微观瑞利散射下的大气偏振建模仿真

针对传统宏观大气偏振建模的信息单一性和表征模糊性问题,采用一种新的大气偏振建模算法。该方法依据瑞利散射理论,采用电场矢量描述光波,研究微观粒子对自然光电场矢量振动方向变化,得到散射光的偏振强度和偏振主方向。建立东北天坐标系,推导与天球坐标系间的转换过程,将单粒子瑞利散射扩展至全天域多点散射,形成大气偏振模式。仿真结果表明,新方法可以准确计算不同时刻不同地点的大气偏振分布信息,与传统方法中所获得的偏振角相比,本方法可以提供更丰富的三维方向信息,并具有良好的拓展特性,用于多因素大气偏振建模。     

一种自适应神经网络的信号盲分离及实验

介绍一种提高收敛速度的基于自适应在线学习的盲信号分离算法,以Kullback-Leibler散度作为代价函数,运用随机梯度下降导出算法,在估计分离矩阵的同时更新学习率。实验证明,该算法对于混合图像信号能够有效地分离,利用自适应学习参数提高了盲信号分离的收敛速度及算法性能,结果证实了算法的有效性。     

一种新型传感器的圆环检测算法研究

在工业测量领域中,测量精度是尤为关键的指标,旋转对称三角传感器可以将物体的测距转化为测量成像圆环的半径.文章针对旋转对称三角传感器得到的圆环图像,在快速定位圆心和半径的基础上,利用亚像素定位技术,在亚像素级别进一步精确检测出圆心和半径;选择合适的亚像素算法建立适当的目标函数,圆环检测问题最终被归结为多参数无约束优化计算问题;介绍了用于圆环检测的3种优化算法,并通过实验分析比较3种优化算法的检测精度和性能.     

基于Bayes网络的航空图象理解模型

提出一种基于Bayes网络的图象理解模型,用于检测与描述城市航空图象中的停车场、空地、房屋等二维和三维目标.模型首先使用一种基于感知组织的算法生成焦点区域,然后使用Bayes网络建立焦点区域的图象特征与目标之间的(不确定性)联系,由Bayes网络推理机制完成对焦点区域的识别.对于屋顶区域,模型使用一种基于DEM(digitalelevationmap)方向直方图的匹配算法进行模板匹配,生成房屋的三维几何模型描述.模型中所有Bayes网络组成层次结构,可以方便地增加被识别目标的种类;图象特征与提取图象特性的算法之间由一种称为证据源的数据结构相连接,可以方便地扩充图象特征的提取算法.由此实现了模型的易扩展性.实验结果表明了本文模型的有效性.     

协同神经网络聚类型学习算法

协同神经网络是一类全新的神经网络 ,它可以根据竞争神经网络的一般原则划分为匹配子网和竞争子网。其中 ,匹配子网的学习是协同神经网络的一个中心问题。改善匹配子网的学习效率有 2种途径 :对伴随向量求解算法的改进和原型向量选取方法的改进。文章浅析了这 2种类型的学习算法 ,着重研究了聚类算法在原型向量选取中的应用 ,并以一组交通标志图像作为识别样本 ,验证了选取原型向量 2种思路的有效性。     

概率模糊认知图

模糊认知图模型通过在传统认知图模型中引入模糊测度来量化概念间因果关系的影响程度。在继承模糊认知图模型优点的前提下，首次在概念间的因果关系中引入条件概率测度，提出概率模糊认知图模型。该模型不仅能表示概念间的定性及模糊因果关系，而且能表示概念间的条件概率因果关系，并能退化为模糊认知图。通过对复杂机械部件的拆卸与装配实验，具体阐述概率模糊认知图的应用。实验结果表明概率模糊认知图模型比较模糊认知图模型具有对现实世界更强的模拟能力。     

用Bayes网络检测航空影象中的三维结构体

感知组织是自动检测目标的有力工具。文章提出一个基于Bayes网络的感知组织算法，用于检测城市航空影象中房屋等三维人造结构体。算法使用假设检验的方法检测目标，由提取边缘及线段、生成平行四边形、生成假设、检验假设四个步骤组成。文中设计了两个Bayes网络分别作为假设生成和检验中的信息融合工具。Bayes网络的学习能力，使算法具有一定的自适应性。实验结果表明了算法的有效性。     

盲信号分离中信号源数目估计方法研究

研究盲信号分离中信号源数目未知情况下信号源数目的估计问题.证明了无观测噪声时,利用观察信号数据矩阵的零空间估计法确定信号源数目的方法,等价于通过计算观察信号数据矩阵的秩来确定信号源数目;阐述了在信号源盲分离中有观测噪声时,国内外信号源数目估计的主要方法:特征值分解、Akaike信息准则(AIC)、最小描述长度(MDL)及Minka Bayesian准则,通过理论分析与实验结果对这些方法进行比较,得出各方法的适用范围以及影响估计的主要参数,为信号源数目的正确获取提供参考.     

基于神经网络的形状识别系统及优化

Ｈｏｕｇｈ变换用于形状识别、神经网络用于分类都不是新课题,而我们将这两种方法结合起来,用神经网络实现 Ｈｏｕｇｈ变换并进行特征提取,所提取的特征矢量不受待识别体的大小和位置的影响,且所提特征为一维矢量。对于所构成的神经网络形状识别系统,采用ＢＰ算法进行初１练,优化系统参数。文中最后得出令人满意的实验结果。     

对改进的联想记忆器的研究

运用统计物理学的平均场理论来研究改进的联想记忆器问题。通过对三阶输出函数的有关网络状态的稳定性讨论,提出了一种对伪态的影响加以削弱的方法,并与Ｈｏｐｆｉｅｌｄ联想记忆网络进行了比较以及给出模拟结果来验证理论分析。