一种基于服务器组的SAR信号优化处理算法

针对SAR信号海量数据的处理困难，提出了一种基于服务器组的优化处理算法，该算法以CS算法为基础，将CS算法中的各个部分进行优化分解，分别在不同的服务器上进行计算，实现计算效率的最优化最后通过仿真证明了该算法的有效性，为SAR海量数据的批量处理提供了一定的依据     

基于Shearlets变换的SAR图像去噪

在合成孔径雷达(SAR)相干噪声模型基础上提出了一种基于剪切波(Shearlets)变换的SAR图像去噪算法. Shearlets变换继承了Curvele变换和Contourlet 变换的优点,既有灵活的方向选择性又易于实现,并且对于包含C2 奇异曲线或曲面的高维信号具有最优逼近特性. 该文采用Shearlets逼近SAR图像,再用基于贝叶斯估计
理论的双变量阈值函数对Shearlets变换系数进行处理得到去噪图像. 仿真结果表明,相比使用同级Contourlet双变量阈值去噪,该算法峰值信噪比提高2 dB;相比使用非下采样Contourlet变换双变量阈值算法去噪,该算法去噪后图像不仅峰值信噪比有所提高,而且更平滑,计算时间也大大减少.     

多尺度自卷积方差显著性SAR图像目标检测

针对SAR图像中显著性目标检测问题,提出一种基于多尺度自卷积方差显著性的自适应检测算法. 该算法在对SAR图像多尺度自卷积运算基础上,通过计算MSAV得到方差显著图. 设计了一种自适应阈值检测器,完成SAR图像中显著性目标的检测. 实验结果表明,在复杂背景环境下,所提算法能有效检测出与人类视觉较为一致的显著性目标.     

对“拍照赚钱”任务定价体系的研究

采用BP算法和遗传算法优化的BP神经网络算法,计算GPS和任务定价体系的函数关系.根据已有研究成果进行建模,对所用数据进行归一化处理,最终获得定价关于新项目GPS的函数式,并根据该关系式完成定价.     

用于3G网络监管的负载平衡方法及其稳定性分析

为了处理3G网络监管系统中产生的海量数据,该文提出一种负载平衡算法.在分布式动态负载平衡模型的基础上,采用负载选择分配策略设计了随机转移负载的时延模型,并给出了增益系数的取值.根据控制论的相关理论和方法对该算法进行稳定性分析,验证了本算法符合3G监管需求,并据此修正了多余负载转移的百分比公式.     

基于改进Hadoop云平台的海量文本数据挖掘

针对常用的文本数据挖掘系统在处理海量文本数据时时间效率较低的问题,论文提出了一种基于改进Hadoop云平台的海量文本数据挖掘方法.该方法首先将传统Hadoop云平台进行改进以适应海量文本数据挖掘的需要,然后将海量文本数据集和挖掘任务分解到该改进平台上的多台计算机上并行处理,从而实现了一个基于改进Hadoop云平台的海量文本数据挖掘平台,并通过对10 000篇新闻材料组成的实验数据集进行挖掘验证了该平台的有效性和高效性.     

用点渲染算法实现光刻胶显影过程的三维模拟

用顶点和面片三维显示光刻胶显影模拟结果的方法不支持海量数据. 为此提出基于层次结构的三维场景绘制点渲染算法,并引入网格插值法填补显影模拟中在光刻胶表面出现的空洞,用Dill算法、Kim模型和介质光线算法建立光刻显影模型. 实验结果表明,该方法能高效、精确、实时地绘制光刻显影模型输出的大规模海量数据.     

一种有效的多维数据集合压缩方法

如何更加有效地组织、处理海量数据是数据仓库研究的一个热点问题.本文对海量数据仓库的压缩进行了研究和探讨,提出了一种基于压缩的属性划分存储结构.利用对维属性文件进行编码,来压缩整个数据集合.分析表明该压缩方法与存储结构可以获得很高的数据压缩比和操作效率.     

基于Markov链模型的集群式数据库数据均衡算法

集群式数据库是目前解决海量数据处理的一种重要方法,但目前的各种数据均衡算法都存在算法复杂、实际应用效果差等缺点.通过Markov模型对实时负载状态的预测,依据综合数据负载指标和数据负载状态预测结果实现集群式数据库数据均衡技术.在对综合数据负载指标设计的过程中,主要选取输入指标和服务器指标,同时引入滑动窗口法对数据负载信息记录进行更新,获取综合数据负载指标,实现集群式数据库的数据均衡.通过实验验证,该算法能有效评估集群式数据库的工作状态,均匀分配数据,使数据均衡,提高运行效率.     

心脏病诊断系统中缺失数据填充方法

缺失值数据是目前研究数据分析的一个重要领域,随着智能医疗的迅速发展,如何充分利用海量数据挖掘出其中的重要信息,对隐藏的疾病做出预测并进行提早的干预治疗显得尤为重要.但在实际预测中,经常面对不完备数据集,从心脏病数据集出发,基于随机森林算法加以贝叶斯优化算法动态调参,提出心脏病缺失值补足算法.以准确率ACC作为算法的评判依据,通过精度和时间2个方面进行验证,4种算法对比实验结果表明,提出的算法具有更准确的填补效果.     

聚类分析用于序列SAR干涉像对选取

该文分析了干涉像对选取过程,提出一种利用聚类分析进行序列SAR干涉像对选取的方法. 选择合适的去相干因素构建特征空间,将序列SAR影像所有干涉组合的去相干因素映射到该特征空间,从而将干涉像对选取问题转换为特征空间的聚类分析. 根据干涉像对选取原则设计合适的聚类方法对去相干因素进行聚类,聚类结果对应于符合要求的干涉像对,实现序列SAR干涉像对的选取. 实验结果表明该方法简单有效.     

考虑SAR图像导航量测特性的SAR/INS组合导航非线性滤波

SAR/INS组合导航系统中,当SAR量测输出时间间隔较长时,惯性导航得不到及时修正,系统将具有较强的非线性特性,导致常规卡尔曼滤波算法的精度受到影响甚至滤波发散. 为了提高组合导航的精度,该文结合惯性导航系统的非线性模型,设计基于无迹卡尔曼滤波(UKF)解决非等间隔量测修正的SAR/INS组合导航非线性滤波算法,并通过协方差分析对比研究常规卡尔曼滤波和该文算法的性能. 仿真结果验证了该文算法具有更高的精度.     

SAR图像的自适应边缘保持去噪滤波

针对目前SAR图像斑点噪声滤波算法在噪声去除和边缘保持方面同时性上的不足,该文基于SAR图像噪声识别和边缘检测,提出适用于同质区域和边缘区域的自适应SAR图像去噪滤波方法. 该方法根据SAR图像斑点噪声、边缘位置、边缘方向信息,动态改变滤波器模板的尺寸和形状,实现SAR图像斑点噪声去除,同时保持图像边缘和纹理信息与细微结构. 以2010年8月15日北极地区RADARSAT-2 SAR HH图像为例,将本文的方法与典型空域滤波法进行对比分析,定量分析结果表明所提方法的可行有效.     

车载Ka-SAR距离向自适应DBF方法

毫米波合成孔径雷达（Ka-SAR）进行俯仰向数字波束形成（digital beam forming,DBF）车载地面验证时，由于车载高程较小使得成像区域地形起伏不可忽略。采用传统扫描接收（scan on receive, SCORE）算法获得的DBF加权系数会存在误差，使合成波束方向图偏离理想状态，降低系统性能。针对上述问题，本文提出了一种基于多通道SAR的自适应距离向DBF处理算法，对多通道数据进行干涉处理，并通过滤波提取干涉相位，自适应生成加权系数，提高了接收增益。该自适应算法获得的加权系数精度较高，具有处理流程简单、运算量小、便于实时处理的特点。最后，基于仿真和车载实验数据成像，验证了该算法的有效性。     

基于多特征提取的识别算法数学建模优化研究

数据建模优化在多特征提取领域应用广泛,基于统计特征和基于结构特征的识别算法需要在数学建模优化下实施,可以改变图像的输入结构,从而能够对图形的统计特征进行提取,采取网格划分方法,对图像进行划分,然后对网格内文字像素进行比对,保证文字图像能够通过细分类模式进行识别.     

神经网络的结构学习算法研究

针对前馈神经网络结构设计困难,传统ＢＰ算法易陷入局部极小、收敛速度慢、对初始权选取敏感等缺陷,通过修改误差函数,提出了一种融结构自适应选择和参数学习于一体的针对一般神经元激活函数的新算法,实验结果表明其高效性．     

基于对象池和数据缓存技术的Web-OLAP系统

在分析Web环境下传统联机分析处理(online analytical processing OLAP)系统存在问题的基础上,提出一种基于对象池和数据缓存技术的OLAP系统的体系结构.首先给出了对象池的定义及处理用户请求的算法,然后给出了数据缓存的定义及数据缓存的处理算法.采用对象池及数据缓存技术相结合,可明显提高系统的性能.     

BP人工神经网络与遗传算法在型材挤压模具参数优化中的应用

基于MATLAB平台,将BP人工神经网络与遗传算法应用于型材挤压模具参数优化设计.首先利用BP神经网络来训练已有实验值,然后将训练后的神经网络作为知识源,通过曲线拟合与逼近求得设计变量与目标函数值的函数关系表达式,最后将这一函数表达式作为遗传算法的适应度函数进行遗传迭代寻找最优解.采用曲线拟合方法将其知识源转化成为了具体的函数表达式,直观地体现了神经网络的知识源,为后继的遗传算法提供了明确的适应度函数.数值模拟分析表明,对挤压模具结构的优化是合理的.