面向船体分段建造的二维不规则空间调度方法

针对船体分段建造计划的时空特性和分段投影不规则形状的特点,提出了综合时间和空间的多目标分段建造空间调度优化模型.该模型将船体分段投影抽象为更接近实际形状的不规则多边形,提出分段调度中的悬挂和重叠现象的检验方法和解决方案.设计了具有时空特性的改进粒子群算法,采用均值自适应加权法解决多目标权值分配问题,使目标函数值比例均衡.最后,以船厂实际数据为例进行实验验证.结果表明,所提出的调度方法能有效地提高船舶分段生产效率和空间利用率,并具有较强实用性.     

基于竞争粒子群算法的云计算资源调度策略

针对大规模云计算环境下的资源调度问题,提出了改进的竞争粒子群优化算法,以提高云计算资源调度效率.基于多目标综合评价模型,首先建立包含任务完成时间、功耗以及负载均衡度的适应度函数,再利用混沌优化方法产生分布更加均匀的初始化粒子,引入自适应概率的高斯变异对胜利粒子位置进行更新,以提高种群多样性并增强全局搜索能力.仿真试验表明,在相同的条件下,本文算法能够寻到最佳的调度方案,适用于大规模资源调度,且结果优于对比模型.     

广义高斯分布及其在图像去噪中的应用

指出了图像小波系数的统计分布具有非高斯特性,可以用广义高斯模型进行描述.研究了用广义高斯分布(GGD)对图像子带小波系数进行建模以及GGD模型的参数估计问题,在此基础上设计了一种基于贝叶斯估计的子带自适应阈值去噪算法,通过仿真实验对该算法和经典的小波阈值去噪方法进行了去噪性能的比较和讨论.     

基于小波变换的一种图像增强去噪算法

利用小波变换的自适应特征,将小波的多分辨理论应用于图像的去噪、增强处理中,针对传统的阈值去噪和子带增强的缺点,提出了一种改进的自适应图像去噪增强算法.该算法对图像的噪音进行了估计,采用软阈值和硬阈值相结合的处理方法,利用3次B样条插值函数的特性,设计一个平滑的过渡区,有效地避免了单独使用软阈值或硬阈值处理的缺点,保证了图像达到比较好的去噪效果;同时引入的增益因子,可以自适应地补充图像的弱信息.     

基于小波阈值的浮动车数据消噪算法

研究通过小波函数选取等策略来构造一种适合于浮动车原始数据去噪的小波阈值去噪算法.数据去噪是浮动车数据进行交通信息研究的基础性工作,小波分析对于掺杂噪声信号的数据去噪有不可比拟的优势,本文通过构造新的阈值及阈值函数进而以信噪比、均方误差为指导对浮动车数据的去噪结果进行分析来确定小波基函数及小波分解层数,以此研究出针对于浮动车数据的小波阈值去噪的有效算法.通过本文构造的小波阈值算法使得浮动车数据去噪前后与遥感微波检测器（RTMS）数据的相关性提高10%以上,能够有效去除浮动车数据中的噪声.      

自适应阈值小波在指纹图像去噪中的应用

目前指纹识别技术具有很广泛的应用,但通常指纹图像含有混合噪声,而传统小波阈值去噪算法对含有混合噪声的图像去噪时,存在混合噪声去除不彻底的问题,为此提出了一种改进的自适应阈值和连续型低误差阈值函数的小波去噪算法.首先,算法对含有混合噪声的指纹图像进行一次中值滤波去噪.然后,设计了一种新的自适应阈值,小波分解层数越大新阈值就会越小,就能更好地体现噪声信号在进行小波分解时减小的特征.最后,设计了连续型低误差改进阈值函数,改进的函数是连续的,并且阈值达到极限时误差为0.改进后的算法使得估计的小波系数更加接近真实系数,重构后的图像更接近原始图像.实验结果表明,该算法对含有高斯噪声和椒盐噪声的指纹图像处理时,相比于其他算法,得到了更好的峰值信噪比和均方误差数值,去噪后的指纹图像纹理显示更加清晰.     

无线传感网络分簇节点节能传输实验模拟分析

为了提高无线传感网络分簇节点节能传输控制能力,提出基于最优节能控制的无线传感网络分簇节点节能传输实验模拟分析方法.构建无线传感网络分簇节点优化部署模型,建立路由均衡控制下的无线传感网络分簇节点节能传输低能耗调度信道模型,采用自适应均衡的路由转发控制协议实现无线传感网络分簇节点节能路由探测协议设计,提取无线传感网络节点传输的相干性特征值,结合模糊特征提取方法进行无线传感网络分簇节点节能传输过程中的最优特征量提取,实现网络分簇节点节能传输的优化控制和自适应均衡调度.仿真结果表明,采用该方法进行网络分簇节点节能传输的自适应能量均衡性较好,数据转发的成功率较高,具有很好的节点数据收发控制和节能传输能力.     

基于小波域变分滤波器的超声图像去噪算法

针对超声图像的斑点噪声干扰问题,提出了一种基于小波域的变分滤波算法.该算法利用小波变换的时频特性,对低频域的小波系数使用基于贝叶斯最大后验估计的变分滤波器进行去噪;对高频域的小波系数选择自适应的小波阈值函数,然后使用基于拉普拉斯分布模型的小波收缩算法进行收缩处理.实验结果表明,与小波软阈值滤波器和变分滤波器相比,该算法在去噪能力和边缘信息的保留上均有较好的表现.     

自适应小波去噪算法及其在偏心补偿中的应用

针对液压自动厚度控制(AGC)系统中轧辊偏心信号的补偿问题,提出一种基于自适应小波阈值去噪算法的补偿方法.该方法根据噪声在小波变换下的特性自适应地确定小波分解的阈值,将去噪信号的信噪比作为性能指标,采用黄金分割法进行寻优,得到最优的阈值参数.仿真结果表明,该方法比原有的阈值去噪方法效果更佳,对液压AGC系统中轧辊的偏心信号具有良好的补偿效果.     

云计算环境下多信道联合均衡调度算法研究

针对传统资源调度方法存在执行时间跨度大、信道接入率低、资源负载不均衡等问题,提出云计算环境下多信道联合均衡调度算法研究.根据云计算环境下多信道通信链路优化时隙和多信道资源,构建多信道链路模型,提出信道端到端可靠性最大化优化模型,将优化问题转换为多信道联合均衡调度问题.利用多信道最优跨度和负载均衡算法对均衡调度问题进行求解.结合多信道数据处理和任务执行的特性,设计最优跨度和负载均衡双适应度函数,在种群进化初始阶段和接近收敛阶段对适应度函数做适当调整,完成多信道联合均衡调度.实验结果表明,所提方法资源调度的执行时间跨度小、信道接入率高、负载均衡程度好,能满足资源传输的实时性要求.     

基于进化算法的社会网络数据k-匿名发布

基于科学发展的需要,越来越多的社会网络数据被共享发布。为保证发布数据中个体的隐私不被泄露,必须将数据进行隐私保护后发布。针对结点度的再识别攻击,提出一种改进的进化算法对社会网络发布的数据进行k-度匿名(CEAGA),将EAGA算法中的适应度函数与循环结束条件进行改进,得到最优的k-度匿名序列,之后按照得到的k-度匿名序列对匿名图进行构造,得到最优的k-度匿名社会网络图。实验结果表明,改进后的进化算法不但降低了对原社会网络图的修改,并且对图结构性质的保持也优于EAGA算法。     

几种典型控制器实现束晕控制所需时间的研究

采用小波函数控制器、延迟反馈控制器、自适应控制器及对数函数控制器对初始分布为K-V分布的离子束进行束晕-混沌控制.发现强流离子束实现束晕-混沌控制所需要的时间与控制器的选择明显有关,自适应控制器和延迟反馈控制器实现控制较快,小波函数控制器和对数函数控制器实现控制较慢.因此,在可以选择的条件下,人们在应用时应尽量选择合适的控制器.     

用于管道漏磁数据的小波域自适应及小波系数去噪算法

基于漏磁检测是油气管道在线检测中应用最广泛的无损检测技术,提出了一种去除漏磁数据中无缝管道噪声(SPN)和系统噪声的新算法.首先利用将小波变换和自适应滤波技术相结合而提出的新型小波域自适应滤波方法去除漏磁数据中的SPN,然后再利用小波系数去噪方法去除小波域自适应SPN消除系统输出漏磁数据中的系统噪声.实测漏磁数据所得结果表明,该算法具有良好的去噪效果,极大地提高了漏磁数据中缺陷信号的可检测性.     

自适应小波阈值算法在应答器信号去噪中的应用

为了改善应答器信号的去噪效果,利用小波变换具有多分辨分析的特点,在分析硬阈值和软阈值函数小波去噪的基础上,提出了一种改进的自适应阈值量化方法。该方法克服了硬阈值函数存在间断点和软阈值函数存在恒定偏差的问题,能够自动地调节阈值量化规则,具有更好的连续性。仿真结果表明:改进的自适应小波阈值算法对应答器信号进行消噪处理后,信噪比增益、均方差均优于传统的阈值算法和现有的改进阈值算法,并且能很好地保留原始信号的特征信息。     

基于LabVIEW的小波阈值融合算法去噪分析

采用小波变换进行信号分解处理,通过分析阈值去噪所用的小波尺度及阈值选择法,提出选取BayesShrink自适应阈值估计,构建基于软、硬阈值折衷法和一种新阈值函数的多算法融合阈值处理方法.利用Matlab仿真实验分析该方法的可行性和有效性,在LabVIEW环境下进行实际工程信号的去噪测试.实例分析表明,该方法的主要优点在于它对随机强噪声的降噪效果明显.     

基于改进互补集合经验模态分解的自适应 小波熵阈值地震随机噪声压制算法

针对互补集合经验模态分解(complementary ensemble empirical mode decomposition,CEEMD)后不易有效区分有用信号和噪声的问题,以及传统小波去噪阈值选取的不足,提出基于改进CEEMD的自适应小波熵阈值地震随机噪声压制算法。将地震信号进行CEEMD后,基于互信息熵和互相关系数获取高频含噪本征模态函数(intrinsic mode function,IMF);对含噪IMF进行多尺度小波分解,将高频小波系数等分为若干区间计算各区间小波熵,在此基础上得到不同尺度的自适应阈值,同时设计了改进阈值函数进行小波阈值去噪。仿真实验中,去噪残差和频谱分析表明,算法能在保留有用信号的同时有效去除随机噪声,实现保幅去噪。实际地震资料处理表明,相比其他去噪算法,算法能有效提高信噪比(signal-to-noise ratio,SNR) 1 d B以上,降低均方误差(root mean square error,RMSE),具有良好的去噪能力。     

基于多小波自适应阈值的地震图像去噪方法

结合地震图像噪声的特点,利用多尺度小波变换的优点,提出一种新的自适应小波阈值去噪算法.该算法根据小波变换各子层系数矩阵,确定各子层的自适应最优阈值,对于高频子带采用硬阈值化去噪,低频子带采用中值阈值化去噪,并去噪后重构小波系数.实验结果表明,该方法能够去除大部分高频随机噪声,并还原相干切片图像真实效果,提高了地震资料的信噪比.     

针对医学图像的小波阈值去噪方法

为了改善小波阈值去噪算法中硬阈值和软阈值存在的不足,提出一种新的小波阈值去噪方法.该算法在进行小波阈值去噪前,先将图像分割成背景平坦区域和细节区域两部分,然后分别进行小波阈值去噪,最后融合两图像从而获得去噪图像.在分别进行小波阈值去噪时,利用迭代法进行阈值选择,采用"软、硬阈值折中"阈值函数.根据对医学图像去噪的仿真实验结果表明,该算法在去噪效果上均优于传统的软硬阈值方法.     

基于小波去噪的改进灰色自适应变形预测

针对变形量的预测问题,研究了基于小波去噪的改进灰色自适应预测模型.由于监测变形体时很多因素会使测量数据与实际变形数据有偏差,因此首先利用小波去噪方法对变形监测数据序列进行去噪处理,然后再利用灰色自适应模型预测变形量;并对模型的初值进行了修正.最后对一组基坑变形监测数据实例进行分析,表明该方法比单一灰色预测模型更加有效.     

基于三支决策的新型分类匿名模型

数据匿名技术是目前应用最广泛的隐私保护技术,可以在保护数据私密性的同时最大限度地保证数据的可用性和计算的高效性.然而,现有的数据匿名模型采用的都是二分类的匿名模式,这种非此即彼的处理方式往往过度偏激,造成大量不必要的信息损失.针对这个问题,提出一种基于三支决策的新型分类匿名模型.首先,在k-匿名模型的基础上,提出匿名上、下限以及模糊数据的概念;其次,将三支决策的思想引入数据匿名过程,通过延迟决策的方式考虑实际决策过程中可能出现的边缘性的模糊数据,提出一种新型的三支分类匿名模型,即(Uk,Lk)-分类匿名模型;然后,为了验证所提模型的可用性,结合差分隐私的思想,在延迟决策中使用添加噪声的方式对模糊数据进行再处理.实验结果证明,提出的模型可以很好地提高数据可用性,在实际应用场景中的适用性更强.