基于类别空间的基因选择

基因选择通常是在基因空间中进行的. 由于基因空间的维数(基因数目)比该空间中的样本数要多得多, 这种做法存在严重的维数发难(curse of dimensionality)问题, 其结果是在基因空间中所建立数据模型难于获得满意的精度, 基于所建立模型的基因选择结果可信度低. 如何对具有极少样本的极高维空间进行特征选择(基因选择)是一个极具挑战性的课题. 将基因空间变换为它的对偶空间, 称为类别空间, 从而空间的维数仅为基因空间中样本的类别数, 空间中的样本数则为基因空间的维数. 显然, 在类别空间中不存在任何维数发难现象; 提出了在类别空间中基于将不同的类尽可能分开的原则、并借助主分量分析的基于类别空间基因选择方法. 对真实基因数据的基因选择实验, 并通过Fisher指标、加权Fisher指标以及leave-one-out cross validation等可分性指标, 与其他两种基因选择方法进行了深入的比较, 结果表明该方法是十分有效的.     

基于广义能量函数的快速自适应主分量提取

通过引入一个任意对角矩阵, 提出了一种广义能量函数(GEF)来优化一个两层线性神经网络的连接权矢量, 推导出一种递归最小二乘(RLS)算法, 不需要设计非对称电路, 即能并行提取一个输入协方差矩阵的多个主分量. 分析了算法在平衡点的局部稳定性能. 实验结果表明该算法具有收敛快、稳健性好等优点.     

方向EMD分解与其在纹理分割中的应用

提出了方向EMD(Directional Empirical Mode Decomposition，简写为DEMD)的定义和框架并用来进行纹理分割．EMD是由Huang等人提出的新的时频分析工具．这种工具使用筛法对信号分解，再对成分的瞬时频率进行分析．虽然已有文章讨论将一维EMD推广到二维情况，但有两个方面还没有考虑：一方面是从二维EMD中提取特征，另一方面是考虑图像固有的方向性在二维EMD分解中的作用．文中考虑到这两方面，提出了DEMD的方法．这种方法在分解框架中考虑了图像的方向性，并从分解的每个成分中对每个点提出三个特征以进行图像处理．使用DEMD分解提取的特征进行纹理分割的实验说明了这种方法对于纹理处理的有效性．此外，给出了关于DEMD区分纹理在视觉上的解释．     

机载雷达空时二维自适应处理框架及其应用

推导了机载相控阵雷达空时二维自适应信号最优处理器的另一种等价表达式，由此提出了空时二维部分自适应处理框架，将文献上已有的主要几个空时二维部分自适应方法给出了统一的分析形式，并着重对基于Ｄｏｐｐｌｅｒ预滤波的２种典型降维空时二维处理方案进行了详细的性能比较。     

对流作用下枝晶生长行为的数值模拟

应用一个二维的改进元胞自动机(modified cellular automaton, MCA)－传输耦合模型, 对流场作用下枝晶的非对称生长行为进行了模拟研究. 模型采用MCA技术模拟枝晶的生长, 同时采用一个传输模型对流场和由对流和扩散所控制的质量传输进行数值求解. MCA考虑了热过冷、成分过冷和曲率过冷对枝晶生长的作用, 也考虑了枝晶的择优生长方向和凝固过程中的溶质再分配. 在传输模型中, 采用SIMPLE算法求解动量和质量传输的控制方程. 应用该模型模拟研究了Al-3% Cu(质量分数)合金中单枝晶和多枝晶在不同流动方向的流体作用下的生长规律. 模拟结果表明, 金属液对流对枝晶的生长形貌产生重要的影响.     

基于分阶段学习的盲信号分离

首先定义了描述信号分离状态的信号相依性测度, 并利用此测度将传统算法中的学习速率参数推广至二维矩阵, 从而提出了一种基于分阶段学习的盲信号分离算法, 即整个信号分离过程被分成三个阶段进行: 初始阶段、捕捉阶段和跟踪阶段, 每个阶段的学习速率由信号的分离程度自适应选取. 理论分析表明, 该算法满足等变化性和分离矩阵的非奇异性条件. 仿真结果证实, 新算法具有比使用固定和其他自适应学习速率的算法更快的收敛速度、更好的稳态性能和更高的数值稳定性.     

宽频段空间信号频率、二维到达角和极化联合估计

在宽频段情况下,利用两个非均匀线阵组成的L型阵列,提出了一种基于ESPRIT和整数搜索解模糊算法的多个独立空间信号频率、二维到达角和极化的联合估计算法. L型阵列由与坐标轴方向平行的偶极子对组成. 数值模拟结果证实了这种方法的有效性.     

MIMO系统中基于置信度传播的多用户检测算法

MIMO (mltiple-input, mltiple-output) 系统中不同发送天线发射的信号在接收天线上叠加, 形成相互干扰, 可以采用多用户检测算法进行解调以提高系统性能. 因此提出将LDPC码解码理论中的置信度传播(belief propagation)思想引入MIMO系统的解调技术, 从而得到了一种新的基于置信度传播的多用户检测算法. 新算法的复杂度只与发送/接收天线数目的平方成正比. 仿真结果表明, 新算法在低信噪比条件下误比特率性能优于传统的线性MMSE多用户检测器, 但在高信噪比条件下则存在误比特率的“地板效应”, 因此比较适合于采用信道编码的系统. 虽然该算法是基于MIMO系统地推导而来的, 但显然它也可以被推广应用到一般的CDMA系统中去.     

槽式太阳能集热管传热损失性能的数值研究

通过分析槽式太阳能集热管热损失的计算方法和传热过程, 建立了槽式太阳能集热管传热损失性能计算分析的二维稳态经验模型, 模型的计算结果与试验数据基本一致, 验证了模型的有效性. 利用该二维稳态经验模型系统地研究了环境风速、温差、选择性涂层和环形空间气体压力对两种商业化槽式太阳能集热管传热损失性能的影响, 并进行了对比分析. 结果表明: 选择性涂层的性能和环形空间气体压力是影响集热管热损失的两个主要因素, 也是保持集热管热性能的关键; 环境风速对集热管热损失影响相对较小, 而工作温差对集热管热损失的影响较大; 新一代集热管在热性能上有了很大提高.     

基于边界元和分散式模糊推理的圆筒内壁形状识别算法

利用边界元法(BEM)和分散式模糊推理(DFI)算法求解二维稳态传热学几何反问题。首先,给定边界形状的初始猜测值,利用BEM求解传热学正问题,得到边界温度计算值;然后,根据DFI反演算法,利用温度测量值与其计算值的差值推理得到一组模糊推理分量;最后,对模糊推理分量进行综合加权,得到边界形状的补偿量。本文通过数值实验验证了DFI方法的有效性,讨论了初始猜测值、测量点数目以及测量误差等因素对反演结果的影响,并与共轭梯度法(CGM)的反演结果进行了对比。数值实验结果表明,与CGM相比,DFI降低了反演结果对温度测量点数目的依赖程度,增强了对温度测量误差的抗干扰能力,具有更好的抗不适定性。