一种动态校正的AGMM-GPR多模型软测量建模方法

工业过程常常是强非线性的,并有多个工况,传统的软测量方法存在预测能力差,不能有效利用误差信息等缺点.为了有效解决这些问题,提出一种基于自适应高斯混合模型-高斯过程回归(AGMM-GPR)的多模型动态校正软测量建模方法.首先,通过贝叶斯信息准则构建自适应高斯混合模型(AGMM),得到优化的子模型个数;然后,利用GPR方法建立各局部模型,当新的数据到来时,将其隶属于各局部模型的后验概率和预测值融合得到多模型输出;最后,为了进一步提高模型的精度,构建自回归积分滑动平均(ARIMA)模型对多模型输出进行动态反馈校正.通过数值仿真和硫回收装置(SRU)中H2S浓度的估计,验证了所提方法具有良好的预测精度和泛化性能.     

求解凸二次规划的一种二阶Mehrotra型预估一校正算法

给出了求解凸二次规划的一种二阶Mehrotra型预估一校正算法。该算法受Salahi等人对线性规划提出的相应算法启发,引入了安全步策略,保证了校正步步长有适当下界,从而具有多项式复杂性。由于算法迭代方向不正交,算法在罚参数的校正和复杂性的分析上有别于线性规划的情形。最后,通过一些新的技术性引理,证明了算法在最坏情况下的迭代复杂性为O（n^3/2log（x^0）^TS^0/ε）.     

具有无穷大边界值的半线性奇摄动Neumann边值问题

基于微分不等式方法,结合边界层校正的思想,研究了一类具有无穷大边界值的半线性奇摄动Neumann边值问题解的存在性、解的渐近近似以及渐近解的误差估计等.两个典型的算例表明:基于边界层校正思想所构造的渐近解是正确且一致有效的.     

具有无穷大边界值的二阶拟线性奇摄动Robin问题的双边界层

研究一类具有无穷大边界值的二阶拟线性奇摄动Robin边值问题的双边界层现象.基于边界层校正的思想,构造了左右端点附近的边界层函数(包括指数型与代数型),得到了该问题一致有效的渐近解;基于微分不等式理论,证明了该问题解的存在性,给出了渐近解关于精确解的误差估计.一个典型的算例验证了所得结果的正确性.     

基于图像分割和融合的图像去雾算法研究

为了解决传统的暗通道先验去雾方法产生的细节丢失和亮度偏低等问题,本研究提出了一种基于图像分割和融合的去雾算法。首先对输入图像使用亮度反转的MSRCR预处理来进行色彩保真;其次用阈值分割法提取图像的特征信息并获得掩膜,根据特征信息设计自适应的Gamma校正方法,提升对比度和亮度,并使用暗通道先验方法保持去雾后的细节;最后将处理后的图像进行掩膜融合。在真实世界的数据集上仿真结果表明,本研究所提算法在去雾后能保留更多的细节且提高亮度。与几种经典的算法相比,本研究所提算法在去雾后的图像有较好的色彩保真度,保留了更多的细节,去雾效果好且亮度更自然。     

多段折线逼近法在智能气压传感器设计中的应用

提出了在智能气压传感器算法设计中,利用多段折线逼近法实现非线性校正的一种应用技巧,并以计算出的结果与实验标定数据相比较,验证了该方法的可行性.     

光谱仪焦平面阵列非均匀性校正的研究

针对成像光谱仪相关技术要求,对辐射源定标焦平面阵列非均匀性校正的数学方法进行了深入研究,导出了适于成像光谱仪应用的相关算法并分析了其特点,实验结果表明焦平面阵列非均匀性校正算法能有效提高成像光谱仪干涉图的成像质量,显著提高光谱复原的精确性.     

TAPP与DNA作用的共振光散射光谱校正

用吸收装置改变荧光分光光度计入射光的光路,获得光源的强度光谱和样品的透光光谱,并在同一台仪器上建立一种简单的分离表观吸收光谱中吸收和散射成分的方法.通过对TAPP(α,β,γ,δ-四-(对三甲氨基苯基)卟啉)与DNA作用的共振光散射光谱进行校正,结果表明,校正表观分子吸收后,灵敏度提高了2倍左右.校正仪器影响后,从F-2500和F-4500荧光分光光度计获得表观吸收光谱中分离出的TAPP与DNA作用的散射成分,其形状基本一致.     

基于Hough变换的列车客运票图像倾斜校正

为解决列车客运票防伪和自动验票中的列车客运票图像倾斜校正的问题,提出了一种基于Hough变换的列车客运票图像倾斜校正方法.该方法根据现有倾角检测算法及列车客运票图像的特点,将列车客运票图像的前景与背景分离,在对图像前景进行水平轨迹线平滑的基础上提取文本行特征线,然后采用分级Hough变换的思想实现倾角的检测,最后用直线拟合的方法实现图像的校正.实验结果表明了所提出的算法的有效性和可靠性.     

自校正信息融合Kalman预报器

对含未知噪声统计的多传感器系统,用现代时间序列分析方法,基于滑动平均（MA）新息模型的在线辨识和求解相关函数矩阵方程组,可在线估计噪声统计,进而在按矩阵加权线性最小方差最优信息融合准则下,提出了自校正信息融合Kalman预报器。证明了它的收敛性,即它具有渐近最优性,且自校正融合Kalman预报器比每个局部自校正Kalman预报器精度高。一个目标跟踪系统的仿真例子说明了其有效性。