集值序下鞅的选择与表示定理

首先给出了实值下(上)鞅的集值版本——集值序下(上)鞅的定义．然后研究了离散参数集值序下鞅的选择与表示定理,并给出了连续参数集值序下鞅的选择与表示定理．     

面向多轴FDM工艺的IGES数据解码器研究

熔融沉积(Fused Deposition Modeling,FDM)工艺通过逐层堆积实体材料构成三维模型,因此需要获得模型的数据对模型进行后期的数字化处理,如模型分块,修复,切片,层片内路径规划等。在现阶段,大多数数据处理采用的都是基于STL文件的数据格式,但STL文件数据存在数据冗余,几何精度低,容易产生错误等缺点,在一些对精度要求高的场合不适用。为了弥补以上的不足,出现了直接对参数化的三维模型进行数据处理的技术。该技术基于IGES文件数据,实现对模型的数据处理。而要想实现对IGES文件的处理,必须实现对IGES文件的解码工作。针对以上问题,提出了基于VS2008平台,实现对IGES文件进行数据解析,存储,并将提取的实体信息用NURBS曲线曲面统一表示的方法,最后基于OpenGL实现对模型的再现功能,为后面模型数据处理提供平台。     

基于改进K-SVD的磁共振图像去噪算法

 磁共振图像的降噪处理一直是医学图像处理中重要的研究领域。图像中存在噪声会降低图像质量从而影响临床诊断。现有K-SVD 算法虽然能达到良好的去噪效果,但却在字典训练中消耗大量时间。本文针对时间消耗问题,提出利用改进的KSVD算法进行医学图像去噪。首先根据已知的字典原子的可稀疏性,提出一种高效、灵活的稀疏字典结构,该字典能够提供高效的前向和伴随算子,并具有紧凑的表示形式,同时可以有效地训练图像信号;然后在现有K-SVD 算法的基本框架下,结合字典的稀疏表示特点使用改进K-SVD 算法训练稀疏字典,改进的K-SVD 算法能够对更大的字典进行训练,特别是对高维数据的处理更具有优势。实验结果表明,该算法相对基于离散余弦变换字典的磁共振图像去噪以及基于传统K-SVD 算法的磁共振图像去噪,不仅能够更加有效地滤除图像中的高斯白噪声,更好地保留原图像的细节信息,而且有效降低了字典训练所消耗的时间;在相同的噪声标准差下,改进K-SVD 算法的峰值信噪比提高了约1~3 dB。     

任务类型感知的无线传感器网络数据融合调度算法

针对数据融合调度能量与时延优化问题,提出一种任务类型感知的无线传感网数据融合调度算法。通过传感器节点多功率、多信道的方式,利用最大独立集思想,构建基于数据融合主干树的网络拓扑结构,从而根据调度优先级,通过近似贪婪算法实现簇内数据融合调度,同时结合稀疏系数感知任务类型,减少传输数据量,进而利用簇头节点在网络中的等级,实现簇间数据融合调度。结果表明,所提算法在减少簇头节点数据传输量,降低节点能耗的同时,缩短了数据融合时延,提高了网络寿命。     

IMTL逻辑系统的一种新扩张形式

提出了一种新的模糊逻辑系统 IMTL^*,这种逻辑系统的特点是只使用蕴涵这一种逻辑联接词。证明了这种逻辑系统是IMTL逻辑系统的模型扩张,并且 ?ukasiewicz 逻辑系统和逻辑系统ℵ^*都是它的模型扩张,应用这些结论给出了?ukasiewicz 逻辑系统和逻辑系统ℵ^*的蕴涵表示形式。只使用蕴涵这一种逻辑联接词的模糊逻辑系统将为模糊逻辑的应用提供方便。     

一种双约束稀疏模型图像修复算法

针对图像处理中需要修复大面积缺损区域的问题,提出一种基于双约束稀疏模型的图像修复算法.该方法首先在已知区域内搜索与待填充目标块相似的样本,将每个样本块都视为一个高维向量,则相似的样本在高维空间中都在目标块的邻域内.假设邻域中的样本处于同一流形上,使用局部线性嵌入方法对未知区域进行估计,然后利用稀疏表示模型得到最终结果.实验结果表明,与传统的基于样本块的修复方法相比较,使用该算法修复后的图像纹理和结构信息更加清晰.     

Greiner算子在R2n+1上的Poincaré不等式及Hardy-Sobolev不等式

基于Greiner算子,建立函数的表示公式,获得了R2n+1上的一类Poincaré不等式,并利用已有的结果,得到R2n+1上的一类Hardy-Sobolev不等式,包含了已有文献的相关结果。     

一种快速文本归类算法的设计与实现

为实现无维数约减技术而使分类算法可行且不浪费空间存储的超稀疏文档向量,同时保证分类精度和速度且两者相互独立的目标,提出使用类别特征信息数据库、类别特征权重向量模型、待归类文档压缩向量表示法和改进的Rocchio分类算法等技术实现文档的高速归类. 在相同的Reuters测试语料集上,与CRF算法和改进的kNN算法进行对比实验. 结果表明,在基本不牺牲精度的情况下,归类算法的分类速度明显高于对比算法.     

基于稀疏编码和机器学习的多姿态人脸识别算法

为改善多姿态人脸识别效果, 设计一种稀疏编码和机器学习相融合的多姿态人脸识别算法. 首先对多姿态人脸进行采集和预处理, 并提取基于稀疏编码的人脸图像特征; 然后采用主成分分析对特征进行处理, 降低多姿态人脸识别的特征维数, 提高多姿态人脸识别效率; 最后采用机器学习算法中的支持向量机建立多姿态人脸识别 分类器, 并采用标准人脸数据库和多姿态人脸数据库对算法性能进行验证. 验证结果表明, 该算法可有效提高多姿态人脸识别正确率, 大幅度减少多姿态人脸的平均识别时间, 取得了比对比算法更优的识别结果, 从而验证了该算法的优越性.     

基于降低互耦影响的二维稀疏阵优化设计

通过对基于差分共阵概念的开盒阵（open box array,OBA）阵元进行重新优化,提出了一种称为稀疏H型阵的新阵型设计方案.该结构具有与OBA相同的可估计信源数,并通过降低紧密排布的传感器对数有效减小了传感器间互耦效应.基于二维酉ESPRIT算法的波达方向估计,仿真证实了所提出的阵型相较其他阵型具有更好的抗耦合能力.