基于图切割的快速运动分割方法

基于图切割的图像分割是近几年发展的一项新技术,但随着图像大小及空间维数的增加,图切割的运算量成为负担。针对运动分割提出了一种快速图切割方法,利用运动分割的特点将差分图像中不变的背景映射为一点或几点,然后参与网络图的构造和图切割的求解,以减少图切割运算量。通过实验将这种快速方法应用于2D图切割和3D图切割,对图像序列的运动目标分别进行了自动分割。实验结果表明,这种快速图切割方法不仅大大地降低了存储消耗,提高了运算速度,而且也获得了良好的分割结果。结果证明这种方法在运动目标的分割中是行之有效的。     

短时交通流混沌预测方法的比较

针对传统的应用数学模型方法在短时交通流预测精度和实时性方面存在的问题,提出了将Volterra滤波器自适应预测模型用于短时交通流的实时预测。为提高预测精度,在Volterra滤波系数计算过程中采用归一化最小均方自适应算法进行多次训练。应用该预测模型对几个典型的非线性系统进行预测,验证了算法的准确性。然后再用此方法对微观实测交通流的时间序列进行实证分析。仿真结果表明,该预测模型对实测交通流时间序列具有很好的预测效果,可以满足实时交通流预测的需要。     

价值流动GERT网络组合C标记模型及其应用

从多传递参量GERT网络模型解析算法出发,研究多传递参量GERT网络模型解析算法的扩展问题,构建组合C标记矩母函数模型,并研究模型相关参数的函数关系、运算法则及其确定方法,研究了价值流动GERT网络组合C标记矩母函数模型及其解析算法,在此基础上将价值流动GERT网络模型应用到国民经济系统多部门间的价值流动系统中,得到国民经济系统各部门间价值流动过程中价值增值活动的平均实现次数、价值增值节点平均实现次数、价值增值网络的平均转移次数等一系列值,以进一步研究部门间动态投入产出的情况及价值增值的情况,为国家的宏观调控提供有效的定量支持。     

一种区间PCA的效度分析方法

关于区间数据的主成分分析(PCA)方法已取得了较丰富的研究成果,但少见对这些方法效度的评价研究.针对该问题,基于Hausdorff距离用于定义两个紧集之间距离的考虑,将区间数视为一个紧集,定义了区间数之间的距离,并研究了区间矩阵的距离.在此基础上,根据PCA方法的原理,建立了一个区间PCA方法的效度评价指标.该指标取值在0与1之间,其取值越大,说明区间PCA方法效度越高,反之则效度越小.最后,采用模拟的方法,分别选取均匀分布和正态分布两种类型的区间数据样本,对目前最常用的两种区间PCA方法--顶点法和中点法进行了效度分析,验证了文中所提的效度指标的正确性.     

UWB通信系统中的窄带干扰检测算法研究

针对改进的多带并发UWB通信系统的干扰检测算法和干扰抑制性能进行了分析.鉴于传统多带UWB调制方案的不足,对改进的多带并发UWB通信系统进行了数学分析和描述.在此基础上,提出了一种新的低采样率的共存干扰检测算法——并发子带干扰检测算法,并对该算法进行了数学分析和系统仿真.分析和仿真结果表明,该算法可在信号帧速率的采样量级上,完成对共存窄带干扰的有效检测,并与多带并发UWB系统的干扰抑制处理相结合,可对共存干扰进行有效抑制,明显改善共存UWB系统的误码率性能.     

基于光电观测信息的空中机动平台被动跟踪研究

针对强电磁环境下机载雷达测量精度较低的问题,研究提出了一种基于机载光电观测信息的被动跟踪方法,讨论了其目标运动分析问题.利用光电探测设备测量的目标方位角、高低角,结合平台的导航信息,建立了基于最小二乘准则的目标函数,对目标实施了精确定位,并对观测数据中野值的剔除问题进行了分析.通过蒙特.卡洛模拟仿真,试验结果表明:该方法能够较为准确、快速地收敛至真值附近.     

自适应协同优化方法研究

针对一致性约束条件造成协同优化方法计算困难的问题,研究提出了一种自适应协同优化方法.首先将设计变量空间划分为三类区域,分析了每个区域内一致性约束松弛量与系统可行域和学科一致性的关系,并在此基础上提出了三种一致性约束松弛量的确定方法.然后基于上述方法,给出了自适应协同优化的算法流程,对比分析了相对于标准协同优化算法流程的改进之处.最后采用自适应协同优化方法对两个典型MDO算例进行优化,证明了该方法具有较好的鲁棒性和收敛速度.     

线性生成的一般模糊线性系统

基于结构元方法,研究了由对称模糊结构元线性生成的一般模糊线性系统和双重的一般模糊线性系统的求解问题,并给出了系统解存在的充要条件. 同时给出了这类模糊线性系统在工程、经济领域的应用实例.     

改进的加权复杂网络节点重要度评估的收缩方法

分析了加权复杂网络的结构特点,综合考虑了边权对节点重要度评估的影响,给出了加权节点重要度的新定义,并提出了改进的适用于加权网络的节点收缩方法.该方法认为最重要的节点就是收缩后加权网络凝聚度最大的节点,其算法的时间复杂度为O(n³).该方法有助于更准确地发现复杂网络中的关键节点.最后的实验分析验证了方法的有效性和可行性.     

基于二维密度加权算子的群体评价信息集结方法

群体评价中已有的信息集结算子都没有考虑到信息分布的疏密情况,且其评价信息又通常为二维数据,为此,提出了一种基于二维密度加权算子的群体评价信息集结方法.定义了二维密度加权算术平均(TDWA)算子和二维密度加权几何平均(TDWGA)算子2种新的集结算子.将新算子应用于群体评价的信息集结中,并分别给出了群体评价(二维)数据的分组与群体密度权向量的具体确定方法.最后,给出了一个具体的集结算例.