菲涅耳全息图的计算机生成及数字重现

本文研究菲涅耳(Fresnel)衍射积分的两种计算机模拟算法,分别用卷积算法和傅里叶变换算法实现菲涅耳积分,阐述了两种算法的优点和缺点。尝试将计算全息与数字全息相结合,模拟光线的菲涅耳衍射传播,用计算机生成菲涅耳全息图,并由所生成的全息图再现出原始图像,完成全息图的数字重现,真正实现整个全息记录和重现过程的计算机模拟。     

基于非负矩阵分解与邻接谱的图像分类

提出了一种非负矩阵分解（non-negative matrix factorization,NMF）和邻接谱相结合的图像分类方法．该方法首先利用图像中的特征点构造邻接矩阵,然后使用邻接谱作为非负矩阵分解迭代规则的初始值,并将经过非负矩阵分解得到的基向量作为图像的分类样本,最后采用概率神经网络（probabilistic neural network,PNN）分类器对图像进行分类．模拟实验和真实实验的比较表明,该方法是可行和有效的,并且进一步提高了图像分类的准确率和稳定性．     

在自主创新中不断前进

要确定“产品创新、价值链创新、市场理念创新”的发展思路,将企业定位与创新有机的结合起来。     

基于最小生成树的LAPLACE谱图像匹配算法

提出了一种基于最小生成树的Laplace谱图像匹配算法.首先分别对两幅待匹配图像的特征点集构造完全图,其次寻找最小生成树,然后通过各自的最小生成树构造Laplace矩阵,接下来进行分解并利用分解结果构造匹配矩阵,最后通过匹配矩阵实现两幅图像匹配.实验验证了该算法能够降低匹配的时间复杂度和获得较高的匹配精度.     

一种改进的谱聚类算法及其在基因表达谱分析中的应用

聚类分析是从基因表达谱数据中提取生物医学信息的主要方法之一.针对传统谱聚类算法无法确定聚类个数的问题,提出一种改进的谱聚类算法并将其应用于基因表达谱聚类分析.首先用基因表达谱数据构造Laplacian矩阵,经特征值分解后得到相应的特征值和特征向量,用谱隙来描述相邻特征值的差值;然后通过寻找谱隙序列的最大值来确定聚类个数;最后从单位化的特征向量着手实现数据类别的划分.通过模拟数据与癌症数据的实验,证明了该文算法的有效性.     

基于非负矩阵分解和Normal_Matrix的肿瘤基因分类

文中提出了一种结合非负矩阵分解和Normal_Matrix谱分解技术的肿瘤基因分类方法.其分类过程首先是利用fdr_test记分准则粗略除去噪声基因以实现基因表达谱数据的初步降维,进而运用非负矩阵分解萃取基因间的综合属性,通过综合属性构造样本间的Normal_Matrix并对其进行奇异值分解获取表征样本类别属性的谱分量实现肿瘤类型的分类识别.采用三组具有代表性的肿瘤基因表达谱数据进行实验,通过与其他方法的对比,其结果证明了文中方法的可行性和有效性.     

结合测地线-灰度直方图的谱匹配算法

针对单纯依赖奇异值分解的谱匹配方法的局限性,提出了一种结合测地线-灰度直方图和松弛迭代的Laplace谱匹配算法。首先,利用图像待匹配点集构造Laplace矩阵,〖JP3〗通过对该Laplace矩阵进行奇异值分解,将得到的特征向量用于计算匹配概率;然后,引入具有局部特征的测地线-灰度直方图作为相容性约束,通过迭代的方式对匹配概率进行优化。实验结果表明,该算法实现了多特征、多算法的优势互补,提高了谱匹配算法的匹配精度和应用范围。     

基于SMbGAN的足迹图像反演算法

为解决在足迹识别领域赤足数据匮乏的问题,提出一种基于足底压力图像的反演算法.该算法能够将鞋底压力图像反演成赤足足底压力图像.首先,对原始数据进行去噪、中心化以及旋转等预处理操作;其次,提出一种对称的多分支生成对抗网络(SMbGAN),该结构将足迹图像分成上、下2部分进行独立反演,并且使用全局与局部判别器进行图像判定,提...     

基于点的代数连通强度和非负矩阵分解的肿瘤基因分类

随着DNA微列阵技术的发展,利用基因表达谱数据进行生物信息的有效挖掘已经成为研究热点.因此,该文中提出将点的代数连通强度与非负矩阵分解相结合的方法对基因表达数据进行分类处理.首先利用点的代数连通强度剔除受外界因素影响过大的基因数据并用修正的特征计分准则进行计分排序,选取具有高计分的基因子集;接着利用近来流行的非负矩阵分解将该基因子集映射到极低维的特征空间;最后利用SVM分类器实现分类实验.通过几组公开的基因表达谱数据集的实验结果以及与其他方法的对比分析,验证了该方法是有效的、可行的.     

基于RBF神经网络滑模控制的互联电力系统混沌控制研究

电力系统是一种具有多自由度、强耦合特性的非线性动力学系统,混沌振荡会对电力系统的安全性造成极大危害.通过研究互联电力系统的时序图、最大Lyapunov指数图、相平面图来讨论电磁功率扰动幅值对系统动力学特性的影响.提出了一种基于继电特性函数的改进型径向基函数(Radial Basis Function,RBF)神经网络自适应滑模控制方法,快速平滑地使系统达到控制目标.实验表明,相比自适应滑模控制方法和基于继电特性函数的滑模控制方法,提出的改进型RBF神经网络滑模控制方法不仅可以使系统有较快的收敛速度,而且对抖震现象有很好的抑制作用,对外部扰动具有很强的鲁棒性.