Kac-Moody代数g(A)的生成元配对问题

在任一Kac_Moody代数 g(A)中 ,(ⅰ )任意指定Cartan子代数 中的元素h ,h C(中心 )或者 (ⅱ )任意指定一个实根向量xβ,β∈Δre都可找到另一元素 y∈ g(A) ,使得 y和h或者 y和xβ 生成一个子代数 g′(A) (导子代数 ) .     

水资源-环境系统灰色加权模型研究

本文在水资源－环境系统的工程实例基础上,详细论述了灰色加权模型的递增赋权、层次分析法赋权、概率法赋权和专家赋权的计算方法     

基于对称差测度的Fuzzy度量

以测度空间(X,B,μ)为基础,以客观所需及Fuzzy集的分解定理为背景,从集合的对称差测度出发,建立了几种衡量X上的Fuzzy集之间的距离,并讨论了它们的基本性质.     

群偏好 GMM 集结方法的讨论

分析了ＧＭＭ在群偏好集结过程中,有关Ｐａｒｅｔｏ公理的违反问题．提出了序等价类的概念,并证明ＧＭＭ群集结模式满足Ｐａｒｅｔｏ公理的要求．     

广义I型逐阶区间删失混合Weibull数据的参数估计

源于有限混合总体的广义I型逐阶区间删失数据参数估计方法的研究不多,基于有限混合Weibull模型,讨论Expectation-Maximization(EM)算法对广义I型逐阶区间删失数据参数估计的有效性及其改进。首先给出估计参数的EM算法,通过仿真算例,说明EM算法对广义I型逐阶区间删失混合数据参数估计产生了过度迭代现象,进而,提出了停止EM算法的加权绝对偏差信息准则。改进的EM算法改善了EM算法无法确定参数估计停止迭代时刻的不足,在选择适当初值后,可快速获得满意的参数估计结果。仿真算例验证了该方法的有效性。     

一种基于改进插值的数据隐藏算法

针对数据隐藏算法嵌入容量有限的问题,提出一种新的插值方法,将其应用到数据隐藏领域中,并给出一种基于改进插值的可逆数据隐藏算法.该算法在信息嵌入时,先用文中提出的插值方法对原始宿主图像进行扩展,扩展时,每个扩展像素以4个宿主像素点作为参考,通过计算得出均值,再将其分配到待扩展的位置上,信息嵌入后可以无损地进行信息提取和图像的恢复.实验结果表明,该数据隐藏算法在嵌入容量、图像视觉质量方面均取得很好的效果,相比其他的数据隐藏算法,最大嵌入容量提高了24.78%~39.29%,最大藏量下的信噪比均保持在39 d B以上.     

基于矩阵模式的局部子域最大间距判别分析

矩阵模式的Fisher线性判别准则(MatFLDA)作为近几年矩阵模式下的经典特征提取方法被广泛地加以研究和运用。然而MatFLDA方法作为全局判别准则一定程度上忽视了样本空间内在的局部结构和局部信息。在矩阵模式下,引入局部加权均值(LWM)并结合最大间距判别分析(MMC),提出一种具有局部学习能力的有监督的特征提取方法:基于矩阵模式的局部子域最大间距判别分析(Mat-LSMMC),提高了MatFLDA方法的局部学习能力,具有较强的特征提取能力。通过测试人造、真实数据集来表明所提方法的优势。     

基于加权总完工时间的两人合作排序博弈

现实活动中,往往存在一方无法独自完成一个项目中全部工件加工任务的情况,这就需要双方或者多方合作共同完成任务。假设每人有一台用于加工工件的机器,通过确定这批工件的一个恰当划分,把工件分配给两台机器,使得双方合作收益最大。本文研究当工件加工时间是其开工时间线性恶化函数,以最小的加权总完工时间作为加工成本,建立两人合作排序博弈模型。通过运用Matlab软件,分析不同的盈利能力和机会成本对最优解的影响,并与以总完工时间作为加工成本的模型进行比较,表明本文模型在盈利能力不强以及恶化因子小的情况下都可以求得最优解。     

基于减法聚类和K均值聚类的彩色图像分割算法

传统图像分割方法大都存在分割速度低下、过度分割等缺点.针对上述问题,提出一种新的彩色图像区域分割算法.这种方法首先将图像转化至L*a*b*空间,并划分为子块,抽取图像子块的颜色、纹理和位置特征组成子块的特征向量,然后运用减法聚类,获得聚类簇数和初始蔟中心,最后利用改进的K均值算法在像素点特征空间进行聚类,进而分割图像成区域.实验结果表明这种新方法具有分割效率高、分割效果理想等优点.     

路面裂缝自动识别与测量

为了提高道路裂缝损伤检测效率,保证检测工作的安全性,加强检测数据的标准化建设,研究了路面裂缝自动识别与测量方法。通过分析既有方法的缺陷,提出采用均值漂移技术的图像平滑与分割方法,初步分割候选裂缝,采用定向跟踪方法提取裂缝骨架;基于裂缝骨架内插得到完整裂缝,完成裂缝自动提取与编码;最后将裂缝骨架分段,精确计算裂缝形态参数,实现裂缝形态完整测量。研究结果表明:该方法对路面粗糙度和裂缝方向不敏感,可以识别较细小裂缝,裂缝识别的定位精度达到0.5个像素以下,裂缝长度的相对误差小于2%,具有较高精度和可靠性。