现实中基于图像处理的疲劳驾驶监测往往因环境的变化而具有不确定性。监测算法不规范,以致于疲劳驾驶监测任务很具有挑战性。为了解决此问题,提出了一种基于多算法融合的动态滑动窗口算法框架。首先利用Adaboost算法识别人眼,然后改进Otsu算法来自适应各种不同环境;进而提出动态滑动窗口算法来得到睁闭眼之间的最佳阈值;最终,利用改进的PERCLOS算法估计疲劳驾驶状态的不同级别。针对环境的变化采用睁闭眼判断窗口随人眼特征变化而更新的策略,系统使用摄像头实时捕获人眼图像,并在PC机上进行仿真测试,可在130~150ms之间实现不同疲劳状态的识别。实验结果表明,此算法框架能够有效、快速的分辨驾驶员不同的疲劳状态。

【图像识别】基于LBP+LPQ算法融合人脸表情识别matlab源码.md

结合主元分析（PCA）与线性鉴别分析（LDA）的特点，利用PCA-LDA算法进行性别鉴别。通过PCA算法求得训练样本的特征子空间，并在此基础上计算出LDA算法的特征子空间。将PCA算法与LDA算法的特征子空间进行融合，获得PCA-LDA算法的融合特征空间。训练样本与测试样本分别朝融合特征空间投影，从而得到识别特征。利用最近邻准则即可完成性别鉴别。实验中利用三种预处理方法（PCA+LDA、HG+PCA+LDA、RHG+PCA+LDA），得出各自的实验结果，并进行比较。实验结果表明，利用RHG+PCA+LDA方法预处理后，使用PCA-LDA算法进行性别鉴别可以得到理想的效果。

文章将遗传算法和蚁群算法融合为一体，在此基础上，分另13对遗传算法和蚁群算法中的遗传算法中的交叉长度发生变化、种群更新、蚁群算法信息素保留率和信息素自动更新进行了改进。同时给出一种信息素更新模型，最后通过对TSP的51个城市的仿真计算，表明将遗传算法和蚁群算法融合为一体效果较好。

销量预测一直是一个热点研究的课题，对于各个企业有着重要的意义.近年来，随着深度学习的崛起，用于销量预测的模型越来越多，而单一模型的预测性能往往不够理想，所以出现了越来越多的组合模型.本文利用Stacking策略将XGBoost、支持向量回归（Support Vector Regression，SVR）、GRU神经网络作为基础模型，然后将LightGBM作为最终的预测模型，并且融合了新的特征.集中了几种模型的优势，大大提高了模型的预测性能，更加接近真实的销量数据，为回归预测提供一种新的预测方法.

使用遗传算法优化人工势场参数，相比单一的人工市场和遗传算法具有更好的性能。

人工鱼群算法由于其全局搜索能力较强，在参数估计、神经网络、组合优化中得到广泛应用。随着对于基本人工鱼群算法的进一步深入研究，鱼群算法仍有问题需要改进，因此，近些年来，对于人工鱼群算法的改进研究十分活跃。对人工鱼群算法改进方法进行了论述，从自身改进和与其他算法融合两个大方向进行评述，为后续改进型人工鱼群算法的研究提供了理论基础。

飞控串级加权系统PID算法，算法主要分为内环加权系数控制、外环加权系数控制，外环的输出作为内核的输入，内环的输出作为电机融合的输入、电机的融合算法输出pwm波驱动电调，从而控制电机的转速，加权系数的引入增加了系统的快速恢复性，减少调整系数，本文件禁止上传与其他网站赚取积分，违者必究；

该文基于超声波传感器和蓝牙技术设计了一种双模式智能避障小车。该小车采用STM32F407作为系统控制器,以自动模式和手动模式控制小车进行避障。当处于自动模式时,小车根据5路US-100超声波传感器获取路障信息,进行算法融合之后,做出避障决策,从而实现自主避障;当处于手动模式时,小车根据上位机APP人工控制进行避障,从而达到避障功能。实验表明,智能小车功能符合要求,系统运行具有较好的稳定性和实用性。该技术可应用于无人驾驶、遥控汽车玩具、智能轮椅、扫地机器人等领域。

移动机器人路径规划一直是移动机器人领域里的重要技术问题。A*算法在最优路径搜索上有着比较成功的运用，但在栅格环境下的A*算法也存在着折线多、转折角度大等问题。在考虑移动机器人的实际工作环境及相关运动参数后，这些问题都将大大地影响移动机器人的工作效率。在对以上问题进行分析后提出了一种基于Bezier曲线与A*算法融合的方法来实现移动机器人的路径规划，再通过MATLAB、VREP仿真工具来实现Bezier_A*融合算法与平滑A*算法及A*算法的对比。通过Bezier_A*融合算法使得机器人在工作中的寻优能力、路径规划效率都得到较大的提高。