性能优化的认知无线电网络安全路由选择算法

针对认知无线电网络可用频谱动态变化的特点和认知节点存在有意或无意丢包干扰问题,将跳数最少、鲁棒性强和路由安全等级高作为路由选择标准,提出了一种路由选择算法。跳数最少可简化数据传输过程;鲁棒性强可保证在可用频谱动态变化时,数据稳定传输,提高网络吞吐率;路由安全等级高可以减少由于转发节点存在的有意或无意干扰而引起的数据包丢失。给出了算法的具体实现步骤,理论分析和仿真实验表明该算法是高效和可行的。     

基于结构分量中目标区域保护的SAR图像压缩

针对无人机载SAR图像高倍率压缩问题,提出了一种基于结构分量中敏感目标区域自动提取与保护的SAR图像压缩策略。首先将SAR图像分解为代表大尺度平滑特征的结构分量和代表小尺度细节纹理特征的纹理分量,然后在结构分量中进行潜在目标区域的检测,生成敏感目标区域掩码,最后对潜在目标区进行保护性的低损压缩,对背景区域进行高损压缩。实验表明,采用本方法的重建图像比标准的JPEG2000算法的重建图像在相同码率条件下具有更好的视觉效果。     

Design and implementation of 1 GHz high speed data acquisition system

With the development of current electronic technology, numerous high-speed data acquisition systems provide a variety of potential benefits. This article describes a high-speed data acquisition system which consists of ECL logic and TTL logic devices, samples and stores data with a 1 GHz clock. This system is accomplished easily and works stably. A performance test of this system has been undertaken and the results show that the effective number of bits (ENOB) is more than 6.5 bits.     

Uniform optimal-order estimates for finite element methods for advection-diffusion equations

This article summarizes our recent work on uniform error estimates for various finite element methods for time-dependent advection-diffusion equations.     

从系统科学的观点看构建和谐社会

构建和谐社会是一个系统工程,必须运用系统科学的思维和方法。社会系统的和谐,有赖于各要素和子系统的共同作用、相互关系和谐、有序运行、协调发展,社会资源兼容共生。形成和谐的社会结构,包括：社会结构合理,人们行为规范,管理有序和有效。和谐社会要实现的功能目标包括：政治民主,法制完善,公平正义,经济发达,人与自然和谐相处,充满活力,文化多样,诚信友爱,安定有序。应全面推进社会主义经济建设、政治建设、文化建设、社会建设、生态建设和人力建设,实现物质文明、政治文明、精神文明、社会文明、生态文明和人的文明协调发展,进入一个经济富强、政治民主、文化繁荣、社会和谐、生态良好、人全面发展的总体理想状态。     

鲁东南地区土地利用动态变化及其主要驱动因素分析

以临沂市1991、1996、2000、2005年的土地利用类型变更调查数据为基础,利用土地利用变化率、单一土地利用动态度、综合土地利用动态度、土地利用程度综合指数等模型,对临沂市14a间土地利用的动态变化及驱动因素进行分析。研究结果表明：1991～2005年间临沂市农业用地面积增加,农业用地结构发生变化,园地变化速度最快,与1991年相比,增长率达48．35％,林地有所增加,建设用地面积一直呈现增长态势,居民点与工矿用地1996～2000年间动态变化率相对较小;1991、1996、2000、2005年临沂市土地利用程度综合指数分别为267．86、268．89、270．47、276．61,土地呈现高度开发利用状态。政策因素、经济和交通的快速发展、人口增长都是促进土地利用变化的主要驱动因素。图4,表3,参15。     

改进的分形算法在弱小目标检测中的应用

针对单帧图像中的弱小目标检测问题,提出了一种改进的基于分形的快速检测方法。该方法首先利用图像的局部熵信息对目标进行粗定位,以得到一个包含目标的感兴趣区域,然后利用分形理论构造该区域的分维像,最后对分维像采用自适应阈值分割即可将弱小目标精确检测出来。与传统分形算法相比,提出的改进算法包含粗定位和细定位两部分,它将分形算法要处理的区域缩减到局部熵所估计的小范围内,从而克服了传统分形方法计算量大、抗噪性差的缺点。仿真实验结果表明,该方法能够稳健、快速、有效地检测弱小目标。     

基于Park-HHT的故障特征提取方法

针对三相对称系统,提出了一种新的故障特征提取方法。该方法首先将系统输出信号进行Park变换,之后进行希尔伯特-黄变换(Hilbert-Huang transform, HHT),从HHT的本征模态函数中选取低频分量,提取信号幅度作为故障特征值。该方法兼具Park变换和HHT的优点,在降低变量维度的同时提高了故障分辨率,并且具有较强的抗噪声能力。最后,在三相逆变电路中进行了仿真实验,根据特征向量间距离分布对不同方法的提取效果进行评价,验证了所提方法的有效性。     

囚徒困境中基于非均匀连接的促合作控制设计

本文研究"囚徒困境"中促进合作演化的机制,设计"合作识别"和"背叛识别"两种控制形式,并分析合作在相应控制之下的演化路径问题.在合作识别控制设计中,通过将博弈群体分为合作者子群体和合作者与背叛者共存子群体,形成连接率依赖于个体策略的"非均匀连接",以保护合作的方式抑制背叛,促进合作演化;在背叛识别控制设计中,以惩罚背叛的方式鼓励合作.文章指出,合作识别控制设计能在合作率较低时促进合作,但不能使合作成为演化稳定策略(ESS);背叛识别控制设计能在合作率较高时使合作成为ESS,但是背叛总是该控制下的ESS.结合"合作识别"控制与"背叛识别"控制,本文设计一种切换控制,使得合作是"囚徒困境"博弈的唯一ESS.仿真给出不同要求下的控制律设计,分析不同切换选择对合作演化路径的影响.     

Multi-label dimensionality reduction and classification with extreme learning machines

In the need of some real applications, such as text categorization and image classification, the multi-label learning gradually becomes a hot research point in recent years. Much attention has been paid to the research of multi-label classification algorithms. Considering the fact that the high dimensionality of the multi-label datasets may cause the curse of dimensionality and wil hamper the classification process, a dimensionality reduction algorithm, named multi-label kernel discriminant analysis （MLKDA）, is proposed to reduce the dimensionality of multi-label datasets. MLKDA, with the kernel trick, processes the multi-label integrally and realizes the nonlinear dimensionality reduction with the idea similar with linear discriminant analysis （LDA）. In the classification process of multi-label data, the extreme learning machine （ELM） is an efficient algorithm in the premise of good accuracy. MLKDA, combined with ELM, shows a good performance in multi-label learning experiments with several datasets. The experiments on both static data and data stream show that MLKDA outperforms multi-label dimensionality reduction via dependence maximization （MDDM） and multi-label linear discriminant analysis （MLDA） in cases of balanced datasets and stronger correlation between tags, and ELM is also a good choice for multi-label classification.