基于灰色聚类的大学生课程学习效果评价模型

采用灰色定权聚类方法构建大学生课程学习效果评价模型.以某一门课程的学习成绩和线上轨迹数据为参照,构建评价学生学习效果的二级评价指标体系,并在层次分析下对各指标进行权重计算.实证分析表明,评价结果较为合理,可以用于大学生课程学习效果评价.     

基于灰区间聚类的人机界面评价方法

针对人机界面评价过程中评价信息不确定、难于量化的问题,分析了人机界面评价的现状,提出了利用区间灰数描述不确定信息,将区间灰数与灰色理论相结合,在典型白化权函数的基础上,构造了灰区间白化权函数,确定了其计算原则及边界条件,建立了灰区间聚类评价模型,并将其应用于人机界面评价中。研究实例表明,该方法解决了主观评价指标的量化问题,保证了评价结果的可靠性,对于解决具有不确定信息的人机界面评价问题是合理的、有效的。     

灰色DEA模型的白化解法

本文在杨印生等人提出灰色数据包络分析模型的基础上，针对灰线性规划的求解问题，探讨了白化以后最优值的变化情况，给出了白化固、白化规划等概念，利用将灰线性规划化为若干个一般线性规划的方法，较好地解决了灰线性规划求解中的困难，从而可以更细胞地分析决策单元效率。     

约束线性描述分析与人脸识别

针对高维,小样本模式识别中的特征提取问题,提出了一种约束线性描述分析方法(CLDA).以线性变换后样本的类内距离与类间距离之比最小作为准则函数,同时加上约束条件使变换后的样本中心沿着特定的正交方向,通过白化变换、Gram-Schimdt正交化和正交子空间投影求解约束准则函数得到最优变换矩阵.针对入脸识别的小样本问题,根据奇异值分解定理实现白化变换.对ORL.和UMIST人脸库进行了仿真研究,结果表明CLDA方法的性能接近于某些Fisher描述分析万法如直接Fisher描述分析(DDA)和改进的Fisher描述分析(R-LDA).     

基于ICA的盲信号分离算法研究

提出了一种以独立分量分析(independent component analysis,ICA)[1]为核心的盲分离算法,给出了用盲信号分离技术来分离心电信号的方案,并对模拟信号进行了分离。实验是有效的且鲁棒效果良好。     

橡胶增韧环氧树脂的应力白化

多相高聚物韧性的增强总是伴随着应力白化现象,通常以材料在断裂过程中银纹(craze)的形成来解释。本文报道使用三种不同的四氧化锇染色法在 TEM 下观察橡胶增韧环氧树脂的拉伸断裂面区域,显示了尺寸为100(?)的微小结构单元。但是在所有观察中未发现任何存在银纹的迹象。观察发现材料断裂面附近的橡胶相在拉伸断裂过程中产生强烈形变和遭受撕裂破坏,并在材料的基质成分中出现众多的微裂缝(crack)。它们终止于橡胶颗粒。作者认为橡胶相是材料形变和破坏过程中的重要能量吸收源。应力白化现象归因于被撕裂的橡胶颗粒产生的空穴和突起以及基质成分中的微裂缝对光线的散射作用。     

灰色聚类在油砂体评价中的应用

油砂体作为一种信息不全的灰色系统 ,可以运用灰聚类理论对其性能进行综合评价。研究结果表明 :通过灰色聚类不仅可以对这种信息不全的样体进行隶属归类 ,而且可以对同一灰类 (级别 )的样本进行严格的优劣排序。     

不完全信息下基于证据推理的多属性决策方法研究

针对不完全信息下多属性群体决策中存在的问题,提出一种基于证据推理的多属性群体决策方法。该方法首先应用灰色白化权函数将定量属性定性化,然后针对不同专家知识背景的不同,构建基于属性的专家赋权方法,用证据推理方法将不完全信息下的多个专家的意见进行集结,并应用效用理论对方案进行排序择优。最后通过一个算例验证该方法的有效性和可行性。     

环境特征与散射特性融合的PolSAR飞机目标检测

针对复杂场景下极化合成孔径雷达(polarimetric synthetic aperture radar, PolSAR)图像飞机目标检测问题,提出了一种融合目标环境特征与散射特性的PolSAR飞机目标检测方法。首先，利用极化白化滤波(polarimetric whitening filter, PWF)图提取疑似飞机目标,将疑似飞机目标转换成超像素得到混合图像。然后，经极化分解与分类构造一个新的环境特征,并与散射特性融合得到飞机目标检测特征,通过阈值判别检测出飞机目标。最后，使用AIRSAR和UAVSAR系统采集的实测数据进行实验,并与其他检测方法进行对比。结果表明,所提方法产生的虚警和漏警较已有方法有所改善,检测结果更好。     

用小波变换去除红外图像中1/f噪声的方法

研究红外图像中去除1/f噪声的方法,通过分析1／f噪声的频率和功率谱等特种,比较小波变换和维纳滤波去相关的效果,在图像处理中利用小波变换的去相关作用,合理地选择小波基,使1/f噪声变为易于清除的白噪声,从而达到去除1／f噪声的目标,实验结果表明,小波变换对去除1/f噪声有良好的效果,目标信噪比也有很大的提高,有助于后读的目标检测。