射混沌映射序列　　增加它的收敛速度和精度。模拟　　和实现结果显示提出的效率　　方法-Improving dynamic response of DC-DC converters whi