具有偏好系数允许卖空的投资组合模型解存在的条件

在投资组合各种模型中,具有偏好系数的投资组合模型是最重要的模型之一,对其求解的研究具有理论价值。本文利用矩阵分块理论对此模型进行了研究,并给出了此模型解存在的一个充分条件。     

最优Hamilton圈的一种新算法

提出了一种行之有效的执行算法——换顶算法,对无向图权值矩阵的数据进行有效处理,通过交换顶点来寻找一条较优Hamilton圈。在整个过程中,权值矩阵的上三角数据为有效数据,只需要按一定的顶点交换规则对这部分数据进行调整就可以达到优化Hamilton圈的目的。提出了交换规则的思想,且通过选择适当的规则,先判定可行性再执行交换算法,节省了大量的运算时间,降低了算法的时间复杂性。该算法也适用于Hamilton链的情况。     

红外隐身一维光子晶体结构反射特性的理论分析

利用传递矩阵方法,研究作为红外隐身材料的PbTe／Na3A1F6一维光子晶体结构在中远红外波段的反射特性。结果表明：PbTe／Na3AlF6复合光子晶体结构在3～5μm和8～14μm波段具有很高的反射率。这为装备在中远红外的隐身应用提供了有益的探索。     

基于Lab Windows/CVI的弹发射信号检测方案

在分析NI-6259模块采样机理基础上,提出了一种基于Lab Windows/CVI检测28路弹发射信号的方案,并采用了矩阵转换法对采样数据进行处理,从而使发射信号波形更能直观地显示。实际应用表明,该方案能够实时检测火控单体输出的弹发射信号,对提高火控系统的检测效率有十分重要的意义。     

层次分析法在反坦克导弹阵地选择中的应用

反坦克导弹是未来高技术战争中不可或缺的反装甲兵种,特别是在渡海登岛作战中,先头抢滩登陆部队能否巩固和扩大登陆场地,很大程度取决于登陆部队反装甲力量的运用.在此过程中,反坦克导弹分队的阵地选择极其重要,运用层次分析法建立反坦克导弹阵地选择的递阶层次模型,通过计算,确定反坦克导弹阵地选择的最佳方案通过组合一致性检验,选择地形单元C_1为反坦克导弹阵地,作为最终的决策依据.     

LiDAR点云纹理特征提取方法

针对图像纹理应用于LiDAR点云分类过程中存在的多义性问题,提出点云纹理特征的概念。该特征属性反映了点与其邻域点的属性值分布情况,提取过程基于KD树数据检索结构和灰度共生矩阵算法。分析搜索邻域、移动步长和灰度等级等参数对点云纹理特征的影响,并利用支持向量机分类方法验证点云纹理特征,可以有效地辅助高程和强度信息以改善LiDAR点云的地物分类结果。实验还证明了相比于栅格格式的图像纹理特征,点云纹理特征约束的地物分类具有更高的分类精度,并且点云纹理特征在微小地物的甄别和水陆的区分方面具有突出的能力。该特征的这些优秀特性可以为海岸带机载LiDAR数据的精细化分类、海岸带高精度DEM构建和海岸线提取等工作发挥重要作用。     

权重信息不完全的机载雷达作战效能评估模型

为解决指标权重信息不完全时的机载雷达作战效能评估问题,提出了一种评估模型。对专家关于指标权重给出的残缺判断矩阵,给出了其一致性评判标准。结合残缺判断矩阵的最佳一致性比例,构造了一个单目标优化模型,用于计算指标权重。在此基础上提出了权重信息不完全的机载雷达作战效能评估模型。最后给出一个实例验证了评估模型的有效性。     

基于单类集成分类器的JPEG通用隐写分析

针对JPEG图像通用隐写检测问题,提出了一种基于单类集成分类器的新方法。算法提取图像DCT块内、块间和小波层内、层间的共生特征以及小波子带系数的直方图特征对图像进行描述,并计算检测图像及其原始估计图像所提共生矩阵和直方图分布的对称交互熵作为隐写分析特征;然后,随机构造若干个特征子空间,利用bootstrap方法构造载体图像训练子集,分别进行单类训练得到数个基分类器;最后,将基分类器的分类结果按多数投票法进行融合作为单类集成分类器的分类结果。实验结果表明,单类集成分类器能显著提高算法的检测效果,而且,本方法相比基于多超球面OC-SVM分类器的单类隐写分析方法,具有更高检测率。     

基于增强现实的装备诱导维修系统设计与实现

针对目前装备维修过程中存在的复杂度高、上手慢和安全性低等问题,构建了一个诱导维修原型系统,并围绕增强现实关键技术阐述了诱导维修系统的设计与实现;采用了模块化设计方法,通过分析诱导维修系统设计需求,对系统所需要的各个功能模块进行了设计,并且使得系统的维修任务能够根据维修对象的改变在框架不变的前提下得到修改或升级;利用该原型系统对发动机活塞环和离合器片更换两项维修任务进行了诱导,验证了系统的功能。     

基于shearlet与PCNN的多聚焦图像融合方法

针对传统脉冲耦合神经网络(PCNN)模型在多聚焦图像融合领域应用中面临的参数繁杂等问题,提出一种基于剪切波(shearlet)变换与改进型PCNN的多聚焦图像融合方法。相比以往的变换域方法,shearlet具有理想的图像信息捕捉性能以及较低的计算复杂度,因此,可利用shearlet将待融合图像进行多尺度多方向分解。其次,对经典PCNN模型加以改进,综合运用清晰度水平以及协调矩阵完成低频子带图像以及一系列高频子带图像的融合过程。最后,运行shearlet反变换得到最终融合图像。仿真实验选取了若干组待融合图像进行仿真,验证了该方法在主、客观评价两方面的优越性。