基于结构纹理分解和多重网格的光流估计算法

分别针对光流计算对光照变化敏感以及运算复杂度高、迭代收敛缓慢的问题,使用一种基于ROF(Rudin-Osher-Fatemi)模型的结构纹理分解(STD)技术得到对光照变化不敏感的纹理图估计光流场,消除了光照变化产生的负面影响,并提出一种基于多重网格方法的分层处理策略.将光流计算的迭代过程分散在一系列粗细不同的网格上,在细网格上消除高频误差,在粗网格上消除低频误差,以达到加速收敛、提高光流计算速度的目的.实验结果表明,STD过程抑制了光照变化导致的负面影响,提高了光流估计精度.多重网格算法在保持优化精度的前提下,显著提高了光流计算的实时性.     

应用RKM与ADM求解一类四阶非线性微分方程

应用再生核方法与分解方法求解一类四阶非线性微分方程.同时给出了收敛性分析与误差分析.在文章的最后给出了相应算例.     

关于大整数分解的方法探究

RSA是目前被广泛应用的公钥密码加密体制之一,其核心等同于大整数分解。文章对大整数分解问题提出新想法。分别就探索素数在二进制下的0与1的个数比例、平方整数分解方法、多项式分解方法三个方面,展开探究,给出可实现的算法,对每种方法的可行性进行分析,并结合简单例子,予以实践验证。研究0-1比例运用三次样条差值的拟合,说明了素数分布规律有一定的随机性;平方整数分解是费马经典算法的延伸,巧妙利用Lasvegas算法逼近分解所需的平方数;多项式分解方法则是将问题对应到一元高次多项式的分解问题上,其解决依赖于已有的多项式分解的理论。     

Higher-order principal component pursuit via tensor approximation and convex optimization

Recovering the low-rank structure of data matrix from sparse errors arises in the principal component pursuit （PCP）. This paper exploits the higher-order generalization of matrix recovery, named higher-order principal component pursuit （HOPCP）, since it is critical in multi-way data analysis. Unlike the convexification （nuclear norm） for matrix rank function, the tensorial nuclear norm is stil an open problem. While existing preliminary works on the tensor completion field provide a viable way to indicate the low complexity estimate of tensor, therefore, the paper focuses on the low multi-linear rank tensor and adopt its convex relaxation to formulate the convex optimization model of HOPCP. The paper further propose two algorithms for HOPCP based on alternative minimization scheme： the augmented Lagrangian alternating direction method （ALADM） and its truncated higher-order singular value decomposition （ALADM-THOSVD） version. The former can obtain a high accuracy solution while the latter is more efficient to handle the computationally intractable problems. Experimental results on both synthetic data and real magnetic resonance imaging data show the applicability of our algorithms in high-dimensional tensor data processing.     

基于矩阵分解的荧光显微序列线粒体检测

利用图像处理技术,检测荧光显微序列中的活性线粒体是生物医学领域重要的研究手段之一.受到荧光显微镜成像技术的限制,序列中每帧图像均包含细胞质阴影和荧光标记的线粒体,具有很低的信噪比,难以满足一般粒子检测算法的要求.为了精确检测活细胞中的线粒体,提出一种基于矩阵分解的荧光显微序列线粒体检测算法,并利用增广拉格朗日乘子法,快速准确地实现该算法,将线粒体从细胞质阴影中有效分离出来,实现线粒体的精确检测.实验结果表明,此方法为活细胞中线粒体的精确检测提供了快速、高效的分析工具.     

结合Benders分解和列生成的发热门诊排班数学建模和优化算法

发热门诊是抗击疫情最前线，发热门诊中的医生排班对于系统运行效率和医疗服务质量都非常重要，需要科学的排班优化算法。针对发热门诊医生排班调度问题，首先采用逐点稳态流近似方法对系统建模，定量评估系统中等待服务的患者数目，基于此建立了考虑患者排队队长限制的医生排班数学优化模型。进一步，为求解该模型设计了结合Benders分解与列生成的高效算法，对此复杂优化问题加以高效求解。最后，利用上海大型医院发热门诊的实际数据加以数值实验分析，验证了所提出算法的排班结果，显示了其在控制患者队长和医生总工作时间上具有优势。数值结果进一步验证所提出方法能适应疫情严重情况下的医生排班优化要求。研究得到的模型和算法对完善疫情中发热门诊的运作管理具有实际意义。     

C_4~(2+)分子的E_g b_(1g)系统的Jahn-Teller效应及其各向异性现象

依据Jahn-Teller效应理论与量子理论,利用群论和对称性分析的方法探讨了C42+分子的Eg b1g系统的Jahn-Teller效应及其各向异性现象,构建了Eg b1g系统的电声耦合哈密顿量,借助幺正平移变换计算出了系统的电子基态与激发态及其能量.结果表明,由于电声耦合作用的缘故,系统发生了Jahn-Teller畸变,畸变使得系统在其势能面上形成了两个具有D2h对称性势阱.无论系统处在哪一个势阱中,系统的二重简并的电子基态能级都将发生分裂,因此畸变导致系统电子基态的简并性完全被消除.经过Jahn-Teller畸变,C42+分子就会从D4h对称性降低到D2h对称性,同时C42+分子的振动频率发生分解,频率的分解就意味着C42+分子的各向同性遭到破坏而呈现出各向异性.     

电路分析中的“合，分”等效

全文分两个篇章，第一篇章着重于线性电路而第二篇章着重于时变电路。     

一类广义超特殊p-群的因子分解数

设G是一个有限群,A,B是G的两个子群,若G=AB,则称G被A和B因子分解.设G是如下的一类广义超特殊p-群,G=,m≥1,则G的因子分解数被确定.     

Internet分形特征研究

采用k-核分解算法对Internet分形特征进行研究.对高核区间和低核区间拟合结果的差异进行分析,提出Internet分形特征与其结构的层次性存在关联的猜想.随后,从删边数、删边比例和子网分布三个角度对k-核分解过程进行观察,确定Internet核心层与边缘层的分割边界,并利用骨架树理论研究Internet的层次分形特征.最后,从度分布指数、同配系数和结构熵等常见统计角度对Internet部分与整体,以及部分与部分之间的关系进行观察.观察表明,在以上统计角度,Internet边缘子网可以表征网络整体.