作为图像局部特征区域的有效描述方法,局部二值模式是目前对二维图像最有效的纹理分析特征之一.本文提出了基于局部二值模式特征的稀疏表示人耳识别方法.该识别算法首先提取训练人耳图像的局部二值模式特征描述子作为稀疏表示的字典,然后将测试样本的局部二值模式特征描述子表示为字典中所有局部二值模式原子的稀疏线性组合,最后通过求解稀疏表示模型得到稀疏编码系数,根据测试人耳图像的重建误差进行识别.在UND-J2人耳库和USTB人耳库上的实验结果表明,基于局部二值模式特征的稀疏表示人耳识别方法对人耳图像光照变化、姿态变化以及人耳遮挡具有更好的鲁棒性,实现了更高的识别率

提出了基于动态信息窗口的自适应背景模型,在此基础上建立人体检测的有效算法.通过实验表明,该方法能够适应变化的背景,具有较强的鲁棒性和较好的实时性

为了加强程序的鲁棒性（强壮性，robust），程序设计时，必须考虑到可能发生的异常事件并做出相应的处理

◆ 基于闭环系统的极点配置，工程意义清楚，易于被工程技术人员掌握，可以实现对闭环极点的任意配置。 ◆ 对具有未知时延或时延缓慢变化的过程，极点配置自校正控制算法具有较强鲁棒性。 ◆ 极点配置算法可控制非最小相位和非稳定的对象，但对模型阶次的选取很敏感

基于人工神经网络( Artificial Neural Network)的控制(ann-based Control)简称神经控制(Neural Control)。神经网络是由大量人工神经元(处理单元)按照一定的拓扑结构相互连接而成的一种具有并行计 算能力的网络系统。它是在现代神经生物学和认识科学对人类信息处理研究的基础上提出来的,具有很强 的自适应和学习能力、非线性映射能力、鲁棒性和容错能力

本文根据闭环极点配置的思想,推导了一种具有PID结构的简单自校正控制算法,该算法具有结构简单、鲁棒性强、容易实现,适用于非最小相位系统等优点。该算法已经应用于罩式退火炉微机群控系统中,实时控制结果表明:该算法具有很好的跟踪特性和调节特性,炉温控制效果比常规的仪表PID调节有较大的改善。该算法适用于一般慢时变工业过程

针对同步电机磁场定向控制系统受负载扰动、电机参数变化影响问题,将自抗扰控制器(ADRC)应用于调速系统中.为解决传统磁链观测器存在的直流偏置和依赖电机参数的问题,提出了基于ADRC的磁链观测器.仿真结果表明:ADRC对负载扰动和参数变化具有较强的鲁棒性,并且响应速度快、超调小,具有优良的稳态和动态性能;改进后的磁链观测器能有效抑制直流偏置和参数变化带来的影响,提高磁链的观测精度

为了对匹配决策问题进行建模与预测,提出了一种具有更多神经生理学特征的稀疏回声状态网络(ESN),并基于在线监督学习方法对网络进行训练.为了评估网络的匹配决策性能,设计了三组测试数据集对网络性能进行测试,并提出了一种基于网络期望输出与实际输出序列最大相关系数的评价方法.仿真结果表明,新模型只需要较少的训练时间即可获得较好的决策性能,且对发放时间间隔、平移和网络噪声具有较好的鲁棒性

为了解决传统的图像识别算法无法准确识别铸坯表面缺陷的问题,提出一种考虑图像相邻像素影响的改进的多块局部二进制算法(MB-LBP).该算法将原始图像分成多个小区域,每个小区域再做等分,并计算平均灰度值,再运用局部二进制模式算法进行计算.对现场采集到的连铸坯表面裂纹、划伤、压痕、凹坑和无缺陷共五类1697个样本进行实验,整体识别率达到94.9%,而传统局部二进制模式算法的识别率为89.1%,说明本文算法具有更好的鲁棒性和抗噪能力

针对目标跟踪中的物体遮挡、光照影响、杂波扰动等问题,设计一种基于最小费用流建模的跟踪器.该跟踪器把整数规划与最小费用流模型相结合,将目标跟踪问题转变为可解的线性规划问题.与其他同类型跟踪器相比,该跟踪器具有更好的跟踪准确性.实验结果表明:运用最小费用流模型的跟踪器可以对复杂环境下的多个目标进行稳定跟踪,提升了跟踪的鲁棒性