几何型哈什法和图象的快速合成

提出用图象特征点的不变量阿芬变换和哈什表索法,实现两幅邻近图象的快速合成,并用实验证明其有效性。     

局部李氏与局部线性增长条件下的带跳扩散过程的依全变差稳定性

用耦合的方法并结合Foster-Lyapunov漂移条件考察了一类扩散系数和漂移系数满足局部Lipscitz条件与线性增长条件下的带跳扩散过程的依全变差稳定性.类似于席福宝(2005)构造了过程的一个耦合算子,并验证了其耦合的成功性.借助Feller连续性及Foster-Lyapunov漂移条件证明了不变测度的存在性.基于席(2005)建立了这类过程在一些条件下的依全变差稳定性.     

一类带奇异项的半线性椭圆型方程的不变解

主要研究一类带奇异项的半线性椭圆型方程在Ω=Ω1×R^d条件下的不变解的存在情况。若Sλ^μ（Ω,G）＜So^μ（Ω,G）,则Sλ^μ（Ω,G）可以达到,根据这个思路来证明解的存在性。当d≥2时,方程（1）至少有一个不变解;当d=1且λ足够小的条件下,方程（1）至少有一个不变解。     

ψ-不可约马氏链中不变测度的存在性

讨论了马氏环境中具有-不可约链的常返性与预解链常返的关系,以及常返链中不变测度的存在性,并构造出了不变测度.     

基于Radon和Fourier-Mellin变换的物体几何不变性分析

本文提出一种具有高容噪能力并且对灰度和二值图像都适用的平移、尺度与旋转不变性分析方法,该算法在对图像进行坐标变换后,利用Radon变换将目标图像转换到投影空间,组成投影矩阵,然后对投影矩阵进行Fourier-Mellin变换,最后从变换矩阵中提取不变特征、进行目标图像的分类。理论分析与实验结果表明,与现有的不变性分析方法相比,该算法克服了以往方法的不足,对灰度和二值图像的不变性识别都适用,并且本算法对噪声的鲁棒性强;对灰度图像的识别率高;可以达到理想的分类效果。     

加权shift算子加上Volterra型算子在Hardy空间上的不变子空间及约化子空间

Cuckovic等刻画了shift算子加上Volterra算子在Hardy-Hilbert空间上的不变子空间。在他们以及Stessin等的关于约化子空间的研究基础上,文章研究了加权shift算子加上Volterra型算子在Hardy空间上的不变子空间及约化子空间,部分地推广了他们的结论。     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.     

轮毂电驱动汽车乘坐舒适性研究

针对轮毂电驱动汽车乘坐舒适性变差及驱动电机的质量问题, 建立了车身与车轮两自由度四分之一车辆 振动系统模型, 通过计算不变点说明乘坐舒适性变差的原因, 并给出驱动电机的质量要求以提高乘坐舒适性, 并用 Simulink 对结果仿真和验证。 结果表明, 频率不变点不会因为弹簧刚度和阻尼系数的改变而改变, 而且频 率不变点所对应的车身加速度对路面输入速度的幅频特性值很接近极大值, 对乘坐舒适性影响很大, 导致轮毂 电驱动汽车乘坐舒适性变差, 并给出驱动电机最适合整车舒适性的质量要求。     

多尺度移不变稀疏编码及其在机械故障诊断中的应用

提出了一种融合多尺度信息的高效移不变稀疏编码算法,并用于机械故障诊断. 将移不变稀疏编码作为分类器应用于故障诊断,直接对振动信号进行训练和识别,不需要提取特征和预处理. 为进一步提升效果,将不同尺度的移不变稀疏编码分类器融合在一起. 经实验验证,即使在训练样本和测试样本负载不同的情况下,文中方案仍然能够以较高的准确率识别出轴承的故障位置和程度. 与其他方法相比,文中方法的准确率、鲁棒性更高,具有一定的工程应用价值.      

带奇异系数的随机（偏）微分方程?

熟知,在Gauss噪声的扰动下,微分方程的性质可以得到本质的改善.比如:系数仅为Hlder连续的常微分方程不具备适定性,但是在Brown运动的驱动下,只要系数具有某种局部可积性(此时系数仅为几乎处处定义的)就可保证方程的适定性;随机微分方程可以将粗糙的函数磨光为光滑的函数.本文简要介绍关于奇异系数随机微分方程解的存在唯一性研究的基本思想,提供关于随机偏微分方程、泛函随机微分方程以及带跳随机微分方程等模型研究的前沿文献,并着重展示在可积性条件下关于随机微分方程所取得的最新研究进展.