基于二叉树SVM的指纹分类算法

对预处理后的指纹图像进行分类相关算法研究，提出一种无需迭代的指纹参考点定位方法，该算法具有简单、快速、效果好的优点；基于指纹方向场的半区域特征提取方法，采用二叉树结构的支持向量机多分类策略解决指纹的多分类问题．实验表明，分类精度良好．     

基于遗传算法的神经网络指纹自动分类

研究指纹的自动分类问题对解决大容量指挥库的匹配实时性有着重要的意义。笔者提出了一种新的指纹自动分类方法。该方法通过求取指纹方向图抽取了指纹的纹形特征,并将其送入神经网络进行分类识别,网络连接权系数采用遗传算法进行学习寻优,克服了单纯BP算法训练时间长、易陷入局部极值的缺点,同时提高了网络全局收敛的效率。测试结果表明,基于遗传算法的多层前向神经网络分类器对指纹图象的分类有良好的性能。     

一种基于极坐标的指纹分类算法

提出了一种基于极坐标的指纹分类算法,该算法在极坐标系下,用中心点与三角点的数目信息和方向信息进行分类,有利于解决指纹录入时产生的旋转、平移和非线性形变等问题,实验证明该算法有利于提高指纹分类的精度。     

基于BP神经网络指纹识别的算法

通过对多种指纹分类算法的研究和分析，提出了一种基于BP神经网络对指纹模板进行分类的新算法．首先在对指纹图象进行预处理后建立起指纹模板库，然后采用时间模拟退火函数进行学习因子修正的方法来减少BP算法迭代次数，以提高收敛速度及跳出局部最小．仿真证明：该算法与传统的指纹识别算法相比，分类速度明显高于传统的固定步长的BP算法．     

一种自动指纹粗分类算法的研究

提出了一种利用指纹图像奇异点的数目和位置进行粗分类的算法。指纹图像大致可分为拱形、尖拱形、左旋形、右旋形和螺纹形5种，对指纹的粗分类是实现指纹自动识别系统的一个重要步骤。首先介绍了一种计算指纹图像中各个像素点的方向矢量的算法，然后详细讨论了在这个算法所获得的指纹方向图上进行平滑处理、提取奇异点对（核心点－三角点对）的算法，并根据奇异点对的数目和位置进行指纹方向图的粗分类。试验结果表明，有用的算法与Kalle的算法相比，具有较高的分类率，具有实用意义。     

一种改进型几何聚类指纹室内定位方法

为解决传统加权K最近邻算法(WKNN,Weighting K-Nearest Neighbor)定位方法中选取K值存在局限性影响定位精度的问题,提出了一种改进型几何聚类指纹室内定位方法。该方法首先利用网格分布在定位区域构建指纹点几何位置分布,采集指纹点接收信号强度(RSS,Received Signal Strength)和位置信息,建立指纹定位数据库;然后,利用支持向量机分类算法在解决高维度和非线性问题上的优势选取定位点的多个近邻指纹点,根据对定位贡献度的大小筛选近邻指纹点并构建几何聚类定位区域;最后利用WKNN算法进行定位。实验结果表明,提出的方法解决了传统WKNN方法中多边形定位区域在K值选取存在局限性的问题,具有更高的定位精度和工程实用性。     

一种基于KNN的室内位置指纹定位算法

提出了一种基于KNN 的FM、DTMB 联合信号位置指纹匹配算法,并根据不同位置具有不同信号强度将匹配过程设计为一个多分类算法模型. 离线阶段,通过采集FM 信号与DTMB 信号的强度信息,完成位置指纹库的构建. 在线匹配阶段,利用KNN 算法对新采集到的数据进行加权欧氏距离匹配,通过对K 值以及特征向 量的选取对定位误差进行了分析. 仿真结果表明,该算法在室内定位中具有良好的鲁棒性和准确度,90% 概率下定位精度2.3 m.     

基于EMD和SVD特征提取的通信辐射源个体识别方法

为改善通信辐射源指纹特征提取算法抗噪声及干扰能力差导致的对通信辐射源个体分类识别率低和稳定性差的问题,提出了一种基于经验模态分解和奇异值分解特征提取的方法.通过对信号进行经验模态分解,来克服噪声对指纹特征提取的影响,经希尔伯特-黄变换和奇异值分解实现对通信辐射源信号的指纹特征提取,结合支持向量机算法完成对通信辐射源的个体识别,从而提高了分类识别的正确率,经过对4类辐射源信号的实验验证表明识别效果具有明显提升.     

指纹方向图的获取及在指纹图像预处理算法中的应用

对于指纹图像,无论在时域还是在频域处理时,都要用到指纹的方向信息,所以求取指纹方向图就显得格外重要.文中比较了三种具有代表性的求取指纹方向图的算法,在此基础上,提出了一种多窗口求取块方向图的方法,克服了常规方法引起的平移畸变,同时将方向信息引入求取二值图算法中,取得了优于常规算法的效果.     

指纹识别技术的新进展

在人们日常生活中指纹识别技术已经被日益广泛的用于个人的身份鉴别，譬如ID卡、指纹硬盘等.目前，在线指纹采集技术和自动指纹识别算法都已经取得很大的进展.各种指纹识别技术，包括指纹获取、分类、增强和匹配，性能都有了显著的提高.文中概述了指纹识别领域的最新进展，对每个步骤的相关算法进行了讨论，特别针对两个重要而有挑战性的问题：低质量指纹图像的增强和弹性形变指纹图像的匹配进行了深入地探讨.另外，还讨论了国际指纹识别评测算法FVC2004和FpVTE2003，基于此可以进行全面、客观地识别算法的性能评价.     

基于图像分析的目标位置和方向测量

对相位敏感的视觉测量技术是一种基于图像相位分析的新方法,可用于目标的精确对准,是精密加工的关键技术之一.在相位敏感的视觉测量技术基础上,提出了基于傅里叶变换的相位梯度算法,分析了空间相位梯度与目标角度和位置关系,通过计算机模拟实验,验证了该方法在有噪声干扰的情况下,可以有效的降低噪声对测量的影响,该方法在高精度测量和校准中有着实际应用价值.     

基于提升小波的多路径效应减少方法

数据后处理技术是解决高精度定位多路径效应的一个有效办法，而基于小波分析的多路径提取和消除技术是其中的一种正在发展中的有效手段之一。提出了一种基于提升小波技术的多路径高频噪声的消除方法。实验证实了该种方法是有效的，同时也证明了该方法实现的简单性和计算的高效率。     

基于流量特性的调节阀阀芯曲线智能拟合

 在金川公司选矿厂2006年大型浮选设备工业实验中,为保证矿浆液面自动控制系统液位的稳定性,提出了一种符合现场复杂情况,具有线性流量特性调节阀阀芯曲线的智能拟合方法。在基于过程补余量算法中,结合BP神经网络模型,用不同形状的调节阀阀芯曲线改变调节阀的原有流量特性,从对控制的稳定性、控制响应的时效性等因素考虑后,确定了这种阀芯的最佳拟合曲线,经现场实际使用验证,效果良好。     

基于微加速度传感器的高速动态车辆超载检测

针对动态车辆超载检测,基于微加速度传感器建立了一种新型的高速动态超载检测方法.桥梁采用简支梁模型,车/桥相互作用模型化为两个具有固定间距点力匀速通过桥面,系统分析了两点力情况的桥梁振动,建立了两点力情况下桥梁振动与力的函数方程,从而奠定了基于微加速度传感器的实际车辆超载检测的理论基础.同时利用先进微传感器搭建了高速超载车检测试验平台,进行了传感器安装位置选择的研究.理论仿真和试验结果证明,该方法可以较准确地进行高速动态超载车辆的检测.     

基于遗传算法的智能组卷研究

分析了智能组卷约束条件,建立了智能组卷系统的数学模型,并给出了改进的遗传算法求解智能组卷问题的新方法.实验结果表明所提出的新组卷算法相对于其他算法更能有效地解决自动组卷问题,组卷成功率高,组卷速度快,具有较好的性能和实用性.     

沥青混合料微观力学分析综述

针对当前沥青混合科研究方法的局限性，分析了国内外该领域的研究现状与存在问题。介绍了沥青混合料数字化方法及常用的力学分析方法。给出了运用微观力学方法研究沥青混合料的基本思路，即以二维和三维混合料数字图像为基础，数字重构沥青混合料微观结构，研究基于微观力学的沥青混合料集料接触模型，建立基于离散元的混合料微观空间结构的力学模型，应用离散元方法和微观力学理论分析该模型在劲度模量试验中的力学行为，进行沥青混合料劲度模量的虚拟试验。通过试验检验与校准，得出具有高可靠性、高精确度的劲度模量力学预估方法。     

基于GPU的高阶辛FDTD算法的并行仿真研究

高阶辛时域有限差分算法(SFDTD)与传统的时域有限差分算法(FDTD)相比具有更优的稳定性和计算精度,但在进行电磁仿真时则更为耗时。为解决这一问题,文章应用SFDTD的空间并行性,研究并实现了基于计算统一设备架构(CUDA)的SFDTD的并行算法仿真;基于费米架构,分析了各种尺度网格下速度的提升,与传统的CPU实现该算法进行比较,验证了该方法的正确性和高速性。     

基于GPGPU的LBM障碍绕流的实时模拟

基于显卡的通用计算(GPGPU)是近年来并行计算和快速绘制的热点.格子Boltzmann方法(LBM)作为流体动力学的新方法,其并行性好,常常用于基于物理的流体模拟,且具有适用于复杂边界障碍的特性,但计算较为复杂.利用GPGPU技术来加速LBM的流体计算模型,构建了基于图形处理器(GPU)的流体计算框架,实现了格子Boltzmann计算的D2Q9和D3Q15模型,并用于实时的障碍绕流模拟.     

基于NSCT变换的红外与可见光图像融合新算法

考虑红外与可见光图像的成像机理,提出把非下采样Contourlet变换用于该类图像融合的改进措施.先用NSCT变换在多尺度和多方向上去分解已经配准的图像,可以得到低频系数部分和高频系数部分;再对低频子代部分应用归一化局部方差的差和融合阈值比较的融合规则,对于高频方向子代部分则使用拉普拉斯能量和的能量取大的融合方法;最后把NSCT逆变换应用在高低频部分,输出最后的图像.通过对比实验可知,提出的新方法较传统的图像融合方法更能准确地反映所要研究的场景.