基于生物视觉原理的图像结构信息变化检测方法

为克服多时相遥感图像变化检测中照度差异和配准误差的影响,采用边缘结构信息进行变化检测。利用多方向Gabor函数从图像梯度强度图中提取边缘结构信息,称之为边缘标记(Edge Tag,ET),通过比较多时相遥感图像中ET的互相关系数实现变化检测。为减小差异较小的边缘对检测结果的影响,在相关系数的计算中引入抑制因子。仿真图像和真实图像的实验结果表明,该方法能克服图像照度差异和配准误差对变化检测的影响,取得了较好的检测效果。     

计算机控制小工具抛光技术中磨盘材料对去除函数的影响

研究了计算机控制小工具抛光(CCOP)加工中三种常用的磨盘材料对去除函数特性的影响,进一步完善材料去除模型,用以指导光学零件的加工。利用自行研制的AOCMT光学加工机床及接触式测量系统进行实验和分析。从去除函数形状、去除效率及稳定性、表面形貌三个方面进行了研究。实验结果表明:聚氨酯材料适用于粗抛光阶段;阻尼布材料适用于精抛光阶段;沥青材料适用于最后的修形加工和表面处理。     

差分跳频码性能检验研究

差分跳频是一种新的扩展频谱通信技术.在介绍差分跳频基本原理的基础上,将差分跳频的频率跳变过程建模成齐次马尔可夫链.分析了G函数的功能,重点讨论了差分跳频码性能的检验方法,包括不可约性、频隙滞留、均匀性和随机性检验,其中频隙滞留是首次提出应用于差分跳频码性能的检验.这些检验方法对于差分跳频G函数的设计具有一定的指导意义.     

基于话题模型的专家发现方法

专家发现是实体检索的一个重要方面。经典的专家发现模型建立在专家与词项的条件独立性假设基础上。在实际应用中该假设通常不成立,使得专家发现的效果不够理想。本文提出了一种基于话题模型的专家发现方法,该方法无需依赖候选专家与词项的条件独立性假设,且其可操作性比经典模型更强。同时,使用了一种排序截断技术,该技术极大地降低了模型的计算复杂度。使用CERC(CSIRO Enterprise Research Collection)数据集对模型的性能进行评估。实验结果表明,基于话题模型的专家发现方法在各个评价指标上均优于经典的专家发现模型,能够有效地提高专家发现的效能。     

一种新的证据K-NN数据分类算法

K近邻分类算法已被广泛应用于模式识别中。为了有效处理识别问题中的不确定信息并提高数据分类精度,提出了一种新的证据K-NN(NEK-NN)分类算法。首先从总的训练集中随机重复采样来构造多个训练样本子集。在每个训练子集中,利用目标数据与其各个近邻的距离分别构造基本置信指派,并根据K个近邻数据在每个类别中的数目来对构造的置信指派进行加权。然后,利用DS规则对加权证据融合。根据每个训练子集下融合结果的算术平均值来判断目标的类别属性。通过模拟数据集和真实数据集的实验,将NEK-NN算法与其他几种常见的方法做了对比分析,结果表明NEK-NN算法能够有效地提高分类的精度。     

基于循环平稳的卫星信道多普勒频移估计

基于线性调制信号的循环平稳特性,卫星信道多普勒频移的估计可以通过求解发送信号与接收信号的循环相关函数关系得到.借助循环谱函数推导出发送信号的循环相关函数,接收信号的循环相关函数则对信号本身及其有限差分进行计算.仿真结果说明了该算法对信道中的干扰与噪声不敏感,在多普勒频移较大时,该算法具有良好的估计精度;同时该算法还具有低复杂度和应用灵活的特点.     

基于随机拟合的悬浮式深弹弹阵特征建模＊

通过分析悬浮式深弹发射后在空中的弹道特性,建立了深弹弹着点坐标的计算模型。采取蒙特卡洛方法,分别对舰艇六自由度状态下,单管和六联装火箭深弹的弹着点坐标进行了仿真计算,对弹着点的分布规律进行了研究,并得出弹着点的联合密度函数。结果表明,在发射参数存在正态扰动时,弹着点散布区域均呈椭圆形分布,弹着点坐标均仍服从正态分布。     

比例规则后件的T-S模糊模型辨识方法

模糊划分应满足测量准则,这一点常被忽略。采用余弦平方函数作为隶属函数,解决了曲线型隶属函数在模糊化分后满足测量准则问题。T-S模糊模型后件由线性函数构成,以局部线性化方式实现全局非线性,通过分段性逼近辨识曲线,常用于系统辨识中,但其辨识参数多是其主要问题。比例规则后件的T-S模糊系统具有万能逼近特性,且构成参数少,用于非线性系统的辨识中,可以减少辨识参数,提高辨识速度。给出其在系统辨识中应用的方法,并通过仿真实例说明本方法的有效性。     

几类特殊多叶函数的极值点和支撑点

设S(p,α)、C(p,α)及K(p,α)分别表示α阶的p 叶星像、凸像和近于凸函数族。本文对这些函数族的支撑点和S(p,α)的从属函数族的极值点和支撑点进行了研究,推广了Grassmann 和Perera 等人的结果。     

关于分形插值函数的积分

用反例说明在 [1 ,2 ]中关于分形插值函数的积分公式是错误的 ,并建立了关于分形插值函数积分的正确公式。