一种快速检测重叠社区的方法

在分析现实世界网络时,发现功能类似个体的自然群体是一个关键任务.在社会和生物网络中社区间的重叠是常见的,事实上,社区间的重叠密度比社区内非重叠区域重叠密度要大.现大多数检测重叠社区算法假设社区比周围区域密集,错误地将重叠部分识别为社区.而这些算法大多计算量大,不能合理地随网络大小而改变.提出了快速搜索重叠社区算法(fast search overlapping community algorithm,FSOCA),一种基于局部连接考虑的重叠社区识别算法.实验结果表明,FSOCA在计算时间上优于一些流行的重叠社区检测算法,且不影响质量.     

区域分裂法:一种精确高效的三维微波结构全波分析方法

提出了三维微波结构的全波区域分裂算法.和其他方法相比,该算法可以大幅度地降低计算规模和计算的复杂性.文中详细讨论了不重叠型区域分裂法及其在差分格式下的实现,并利用差分格式下的区域分裂法计算了矩形波导内部三维分层结构和多层微带贴片天线的散射参数.所得结果和直接采用FDFD所得结果几乎完全吻合,证明了算法的正确性和有效性.     

并行矩阵乘法算法的研究

针对大型矩阵乘法进行研究,描述了基于长方网格处理机阵列的Cannon算法,通过重叠技术,改进算法,使数据计算和数据通信在时间上重叠,达到时延隐藏的目的,给出了该算法在PC机群系统环境下的加速比和并行效率实验数据.实验证明,只要研究开发适合的并行算法,克服机群系统的通信瓶颈问题,可以成倍提高其在机群系统上的求解性能.     

预条件共轭梯度法在线天线阵列RCS分析中的应用

为计算线天线阵列的雷达散射截面,用脉冲函数为基函数的Galerkin法将线天线阵列的电场积分方程组转化为一个线性方程组,其系数矩阵是一个对称的二重复Toeplitz矩阵.用预条件共轭梯度法与快速傅里叶变换的组合算法求解该线性方程组,其中预条件器采用T.Chan的循环预条件器的分块形式.这样的处理方法降低了对计算机内存的需求,加快了迭代速度,并提高了算法的收敛性.     

OFDM中利用酉变换和结构最小二乘的角度和时延联合估计

在正交频分复用系统中,低信噪比条件下基于子空间分解的角度和时延联合估计算法的估计精度受限,为此提出一种利用酉变换和结构最小二乘的联合估计算法.利用酉变换将接收数据转换至实数域,然后用二维结构最小二乘建立目标优化函数,计算含有角度和时延信息的两个实对角矩阵.将这两个实矩阵构成一个复矩阵后对该复矩阵进行特征值分解,通过特征值实部和虚部的对应关系实现角度和时延的配对.该算法的目标函数合理地考虑了误差项之间的耦合关系,更加精确地修正了存在误差的信号子空间矩阵,因此估计结果更接近最优解.实验结果表明,该算法的估计精度和估计成功率比传统子空间算法高.     

平面阵列下的二维角度和频率联合估计

在均匀面阵列结构基础上提出一种二维角度和频率联合估计新方法. 对阵列天线输出的信号进行建模分析,表明阵列接收信号具有平行因子四线性模型特征. 利用该模型低秩分解的唯一性条件,从分解得到的矩阵中联合估计出信源的参数. 该算法首先利用四线性交替最小二乘算法估计出方向矩阵和频率矩阵,然后利用频率矩阵的Vandermonde特征和方向矩阵的结构特点及最小二乘法计算频率和二维角度. 该方法无需谱峰搜索即可实现参数同时估计与配对,与现有的基于三线性分解的算法和ESPRIT算法相比具有更高的估计精度,而且在小样本数情况下也能较好地工作. 仿真结果验证了该方法的有效性.     

基于L2范数和增量正交投影非负矩阵分解的目标跟踪算法

在贝叶斯框架下,基于增量正交投影非负矩阵分解目标跟踪算法能够适应各种复杂的场景,准确处理跟踪目标外观变化,取得了较好的跟踪效果,但是该算法计算量大,难以满足实时性要求。针对这一缺点,提出了一种基于L2范数和增量正交投影非负矩阵分解的目标跟踪算法,建立基于L2范数最小化和增量正交投影非负矩阵分解的目标表示模型,在贝叶斯框架下得出跟踪结果。实验结果表明,新算法能够较好地处理视频场景中的光照变化、尺度变化、局部遮挡、角度变化等干扰,有较低的中心位置误差平均值和较高的重叠率平均值,平均处理视频达4.08帧·s-1,能够满足实时性的要求。     

CFMoment:挖掘数据流频繁闭项集算法

在数据流上挖掘频繁闭项集是数据挖掘中关联性挖掘的重要研究课题之一.该文提出了一种高效的数据流频繁闭项挖掘算法——CFMoment,通过使用滑动窗口不断维护数据流中的频繁闭项集,可适用于实时性要求较高的多种数据流处理应用环境.该算法利用项目的有效比特序列表示来减少滑动窗口所需的时间和内存,进一步提升了在数据流中挖掘频繁闭项集的效率并有效降低了运行过程中的内存需求.实验表明,该算法不仅获得了高精度的挖掘结果,而且其运算速度明显快于现有的Moment算法,在数据流上挖掘频繁闭项集的内存消耗更少.     

人脸识别中的零范数稀疏编码

为解决人脸识别中运算速度和识别效果之间的矛盾,提出了零范数稀疏编码算法. 该算法用零范数描述稀疏编码模型的稀疏度,通过对模型的间断点连续开拓,有效地提高了算法收敛速度. 运用ORL人脸数据库对该算法进行识别率和效率测试,并与非负稀疏编码算法和非负矩阵稀疏分解算法进行对比,表明文中提出的算法调节稀疏度的能力更强,可有效缩短运算时间,并在较短时间内获得较高的识别率.     

一个分布型排序算法研究——子域映射法

提出了一个新的排序算法——子域映射快速排序法.该算法亦属分布型排序算法,在文献[5]基础上修改.这一算法考虑了关键字的分布,不实施反复比较和交换两种操作,而解决关键字长、数据分布不均带来的问题.理论分析和实验结果表明,该算法效率高,通常情况下优于Hoare快速排序法,适宜大型信息排序.     

改进的自适应区域分解FDTD在波导结构中的应用

摘要： 提出了一种改进的自适应区域分解时域有限差分(improved adaptive domain decomposition finite difference time domain, IADD-FDTD)算法. 这种算法通过对检测面上的电压值进行自适应边界检测,消除了检测面上电场值不稳定而带来的计算误差. 该算法还可得到更多的分区,提高了计算速度. 通过对多种不连续波导结构的应用分析,验证了这种算法的正确性和有效性.     

基于傅里叶变换的自适应抗打印扫描水印算法

基于近似均匀对数极坐标变换以及傅里叶频域(discrete Fourier transform, DFT)感知通道分解,提出了一个兼顾鲁棒性和隐蔽性的盲水印算法,以抵抗普通打印扫描攻击.首先在频域分解得到中频嵌入环形区域,通过对数极坐标变换并结合局部频谱特性将水印自适应嵌入DFT中频区域,进而利用空间掩蔽对空间域图像进行失真补偿.理论分析和实验结果表明该算法具有良好的隐蔽性,对普通的打印扫描处理也获得了良好的鲁棒性.     

粘连颗粒分割的中心核提取方法研究

在图像处理中的粘连颗粒分割方法研究中,获得各个颗粒中心核是分割的基础和关键,极限腐蚀是现有提取中心核的主要方法．通过讨论颗粒粘连程度的不同情况,对极限腐蚀所造成过分割的原因进行了分析研究,提出一种基于局部距离值比较的中心核提取方法,该方法以腐蚀运算得到的距离值为基础,充分考虑与周围颗粒粘连情况,通过在局部区域内判断是否存在大于该距离值的点来定位中心核．颗粒图像分割实验结果表明,该方法消除了极限腐蚀所造成的过分割．     

基于光频域反射和互相关算法的分布式振动传感系统

基于光纤中瑞利散射的特性，在光频域反射（optical frequency domain reflectometry，OFDR）系统中通过对信号进行互相关分析可以实现振动信号的分布式测量.在基于互相关算法的OFDR分布式光纤振动传感系统中，采用了重叠的移动窗对信号进行分段，并通过实验对比选取了合适的广义互相关算法的加权函数.实验表明，所提方法提高了系统的定位精度，降低了虚警率.系统的定位精度可达0.247 m，可测振动频率范围为5～50 kHz.     

利用人耳听觉特性的子带双声道回波抵消

提出一种利用人耳听觉特性的双声道回波抵消方法,与传统方法相比能够更快地收敛到“真实”回波路径。我们用子带分解缩短自适应滤波器长度,减小算法复杂度,并在子带分解基础上,利用人耳听觉特性降低输入信号的相关度,使自适应滤波收敛更快。数值实验表明了该方法的有效性。     

基于Shearlet域各向异性扩散和稀疏表示的图像去噪

为了更有效地去除图像噪声,同时更好地保留图像边缘细节信息,提出了一种基于shearlet 域各向异性扩散和稀疏表示的图像去噪方法. 首先对含噪图像进行非下采样shearlet 变换(nonsubsampled shearlet transform, NSST),将图像分解为低频分量和多个高频分量. 低频分量中包含图像信号的主要能量以及少量的噪
声,而高频分量中含有大部分噪声和图像边缘信息. 然后,利用K-奇异值分解(K-singular value decomposition,K-SVD) 算法去除低频分量中的噪声,各个方向的高频分量则通过核各向异性扩散(kernel anisotropic diffusion,KAD) 算法进行去噪. 最后,对处理过的低频分量和高频分量进行非下采样shearlet 反变换(inverse nonsubsampled shearlet transform, INSST),得到重构图像,从而有效地去除图像噪声,保留图像边缘细节. 实验结果表明,与小波扩散去噪法、shearlet 硬阈值去噪法、K-SVD 稀疏去噪法、小波域稀疏去噪法相比,该方法的去噪能力更强,并能更好地保留图像纹理细节特征,改善图像视觉效果.     

人工神经网络法对MeX－REX_3熔盐系相图特征的预报

用化学键参数－人工神经网络方法对ＭｅＸ－ＲＥＸ。熔盐系相图进行研究，总结相图若干特征的规律．结果表明，人工神经网络可判断中间化合物的形成，化学配比以及熔化类型，并能预报中间化合物的熔点，分解温度和包晶点的组成，结果与实测相图符合较好．其研究结果已纳人材料设计专家系统．     

基于DCT域纹理特征的多聚焦图像融合

现有的基于离散余弦变换(discrete cosine transform, DCT)的多聚焦图像融合算法容易使融合图像出现块效应和伪影,为此提出一种基于DCT域纹理特征的图像融合算法.该算法以8×8 DCT块中反映能量方向性的纹理区域作为图像融合单位,根据纹理区域的频谱相似度,选择能量较大的区域或以区域加权叠加的方式获得融合区域.实验结果表明,与现有基于DCT域的多聚焦图像融合算法相比,该算法获得的融合图像主观质量较好,能有效避免明显的块效应与伪影.     

星载雷达弱目标小波去噪方法研究

针对星载雷达弱目标检测能力的不足,提出运用小波分解阈值处理的去噪方法改善检测前信噪比.结合频率步进信号高分辨成像的特点,设计了时域去噪和距离域去噪两种方法.仿真结果表明,两种方法均能有效地抑制噪声,提高检测前信噪比.通过分析比较,距离域去噪方法更为有效.