(3+1)维Korteweg-de Vries (KdV)方程的高阶怪波解和多波浪解

基于Hirota双线性形式，一个新的（3+1）维Korteweg-de Vries（KdV）方程的高阶怪波解和多波浪解被得到.通过作图，更直观地展示和讨论了高阶怪波解和多波浪解的动力学性质.     

福建省降水空间插值方法比较与区域分布特征研究

选取福建省70个气象站点（其中10个为检验站点）1960—1990年的多年平均降水量作为数据源，基于ArcGIS10.1平台，采用了反距离权重加权法（IDW）、克里金法（Kriging）和趋势面法（Trend）三种空间插值方法，对降水的最优插值方法进行探究.结果表明，克里金法取得较好的效果，并对空间插值结果进行分析得出结论：福建省降水存在较大的空间变异性，并深受地形的影响，地区降雨量呈现出由东南沿海向西北内陆逐渐递增的趋势.而在德化、九仙山以及平和地区降水量呈现异常偏大情况，分析原因主要是由于在区域高大山脉的影响下，暖湿气流在地形抬升的过程中形成了大量降水.     

基于双层规划的普通克里金插值方法研究

采用双层规划描述了普通克里金法中理论变异函数模型参数求解问题.针对传统变异函数模型参数求解过程中容易受人为不确定性因素影响的问题,建立了以交叉验证统计结果最优和个体样本满足最优无偏线性估计为目标的双层规划模型,并给出了相应的求解方法.该方法根据交叉验证结果优化调整上层系统随机给定的变异函数模型参数,可以减少变异函数模型参数求解过程中人为不确定等因素的影响,从而可以获得合理的理论变异函数模型参数和较好的空间插值结果最后,以土壤pH值为例,通过与加权最小二乘法比较验证了采用该方法的有效性和合理性.     

基于改进滤波器和图像多尺度变换的背景抑制算法

红外目标的探测背景具有复杂性和非平稳性,为提高后续检测性能,常常通过抑制背景来增强目标能量。针对传统背景抑制方法检测率低、虚警率高的问题,提出一种基于改进滤波器和图像多尺度变换的复杂背景抑制算法。首先,对红外图像进行改进的滤波处理获得预处理图像。其次,通过高斯金字塔多分辨技术,平滑图像背景。然后,采用Cubic插值算法提高图像的分辨率,得到背景估计图像。最后,将预处理图像和背景估计图像差分,获得背景抑制的结果。经验证,该算法实时性相对传统方法提高了19%,对于多种复杂的背景情况具有良好的适应性。同时，算法计算复杂度较低,有利于实现实时性工程应用。     

无网格法求解分段连续型延迟偏微分方程

考虑了一类分段连续型延迟偏微分方程.首先分析了方程的解析解,给出了级数形式的解.其次采用无网格法求解了该类方程的数值解.利用θ-加权有限差分法对方程的时间变量进行离散,并利用Multiquadric(MQ)径向基函数和配点法建立了全离散格式.采用傅里叶分析法给出了数值方法稳定的条件.通过数值算例给出了方法的误差及验证了方法的有效性.     

一种改进的光伏系统最大功率控制算法

为了提高太阳能发电效率,提出了一种新的太阳能最大功率跟踪方法。该改进算法由扰动观察法和二次插值法相结合进行最大功率点跟踪,利用二次插值法可以缩小搜索范围的特点,克服了扰动观察法在最大功率点附近产生的震荡现象,从而减小误判。通过MATLAB建模仿真的结果表明,改进算法能够快速地搜索到最大功率点,提高太阳能发电系统的稳定性。     

基于Angstrom-Prescott模型和空间插值的山东省月太阳辐射再估算

基于Angstrom-Prescott模型和空间插值法构建了山东省各地的月太阳辐射估算方法，并利用山东省3个国家站（济南、莒县和福山）和菏泽、聊城、淄博及青岛的辐射观测数据验证了估算方法的准确性。首先利用山东省3个国家站1992年—2015年的辐射与日照百分率观测数据，采用最小二乘法拟合得到不同月份Angstrom-Prescott模型系数并以2016年观测数据验证。其次，分别使用不同空间插值法对菏泽、聊城、淄博和青岛进行太阳辐射估算并根据结果选择最优空间插值法。最后，将该方法与其他文献方法进行对比分析。2016年国家站的月太阳辐射估算结果显示其月平均σMRE约为3.5%，σ_RMSE在17 MJ/m²~24 MJ/m²，因此该A-P系数具有较高的准确性。在菏泽、聊城、淄博及青岛4站的估算中选定误差最小(σ_MRE约为7.22%，σ_RMSE约16 MJ/m²~69 MJ/m²)的最小曲率法作为最优空间插值法。与其他文献方法对比的结果表明，基于Angstrom-Prescott模型和空间插值法估算月太阳辐射准确度较高，可应用于其他区域月太阳辐射的估算。     

基于半监督宽度学习系统的气温空间插值

近年来,基于人工神经网络的气象空间插值研究因其较强的非线性映射能力受到越来越多的关注。然而,由于网络参数众多,这些方法的训练过程都非常耗时。考虑到以上原因,基于宽度学习系统提出了一个高效的气温空间插值模型,首先使用稀疏编码对输入数据进行特征提取,然后将映射后的向量引入宽度学习系统中得到一个半监督宽度学习模型。相关实验建立在山西省的气象数据集上,实验结果表明,该方法比基于深度学习的方法和传统空间插值方法具有更好的预测性能和时间损耗。     

基于快速残差插值和卷积神经网络的去马赛克算法

针对传统插值法存在的图像细节不能很好恢复的不足,利用卷积神经网络作为残差插值法的后处理操作,提出了一种基于残差插值和卷积神经网络的去马赛克算法。方法分为初始去马赛克和细节恢复后处理两部分。先用改进的基于梯度的快速残差插值法实现初步去马赛克插值,并针对恢复图像中包含了彩色伪影,细节丢失等问题,再使用深度残差网络学习恢复图像与理想全彩色图像之间的映射,实现后处理。在Kodak数据集和IMAX数据集上的实验结果表明,该方法结果在主观视觉特性和客观评价指标两方面相较于传统方法都有明显改进。     

一种基于改进插值的数据隐藏算法

针对数据隐藏算法嵌入容量有限的问题,提出一种新的插值方法,将其应用到数据隐藏领域中,并给出一种基于改进插值的可逆数据隐藏算法.该算法在信息嵌入时,先用文中提出的插值方法对原始宿主图像进行扩展,扩展时,每个扩展像素以4个宿主像素点作为参考,通过计算得出均值,再将其分配到待扩展的位置上,信息嵌入后可以无损地进行信息提取和图像的恢复.实验结果表明,该数据隐藏算法在嵌入容量、图像视觉质量方面均取得很好的效果,相比其他的数据隐藏算法,最大嵌入容量提高了24.78%~39.29%,最大藏量下的信噪比均保持在39 d B以上.