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。     

基于偏差熵的专家聚类赋权方法

在群决策专家聚类赋权过程中,可能出现专家给出的判断矩阵一致性比率与排序向量信息熵都相等但专家意见不同,却被赋予了相同权重的情况。针对上述问题,提出一种基于偏差熵的专家聚类赋权方法。该方法采用聚类分析的思想,基于比例构建相似系数,实现对专家群的分类;引入专家判断矩阵的一致性权重,并综合类容量构建权重指标来反映类别间的差异,确定专家类间权重;最后,在各专家类中建立偏差熵模型,依据类中专家达成一致性意见的贡献程度确定专家的类内权重,并得到专家的总体权重。具体算例表明,该方法可行有效。     

不相容矩阵方程AXB=D的反中心对称迭代解

研究了不相容矩阵方程AXB=D的反中心对称最佳逼近解,基于经典共轭梯度法思想,构造了求解这一问题的迭代算法,证明了该算法的有限终止性并给出了该方法的误差估计,最后利用具体的数值例子验证了算法的有效可行性。     

多边修正算法中的换顶原理及复杂性分析

对于无向赋权图,利用换顶过程中矩阵翻转与数据块调换时上三角部分数据的变化规律,对权值矩阵的数据进行处理,以完成无向完全图中H圈（H路类似）的修正过程。事实上,多边修正的原理最终是通过变换顶点达到的,而其主要用到的换顶规则是矩阵数据的块调换与翻转,该思想还可以推广到有向图的情形。最后利用换顶原理对多边修正算法进行了复杂性分析,讨论修正边数对复杂性的影响。     

一类极点指标与方差指标约束的满意控制

在将极点配置到关于实轴对称的凸多边形区域时 ,总可以用线性矩阵不等式来描述 ,于是对具有状态稳态方差指标、区域极点指标约束的状态反馈系统 ,可以利用 Matlab- L MI工具箱进行求解反馈增益 ,其仿真结果对结论作了说明。     

多载荷识别频响函数矩阵求逆法的改进算法

分析了频响函数矩阵求逆法在多载荷识别中存在的问题 ,提出了两种改进算法 ,即算术平均法和条件数加权平均法。实验结果表明 ,这两种方法在识别精度和消除病态影响方面均优于传统的频域识别方法。     

高频相移整流器的开关函数分析法

利用开关函数建立了描述高频相移整流器输入输出关系的开关传递函数矩阵,并以此为基础分析了系统在对称和非对称情况下,对高频相移整流器的影响,仿真结果验证了理论分析结论的正确性。     

京100850,北京100850,北京100850PTE

、中性单细胞凝胶电泳技术,分别比较Pten / MEFs与Pten-/-MEFs细胞中ROS、8-羟基脱氧鸟苷(8-OH-dG)水平、DNA双链断裂(DSBs)以及抗氧化能力的差异。结果:Pten-/-MEFs细胞中ROS、8-OH-dG水平明显增高,DSBs增加,抗氧化能力减弱。结论:PTEN可能通过调控细胞内ROS水平拮抗DNA氧化损伤。PTEN Deletion Leads to Increased Oxidative DNA Damage in Mouse Embryonic FibroblastsGOU Qiao