回归模型显著性检验在多项式法探测周跳中的应用

为了确定多项式法探测周跳时的拟合阶数,将回归模型显著性检验引入多项式阶数的确定,在适当的显著性水平下,采用线性假设检验方法,对回归模型估计参数进行假设检验。结果表明:多项式法探测周跳时拟合阶数随着采样间隔的变化而呈现不同的显著性,但总体较为稳定,2阶或3阶多项式即可满足需要。该成果避免了拟合过程中选取高阶多项式对系统资源的浪费,对多项式拟合法探测周跳的拟合弧段选择、多项式阶数选择有着重要意义。     

一种基于突变信号分析和最小二乘法的指纹图像分割算法

针对指纹图像分割的问题,笔者提出了一种基于小波变换突变信号分析原理对指纹边缘进行检测。并结合最小二乘法拟合方法的指纹检测和分割算法。该算法首先将原指纹图像利用平滑函数进行平滑处理,然后使用高斯函数的一阶导数卷积计算水平和垂直方向的突变点,最后使用最小二乘法从不同方向拟合突变点。实验结果表明,该方法能够准确地将指纹图像从背景图像中分割出来。     

基于Mathematica5.0的环域Zernike多项式符号计算方法

在中心遮拦光学元件的波面拟合中,环域Zernike多项式具有优良的性能．该多项式在圆Zernike多项式的基础上,引入新的变量ε-遮拦比,进行Gram-Schimdt正交化得到．且部分项以递推公式形式表示,使得基函数表达式形式异常复杂,推导困难．基于Mathematica5．0强大的符号计算功能,用符号计算方法实现了计算．给出了具体的计算步骤和程序流程,计算结果较准确可靠．     

基于正交多项式拟合的气象数据处理方法

针对高空气象探测数据变化规律复杂、突变情况不可预测、数据量大等特点,提出了基于离散数据正交多项式最小二乘的分段拟合方法.首先,从计算稳定性角度,说明了采用离散数据的正交多项式最小二乘法的原因;其次,从曲线拟合的保形性角度,详细阐述了二次分段拟合原则;最后,以具有典型特征的气温探测数据为例,证明了采用基于离散数据正交多项式最小二乘的分段拟合方法能够获得明显优于传统内插方法的拟合精度,提高高空气象探测数据处理的精度和自动化处理程度.     

利用遗传算法拟合实验变差函数

理论变差函数模型的获取是地质统计学中的基础性工作,它是描述储层非均质性、进行储层随机模拟必不可缺的关键环节。针对现有的拟合实验变差函数方法:人工拟合法、非线性回归最小二乘法、加权多项式拟合法等的不足之处,充分利用遗传算法在求解非线性优化问题时具有的全局寻优的特点,提出实验变差函数的遗传算法拟合方法;在常规遗传算法中引入了模拟退火算法,加速了遗传算法的收敛速度。以川中某气藏的孔隙度变差函数为例进行了计算,结果表明:利用遗传算法可以简单、快速地实现实验变差函数的参数估计。     

矿井主要通风机性能曲线的最优多项式拟合

为确定主要通风机性能曲线多项式拟合函数的最优阶数,将回归系数的显著性作为最优阶数的判定依据。分析了基于最小二乘法的任意阶数主扇性能曲线拟合模型;指出了回归多项式的各项系数应与风压显著相关才是合理的,在合理基础之上阶数最大的即为最优;采用F检验法计算了回归多项式各系数的显著性。对于有m个样点的测定数据,通过m-1次拟合,可确定多项式的最优阶数。编制了相应的程序,实现了最佳阶数回归函数求解与曲线可视化,结合一包含13个测点的实例显示了这种方法的优越性。     

变焦距镜头电子变焦模式

提出一种全新的高斯光学算法，对电子变焦模式的变焦距系统高斯光学参数的计算方法进行研究．通过求解超越方程(组)及三次样条函数插值法计算凸轮曲线，处理了与自动调整物距(调焦)相关联的连续变焦模式以及与其无关的独立变焦模式，实现了任一变焦方式的高斯光学参数的计算．该算法基于高斯光学乘加递推算法，采用多项式，避免了有理函数的运算，比高斯括号法简明方便，有利于简化电子变焦模式变焦系统镜头参数的计算．     

颤振试飞脉冲激励信号分析技术

颤振模态参数识别是当前飞机颤振试飞的一个重要课题。本文介绍了一种脉冲激励颤振试飞信号数据处理方法.采用改进的空域相关滤波法对脉冲响应信号进行降噪处理,改善频响函数估计精度。在模态参数识别过程中采用有理分式正交多项式分段拟合技术,实现颤振模态参数估计。     

基于Labwindows的多项式拟合设计的实现

k型热电偶作为能量转换器,广泛用于工业控制和数据采集过程中,能实现温度信号与输出电压模拟信号之间的转换。通过曲线拟合法原理,以CVI提供的多项式拟合库函数Polynomial Fit进行多项式拟合设计,从而动态实现电动势与温度——对应的变化关系。设计采用n次多项式来逼近反非线性曲线,由最小二乘法确定多项式方程的各系数,并通过添加相应的算法代码,把多项式拟合的阶数传递给Polynomial Fit函数,最后将拟合系数显示于数字控件上,系统地实现了基于Labwindows／CVI的多项式拟合设计。     

一种光学测量中椭圆边缘精确提取算法

提出了一种椭圆边缘精确提取算法。对图像灰度分布函数按二次泰勒展开式展开,利用高斯核函数和图像卷积的方式进行微分求导,在过零点附近求取二阶导数绝对值的极小值点,然后,通过计算Hessian矩阵得到该边缘点的法向方向,在法向方向进行多项式曲线拟合和直线拟合得到子像素边缘点。实验结果表明,算法子像素边缘提取具有较好的精度,在光学测量椭圆形标识检测中有参考价值。     

基于核主成分分析和支持向量机的飞机舱音信号识别

为了提高飞机事故原因的调查准确性与实时性,提出了一种基于核主成分分析和支持向量机的舱音背景声识别方法.首先提取和分析了飞机驾驶舱话音记录器中所记录背景声信号的特征参数,然后分别以多项式核函数、sigmoid核函数和高斯核函数3种核函数作为内积,对3种核函数的降维特性进行了对比分析,最后将核方法与支持向量机结合,实现对舱音背景声的分类识别.实验结果表明:通过基于不同核函数的主成分分析方法与支持向量机的结合比较,确定以高斯核函数为内积的SVM分类方法具有较好的分类效果.     

基于最佳数值逼近法的岩土参数概率模型推断

提出了推断岩土参数概率模型的最佳数值逼近法.该方法主要基于数值逼近原理,运用勒让德多项式来拟合岩土参数的概率密度函数.通过6种经典概率分布与相应的勒让德多项式概率模型的比较,结果表明所得到的逼近表达式有很好的拟合性能.该方法直接根据试验样本信息和统计方法推断,而不是先假定成经典的理论概率分布,因此数学和物理意义更加充分.研究结果表明,该方法避免了复杂的数值计算,计算结果稳定,可以满足岩土工程可靠性分析的需要.图6,表3,参10.     

基于改进自适应粒子群算法的混合核函数最小二乘支持向量机大坝变形预测

针对大坝变形影响因素的复杂性以及监测数据的非线性、随机波动大和预测难度大等问题,提出一种改进自适应粒子群(particle swarm,PSO)算法的混合核函数最小二乘支持向量机(least squares support vector machine,LSSVM)模型,实现了大坝水平变形的时间序列预测方法.基于Mer...     

一种改进的Jacobi正交多项式的BP神经网络算法

 根据多项式理论,构造一种以Jacobi正交多项式作为隐层神经元激励函数的BP(back-propagation)神经网络模型.针对该网络,提出一种改进算法即隐层神经元数可快速确定的权值直接确定算法.首先介绍正交基函数和Jacobi多项式的定义,以及BP神经网络的基本原理.然后进行网络隐层数设计及其隐神经元数的确定,且设置各层连接权值、给出改进算法的步骤.最后,将其与传统矩阵迭代法和Levenberg-Marquardt训练算法进行比较.计算机实验结果表明,该算法具有比传统的BP迭代法更快的计算速度,并且能够达到更高的工作精度.     

智能视频监控中的一种快速运动目标检测方法

为解决现有视频监控系统中目标检测算法无法应付复杂的环境且计算量较大等问题,结合背景模型算法和帧间差分的优点,对混合高斯背景方法和帧间差分进行改进,提出一种基于混合高斯模型背景法和混合差分相结合的运动目标检测改进算法.利用分块思想进行高斯背景建模,利用多帧差分实现混合差分,既能得到较高的灵敏度又能进一步提高检测效果和速度.通过实验证明该算法的可靠性和实时性.     

一种改进的全局Retinex监控视频图像增强方法

考虑到监控视频每相邻帧图像背景及光照近似,合理运用帧间信息,构建了一种改进的Retinex图像增强算法。对每一帧图像进行不同尺度及参数的高斯低通滤波,滤波结果取模极小提取各帧背景信息,通过融合多帧图像背景,获取该时刻上视频图像的准确背景,使用该背景进行Retinex算法增强。实验结果表明,算法增强后的图像暗处细节信息更加丰富,获得了更舒适的视觉效果。     

飞行对抗场景中云红外图像仿真研究

云背景对各种红外探测系统的探测识别能力有很大影响。为了更好的研究云背景对红外探测系统的影响,需要建立准确、形象、直观的探测器观察到的云背景红外辐射模型,生成相应的云红外图像。利用分形云插值计算方法和高斯一维随机插值算法,建立云的运动模型和光照模型,利用云层浓度跟高度的关系建立云层模型,实现了对云层形象、直观、准确的仿真。研究结果对红外制导武器在有云飞行对抗过程中的抗干扰评估具有一定参考价值。     

强混沌背景中频带内谐波信号提取

针对强混沌背景中频带内信号难以提取这一问题,提出了基于正交小波变换与小波软阈值滤波相结合的方法.以Lorenz混沌背景为例,对强混沌背景中的谐波信号进行提取.仿真试验结果表明,该方法比较适合于混沌背景中弱信号的检测与估计,与现有的相空间处理方法相比,简单直接,计算步骤少,可以实现对信号的实时处理.另外,该方法具有普适性,在混沌背景中信号提取领域有一定的发展前景.     

基于匹配分布和混合高斯模型的车辆检测算法

为解决高斯混合模型GMM（Gaussian Mixture Model）在车辆检测中存在的车辆断裂等问题, 提出了一种基于匹配度分布的混合高斯车辆检测算法。该算法采用c均值聚类法计算混合高斯模型初始值, 得到初步的背景模型； 匹配度分布的提出充分考虑了背景变化的时间性和空间性的特性； 根据前几帧检测结果得到每个点的匹配度分布, 对当前图片改变背景学习的规则, 去除了干扰, 适应了背景的变化。实验结果表明, 该算法较传统的混合高斯检测方法检测率平均提高16%以上, 使背景也更稳定和准确, 克服了车辆检测的断裂以及光照突变等问题, 提高了车辆区域检测的准确性。     

基于优化SVR模型的大跨度样本疲劳寿命预测

针对传统方法在大跨度、小样本情况下的疲劳寿命预测准确率不高的问题,研究基于优化SVR模型的寿命预测方法.根据大跨度样本的特点,提出有效的预处理方法、SVR模型的训练方法及参数优化准则.以LY12CZ(2A12)铝合金疲劳寿命预测为实例,分析了高斯核函数、多项式核函数及多层感知核函数对SVR模型训练误差的影响.结果表明高斯核函数更适用于SVR模型的训练,并通过细菌觅食算法对核参数γ及惩罚因子C进行优化选取,LY12CZ(2A12)铝合金疲劳寿命预测结果验证了该方法的有效性.