基于PSO-DBSCAN的随机子空间模态参数自动识别

拱坝的模态识别是大坝健康监测中的重要一环，模态参数识别的准确度对大坝的性能评价有重要意义.首先利用随机子空间法识别模态参数，针对该方法需要人工辨识稳定图中真实模态的不足，引入密度聚类算法（DBSCAN）对模态结果进行去噪和拾取，并利用粒子群算法改进DBSCAN算法，实现DBSCAN超参数的自动调整，提高识别效率，为DBSCAN超参数的选择提供参考.将该方法应用于一混凝土拱坝数值模型中，并分析了不同采样数据长度对识别结果的影响和该方法的抗噪性.结果表明：合理选择采样时长，能够得到更完整的模态信息，本研究提出的方法能够有效实现模态参数的自动识别并有较高的精度和抗噪性，可以为大坝的安全分析提供参考.     

融合KFCM与改进DRLSE模型的甲状腺结节图像分割

针对超声甲状腺结节图像分割问题,提出一种融合模糊核(KFCM)聚类算法与改进距离正则化水平集演化(DRLSE)模型的分割算法,解决了DRLSE模型对初始轮廓敏感、演化参数需要人工设定及分割弱边缘能力较差的问题.该算法先利用KFCM聚类算法粗分割出结节区域并二值化作为水平集初始演化轮廓,然后利用初始演化轮廓围成的区域自动计算出水平集演化参数,最后采用高斯正则化规则演化水平集分割出甲状腺结节区域.对比实验结果表明,该算法提高了甲状腺结节的分割精度,在噪声干扰下也能准确地分割出结节区域.     

无需重新初始化水平集的多相水平集图像分割方法

笔者提出了一种无需重新初始化水平集函数的多相变分水平集图像分割方法.根据Vese -Chan提出的多相模型的区域竞争思想,结合图像区域全局信息的能量函数作为模型的外部能量项,引入内部变形能量约束水平集函数来逼近符号距离函数,避免了重新初始化水平集函数的过程,提高了计算速度和分割效果.实验结果表明,笔者提出的模型有效地克服了传统模型需重新初始化和构造符号距离函数计算量大的缺点,而且具有全局最优分割能力和较强的抗噪性能.     

水平集理论在磁共振脑图像分割中的模型研究

灰度不均匀性常出现在医学图像中,给图像分割问题带来很大困扰.为了提高鲁棒性,可在分割模型中引入各种先验知识,例如形状和灰度分布信息.而传统的引入先验知识的分割算法,如神经网络算法,仍存在许多问题,包括数据计算量大和边界不连续等.为了解决这些问题,提出了一种基于水平集理论的分割算法.利用局部区域的灰度信息定义能量函数,然后根据能量函数的最小化机制引导水平集曲线进化并最终收敛到目标边界.在仿真实验中,将局域化的水平集算法与传统的自组织映射神经网络算法进行比较.结果表明,所得到的算法在鲁棒去噪和目标边界的连续性方面效果更佳.     

非确定型有穷自动机的极小化

利用自动机状态集上的等价关系对自动机的状态集进行极小化, 从而得到与原自动机功能等价的极小化自动机. 通过两台确定型有穷自动机（DFA）的连接, 构造一台非确定型有穷自动机（NFA）. 利用这两台确定型有穷自动机状态集上的等价关系, 可以构造这台非确定型有穷自动机状态集上的等价关系, 从而对这台非确定型有穷自动机进行极小化. 结果表明这台非确定型有穷自动机的极小化自动机的状态复杂 度, 不大于对那两台确定型有穷自动机的极小化自动机进行连接得到的非确定型有穷自动机的状态复杂度; 并且自动机在等价关系基础上进行极小化时不改变识别语言.     

逐层迭代的多尺度水平集红外图像分割算法

针对应用传统水平集方法进行红外图像分割易产生误分割且运算量大,提出了一种多尺度水平集分割算法,该算法利用小波变换将图像分解成多尺度子图像,在子图像上进行图像分割,采用插值法将粗尺度上曲线演化结果投影到细尺度上作为初始轮廓线,逐层分割,并根据图像噪声的大小,确定演化模型中的正则项参数,使噪声得到有效抑制,获得准确的分割结果.仿真实验表明,该方法不仅分割效果好,而且具有抗噪性强和运算速度快的特点.     

一种混合优化的匹配追踪生态声音识别方法

针对生态自然环境中噪声对声音识别产生干扰的问题,提出利用混合优化的匹配追踪(MP)进行生态声音识别的方法.首先,使用萤火虫算法(GSO)和粒子群算法(PSO)对匹配追踪算法进行混合优化,加快匹配追踪有限次稀疏分解的速度并重构声音信号,保留高相关成分,滤除低相关噪声;其次,根据所选最优原子的时频信息结合MFCCs提取复合抗噪特征;最后,结合支持向量机(SVM)对40种生态声音在不同背景噪声与信噪比的情境下进行分类与识别.实验表明,优化后的匹配追踪算法去噪性能优于谱减法和小波去噪法.与常用的MFCCs方法相比,本方法对生态声音在不同信噪比下的识别性能有不同程度的改善,并且具有较好抗噪性.     

基于红外图像的绝缘子串自动提取和状态识别

为解决目前绝缘子低零值检测方法漏判率高、操作繁琐的问题,提出了一种新的绝缘子串红外图像中绝缘子盘面和铁帽区域自动提取方法和状态识别模型.首先将现场拍摄的绝缘子红外图像进行灰度化处理、去噪、二值化;然后从二值图像中提取反映绝缘子的特征点集合;通过特征点对二值图进行角度校正;最后通过区域提取中的特定算法提取出绝缘子的盘面和铁帽区域.通过提取该区域内的绝对温度、纹理和相对温差率作为绝缘子状态识别的特征集.将用电压分布法测得的绝缘子状态信息作为输出向量,通过训练得到优化的识别模型,用于绝缘子状态识别.该方法经过了220kV试验验证,证实了模型的有效性和实用性.     

用于动态测试的信号分析方法

信号分析被广泛用于消噪，特征提取，状态识别，故障诊断等。常用的方法有参数化分析法和非参数化分析法，参数化分析方法有ARMA模型，分形维数计算及用于判别判弱信号存在性的混沌分析法等；非参数化方法即谱分析方法，包括传统的DFT谱方法及在此基础上的提高频率分辨能力（如AR功率谱）和时频联合分析（小波分解，Wigner谱）等内容，文中对各种方法的原理，特点作了综述，并结合实例说明了它们的应用。     

云模型和集成极限学习机相结合的滚动轴承故障诊断方法

针对轴承振动信号的不确定性和非平稳性以及BP神经网络学习算法收敛速度慢、稳定性差等问题,提出了基于云模型和集成极限学习机的滚动轴承故障模式识别方法.将经预处理之后的信号进行云化,产生滚动轴承在不同状态下的信号云;提取出决定信号云分布的期望、熵和超熵三个参数作为表征轴承状态的特征量并依此构造出原始的轴承状态数据集;再将故障特征数据集经归一化处理后送入集成极限学习机进行识别.研究结果表明:云-集成极限学习机方法可以有效地实现轴承故障模式识别,与传统神经网络识别方法相比,该方法拥有更高的识别准确率和稳定性,并且集成极限学习机在抗噪性方面有较好的表现.     

基于区域划分和改进C-V法的医学图像分割方法

提出了基于图像区域划分和改进C-V法的活动轮廓图像分割方法.通过区域划分的方法将整幅图像的分割问题转化为在不同的子区域上分别进行的图像分割问题,并在各子区域中采用改进C-V法进行图像分割.改进的C-V方法在简化Mum ford-Shah泛函的能量函数中增加距离函数惩罚项,从而将距离函数重新初始化的过程并入整个水平集框架模型中;并在分片常数优化逼近中,添加了图像梯度信息,改变了C-V法中均值取值定义,提高了对灰度层次丰富的图像分割能力.实验表明,该方法对灰度值接近、边界模糊的医学图像有很好的分割效果.     

求解一类地球物理反问题的一种信赖域方法

针对常见地球物理反问题的不适定性,本文研究地球物理领域中经过对数学模型的处理最终为病态线性方程组的问题。应用目前流行的信赖域算法,并用带有信赖域技巧的截断共扼梯度法来解信赖域子问题。该方法是一种迭代正则化方法,它具有自动调节正则化参数的功能,克服了常用的Tikhonov正则化方法中正则化参数求取的困难。本文给出了一定条件下方法的收敛性证明,理论和实际资料的试算表明了算法的正确有效性,从而可以解决这类地球物理反问题。     

含有限缓冲区的多生产线协调生产计划的研究

研究了一类带有限缓冲区的多生产线协调生产计划的模型问题．通过对制造企业生产现场进行的调研，建立了上下游生产线成品关联结构，给出了成本最低的生产计划模型．该模型是非线性的且目标函数的梯度是分段常数，不能采用常规的非线性规划算法进行求解．考虑到该模型只有目标函数是非线性的，而约束是线性的，文中将非线性目标函数通过增加约束化为线性目标函数，从而把一个本来比较难以解决的非线性规划问题转化为线性规划问题，给实际应用带来了便利．仿真实例说明了依据该结构所建模型及算法的有效性．     

用径向基方法求解辨识抛物方程边界的反问题

给出反演一维热传导方程边界反问题的数学模型和数值求解方法．为适应边界的变化,对正问题的计算采用径向基的配置法进行空间变量离散化,并给出目标函数梯度的显式公式,用拟牛顿法得到了反问题的解,数值结果表明这一方法具有较高的精度．     

结构保持图拉普拉斯正则的快速图像修复

为了让信息从周围向待修复区域填充时保持图像边缘结构，提出结构保持图拉普拉斯正则的图像修复模型.该模型在信号依赖的图拉普拉斯矩阵基础上，引入梯度图像平滑约束，能够促进目标函数的最优解收敛至分片平面图像；此外，该模型转化为无约束二次规划问题，可以通过共轭梯度法快速求解.实验结果表明，所提的图像修复算法相比于现有图像修复算法不仅速度快，而且可以克服图拉普拉斯正则图像修复算法所产生的块效应，使得复原后的图像更加自然.     

基于遗传优化算法的二维漏磁缺陷重构

信号逆问题，即从测量信号中恢复出缺陷轮廓及其参数，是漏磁无损评估中的一个重要课题。提出了一种基于遗传算法的逆算法，用于从漏磁信号中重构二维缺陷。在该算法中，径向基函数（RBF）神经网络用作前向模型，遗传算法用于求解逆问题中的优化问题，其优点是能够避免基于梯度下降法的迭代逆算法中可能遇到的局部最小问题，并能得到逆问题的全局最优解。实验结果验证了所提出的逆算法的有效性。     

基于数据场和水平集演化的图像分割

为了充分挖掘图像内不同区域间的隐含关联性,并解决图像分割中自适应阈值选择问题,提出了一种基于数据场和水平集的图像分割方法。利用数据场能够有效地表示图像像素间的相互作用,根据势值能够得到对应的势值等势线,可以根据该等势线的分布情况,采用梯度下降法来得到图像的二值化分割结果。为了得到更为精确的分割边缘,还引入基于拉普拉斯边缘检测函数的水平集演化方法来对二值化结果进行边缘曲线演化。将二值化分割结果与传统的基于数据场的图像分割算法对比结果显示,所提出的算法在分割准确性上表现良好,并且能够使得图像边缘更加精确。实验结果表明,提出的方法能够较好地分割目标,且对噪声图像具有较强的鲁棒性。     

Application of New Type BP Neural Networks for Magnetic Measurement

Magnetic Measurement is a typical inverse problem in biomedical field.In this kind of problem we always need to locate the positions and moments of one or more magnetic dipoles.Although using the traditional methods to solve this kind of inverse problem has all kinds of shortcomings,BPNN(Back Propagation Neural Networks)method can be used to solve this typical inverse problem fast enough for real time measurement.In the traditional BPNN method,gradient descent search method is performed for error propagation.In this paper the authors propose a new algorithm that Newton method is performed for error propagation.For the cost function is highly nonconvex in the magnetic measurement problem,the new kind of BPNN can get convergent results quickly and precisely,A simulation result for this method is also presented.     

基于误差函数的自然梯度法及其在MLP学习中的应用

在激活函数选为误差函数的条件下,给出了求Fisher信息矩阵逆的算法,并进行仿真验证.首先将自然梯度法应用于多层感知器学习中,并与BP(back-propagation)算法进行了比较,说明了自然梯度法能够加快学习速度,并且可能避免学习中出现平坦区现象,即使出现平坦区,也不会很严重.仿真验证了自然梯度法上述良好的学习性...     

二维圆管导热反问题内壁瞬态温度的快速识别

以二维圆管为研究对象,基于控制容积积分法的导热正问题以及基于共轭梯度法的优化算法来构建二维瞬态导热反问题数学模型,分别采用Gauss-Seidel点迭代法与托马斯算法（tridiagonal matrix algorithm,TDMA）线迭代法对导热正问题离散方程进行求解。为了探究Gauss-Seidel点迭代法与TDMA线迭代法两种模型的精确性与时效性,设定了3种内壁面温度变化规律,以正问题所得到的外壁面温度值作为导热反问题的输入条件,并引入标准正态随机测量误差,探讨测量误差对反演结果精度的影响。数值试验证明了两种方法反演的精确性和抗噪性,且对比结果表明TDMA线迭代法的求解速度要优于Gauss-Seidel点迭代法,能够较快地反演得到内壁面温度波动值。