自旋为1的系统的量子非经典性度量

相干态最初在1960年由Klauder和Sudarshan提出.基于此,许多经典性和非经典性的度量被提出. 1971年Radcliffe提出了原子相干态,但基于原子相干态的非经典性度量研究仍然较少.本文利用原子自旋相干态的特征提出一种度量非经典性的方法,并讨论了这种度量的若干性质,例如转动算符作用下的不变性和纯态的非经典性.我们给出了一些计算例子,例如猫态、NOON态和混合态.这种度量只在自旋为1的系统上讨论.这些结果对探索量子非经典性的度量和量子资源理论有一定的意义,也对实验室利用非经典性度量起到积极作用.     

基于度量核和GHI核混合的植物叶片识别算法

针对现有识别算法中的核函数不能充分利用直方图的整体特征和不同维特征间的内在联系,提出基于度量核和广义直方图交叉(generalized histogram intersection,简称GHI)核混合的植物叶片识别算法.首先,构建多尺度边缘轮廓(multi-scale marginal contour,简称MMC)算子;其次,提取预处理后的叶片图像MMC形状特征、局部二值模式(local binary pattern,简称LBP)空域纹理特征、局部向量化(local phase quantization,简称LPQ)频域纹理特征,进而将这些特征拼接成复合特征;再次,利用度量学习和马氏距离改造负距离核构建度量核,将其与GHI核加权融合形成组合核;最后,进行仿真实验.仿真实验结果表明:相对于现有算法,该文算法对不同种类的植物叶片具有较高的识别率.     

基于鲸鱼优化算法的类图重构研究

为了提高软件质量,组合使用重构技术、软件度量和元启发式搜索可以有效改进软件的结构而不影响其功能.本文提出一种基于鲸鱼优化算法的类图重构方法,并结合耦合、继承、抽象3个指标所构建的质量模型来指导类图重构序列寻优.在6个不同的开源程序上使用鲸鱼优化方法对类图进行重构,研究结果表明:基于鲸鱼优化算法的类图重构在质量增益上优于模拟退火算法和爬山算法,可有效提高重构质量.     

图像形态相关系数一般问题的研究

在将图像视为分片函数及分片向量函数的表示形式下,通过图像强度和几何形状两个因素描述图像特征,研究了图像的相似性度量问题.采用标准空间作为投影空间,探讨了分片函数及分片向量函数图像模式下投影算子及形态相关系数建立的方法,所得到的结果推广了Mosaic图像相关系数的表示形式.对分片向量函数所表示的图像形态相关系数的研究结果则更具一般性.     

一类Copulas最优界的扰动及其相关性和对称性

对给定的奇异型Copula增加扰动项构造新的Copula.研究新Copula的和谐性度量Spearman′sρ,Kendall′sτ,Gini′sγ和Blomqvist′sβ与原Copula的比较.结果表明奇异型Copulas取Frechet-Hoeffding上下界M,W和单点值给定的Copulas最优上下界CU,CL时,增加扰动项后得到新的Copula可以拓宽相关性度量的范围.特别地,单点值给定的Copula的上下界CU,CL增加扰动项后构造新的Copula具有不可交换性,并度量了新Copula的不可交换性.     

客观信息的模型和度量研究

当今时代,信息的重要性毋庸置疑.但是,人们对于信息的认识依然众说纷纭,对于信息度量的研究同样莫衷一是.本文基于前人的丰富研究成果,总结了在信息的性质及度量方面已经取得的重要进展和存在的主要不足,探讨了信息的本质内涵和数学表达等基本问题.基于对信息客观性的认识,提出了信息的定义和六元组模型,讨论了信息的基本性质,建立了信息的广阔性、细致性、持续性、丰富性、包容性、延迟性、遍及性、真实性和适配性9类度量的定义和数学表达,形成了客观信息论的基础理论框架,能够系统全面地支持信息与信息系统的分析研究.     

闭黎曼流形上临界度量的研究

本文研究了闭黎曼流形上的双参数二次曲率泛函的临界度量，利用带Yamabe常数及曲率的pinching条件，以及我们证明了一个刚性定理。此外，我们也得到另外一些曲率条件下的刚性结果。     

基于增量稀疏核极限学习机的发动机状态在线预测

针对发动机状态在线预测中样本累积、预测模型膨胀和在线更新速度慢等问题,提出了基于增量稀疏核极限学习机的在线预测方法.该方法定义了KELM核函数矩阵的稀疏测量矩阵,并根据矩阵原子相干最小化和自信息量最大化的样本信息度量准则实现在线样本前向稀疏与后向删减,提高了样本稀疏化效率.利用有效样本对测量矩阵在最佳阶数内进行在线扩充与修剪,限制了预测模型膨胀.利用改进的增量建模方法对模型的核权重矩阵进行递推更新,从而建立规模有限且结构稀疏的在线预测模型,提高了在线建模速度.仿真数据和发动机状态参数在线预测实验结果表明,与现有在线预测方法相比,ISKELM具有更高的样本稀疏化和在线建模效率.对发动机排气温度进行120步预测时,预测速度分别提高了80.50%和31.72%,预测精度分别提高了48.56%和15.81%.      

Hausdorff模糊度量拓扑和Vietoris拓扑

模糊度量是模糊拓扑学的一个重要的概念,模糊度量超空间是模糊度量空间理论的重要组成部分之一。鉴于此,研究了由Hausdorff模糊度量拓扑与Vietoris拓扑的包含关系,导出了给定的stationary模糊有界的模糊度量空间的准紧性、完备性和紧致性的几个结论。