基于亚像素文本图像的分割算法

在Niblack和Otsu算法的基础上,提出了运用亚像素图实现图像分割的算法.经实验证明,所提出的算法能更好地保持字符的拓扑结构和光滑字符的边缘,分割效果比使用原图像直接进行分割有明显的改进.     

基于领域本体的文档自动摘要算法

介绍了一种以潜语义分析模型为基础,辅之以领域本体的文档自动摘要算法.该方法在传统的基于统计的奇异值分解算法基础上,通过领域本体引入了文档主题识别以及概念相似度计算,更好地用形式化的方式描述了文档的主要内容;在文档主题和概念相似度的指导下,使用统计方法和启发式规则抽取文档中的关键句子作为摘要,并通过实验证明提高了摘要的质量.     

L2(R)的子空间仿射伪框架

引进广义多分辨结构与子空间伪框架的概念.给出Paley-Wiener子空间的广义多分辨结构的构造.类似于S.Mallat的金字塔算法,建立了广义多分辩结构的塔式分解格式.得到塔式分解格式存在的条件.由此得到L2(R)中的函数的仿射框架展式.     

一种基于EMD和ANC技术的自适应降噪方法

为了提高分析信号的信噪比,基于经验模态分解和自适应噪声抵消技术,提出了一种新的信号去噪方法。该方法首先对信号进行自适应噪声抵消,然后进行经验模态分解,得到不同尺度上的固有模态函数,再对不同尺度上的固有模态函数进行噪声属性判定,如果不是噪声则选用不同的滤波参数,进行自适应噪声抵消,最后对各尺度上噪声抵消后的信号进行重构,得到去噪后的信号。结果表明,该方法比基于最小均方误差准则的自适应噪声抵消方法更能有效地消除信号中的噪声。     

基于NSCT变换的红外与可见光图像融合算法

分析了非子采样Contourlet变换滤波器组的设计与实现方法,提出一种基于非子采样Contourlet变换的红外与可见光图像融合算法。首先将图像作非子采样拉普拉斯金字塔尺度分解,并在各个尺度层对高频子带作非子采样方向分解;然后分别采用基于区域能量和区域方差的的融合规则得到融合图像的非子采样Contourlet低频系数和高频系数;最后再进行非子采样Contourlet逆变换得到融合图像。实验结果表明,该方法的融合效果优于àtrous小波变换方法和Contourlet变换方法。     

单重延误休假的M~x/G(M/G)/1可修排队系统分析(Ⅰ)—— 一些排队指标

考虑具有单重延误休假的MxG(MG)1可修排队系统,其中休假时间、服务时间、修理时间和延误休假时间都为任意分布(不一定是连续型),采用一种较简洁的方法,我们获得队长的瞬态解、平稳解和队长的随机分解表达式,同时给出了一些特殊情形下队长的随机分解结果     

高分辨率雷达二维图像的图像处理与特征提取

首先分析了雷达目标散射信号特征。在此基础上 ,根据MUSIC算法得到的雷达图像特点 ,通过平滑、量化、增强等适当的图像处理方式对F - 16、HY - 2 0 0 0两种飞机缩比模型在阶梯变频雷达上所获取的雷达图像进行处理 ,并形成雷达二维灰度图 ;最后 ,采用图像矩阵描述方示进行雷达图像的特征提取     

虚拟现实系统中飞行器航迹的实时模拟

烟雾等无定形物质的模拟一直是计算机图形学领域一个具有挑战性的问题,烟雾的实时模拟更是一个困难的问题。虽然目前现有技术已经可以生成真实感较强的动态烟雾,但由于这些方法多采用基于粒子系统的体绘制技术生成图像,因而大多数无法满足ＶＲ系统的实时性需求。本文提出了一种在ＶＲ系统中实时模拟飞行器尾部航迹的方法,该方法利用对平面多边形顶点灰度和透明度的扰动实时地生成和绘制航迹,算法简单高效,所生成的尾迹真实感较     

An Adaptive Multiscale Ensemble Learning Paradigm for Nonstationary and Nonlinear Energy Price Time Series Forecasting

For forecasting nonstationary and nonlinear energy prices time series, a novel adaptive multiscale ensemble learning paradigm incorporating ensemble empirical mode decomposition (EEMD), particle swarm optimization (PSO) and least square support vector machines (LSSVM) with kernel function prototype is developed. Firstly, the extrema symmetry expansion EEMD, which can effectively restrain the mode mixing and end effects, is used to decompose the energy price into simple modes. Secondly, by using the fine‐to‐coarse reconstruction algorithm, the high‐frequency, low‐frequency and trend components are identified. Furthermore, autoregressive integrated moving average is applicable to predicting the high‐frequency components. LSSVM is suitable for forecasting the low‐frequency and trend components. At the same time, a universal kernel function prototype is introduced for making up the drawbacks of single kernel function, which can adaptively select the optimal kernel function type and model parameters according to the specific data using the PSO algorithm. Finally, the prediction results of all the components are aggregated into the forecasting values of energy price time series. The empirical results show that, compared with the popular prediction methods, the proposed method can significantly improve the prediction accuracy of energy prices, with high accuracy both in the level and directional predictions. Copyright © 2016 John Wiley & Sons, Ltd.     

一种基于Chirplet分解的时频分析快速算法

针对信号自适应chirplet分解未知参数多、实现起来比较困难的特点,提出了一种新的chirplet分解快速算法．该算法利用计算信号的二次相位函数,得到其能量分布集中于信号的调频率曲线上的结论,此时通过谱峰检测可同时获得chirplet调频率、时间中心和幅度的估计;然后通过解线性调频技术获得其初始频率和宽度的估计．仿真结果验证了本文算法的有效性．