基于差分最小二乘支持向量机的目标识别研究

目标识别是目前机器视觉、图像处理和模式识别领域的研究热点之一,广泛应用于各行各业。最小二乘支持向量机算法简便、速度快、精度高,是当前目标识别的主流算法之一。针对最小二乘支持向量机的参数难以确定,仅靠传统经验试凑的方法不易实现,且结果不理想;提出一种改进的差分进化算法实现最小二乘支持向量机的参数整定。通过改进变异策略,引入早熟判断机制,遏制了传统算法早熟收敛的问题。通过实验仿真,验证了改进算法可跳出局部最优点,结果比传统算法更优。以SM-TMSSY光电伺服跟踪转台为实验平台进行实例验证,证明了改进算法收敛速度快、精度高,正确识别率可从85%提高到92.5%,验证了算法的优越性。     

多交通方式实时信息影响下的通勤者出行行为

为确定实时信息对于出行行为的影响,探索了手机APP提供多交通方式实时出行者信息下的通勤者交通方式选择行为。采用意向调查方法,获取了上海市居民在提供包含两条自驾路线（以高架为主和以地面为主）和一条停车换乘地铁路线的实时交通信息情况下的交通方式选择行为数据。运用描述性分析和多元logit模型,得到了交通方式选择的主要影响因素。研究发现,通勤者的驾龄、家庭私家车数量、开车频率、获取交通信息频率、停车换乘设施使用经历等个体属性,行程时间和车厢拥挤程度等信息内容,会显著影响出行决策。此外,提出了对交通规划与管理和多交通方式出行者信息系统研发有指导意义的建议。     

对流扩散方程的特征有限体积两重网格算法与误差估计

对于非线性对流扩散方程,构造了特征有限体积算法格式,再用两重网格算法计算非线性系统,先通过非线性迭代求出粗网格ΔH上的解uH,再利用粗网格上的解uH将问题线性化并求出细网格Δh上的近似解h(Hh)。理论分析及数值例子的计算结果均表明,在收敛阶保持不变的情况下,此算法既可消除非线性对流占优扩散问题数值震荡现象,又可简化计算,提高计算效率。     

基于局部对称性及灰度统计特征的人眼定位方法

为了兼顾人眼定位方法的准确率和实时性,提出基于局部对称性和灰度统计特征的人眼定位方法。该方法结合了模板匹配与对称变换的思想,利用了人眼灰度统计信息,取得了较好的效果。通过仿真实验表明:算法在满足算法定位准确率的同时,具有较好的实时性,因为其算法复杂度相对于模板匹配法和基于学习的方法大大降低。     

基于xy非线性梯度场磁共振成像研究

为解决非线性梯度成像中心分辨率低的问题,提出了一种基于xy非线性梯度场的成像方法,并讨论了非线性梯度场中心分布曲线对磁共振图像的影响. 研究结果表明,在半径r=1.5时,圆形中心分布曲线的图像重建结果最优;与O-Space技术对比实验表明,xy非线性梯度场在不同加速因子R下都得到了更好的重建结果.      

基于VMD改进算法的气体管道泄漏检测

为提取气体管道声波信号中的泄漏成分并进行重构,提出一种结合VMD( VMD: Variational Mode Decomposition) 和误差能量算法的特征提取方法。该方法首先利用油气管道泄漏检测系统模拟气体管道的微小泄漏,并采集泄漏声波信号; 然后利用VMD 算法将采集到的泄漏声波信号分解为一系列带宽受限的固有模态;随后,使用误差能量算法选择有效模态; 最后,利用有效模态进行信号重构。通过仿真分析发现,该改进算法可以提取有效模态,利用该方法处理气体管道微小泄漏声波信号,能有效滤除噪声并重构原始信号。     

带有不完全信息随机截尾试验下伽玛分布尺度参数的点估计

首先通过添加数据得到了带有不完全信息随机截尾试验下伽玛分布的完全数据似然函数,然后分别利用EM算法和MCMC方法对尺度参数进行了估计,最后进行了随机模拟试验,结果表明尺度参数点估计的精度比较高.     

一种基于粒子群算法和Hopfield网络求解TSP问题的方法

针对Hopfield网络求解TSP问题经常出现局部最优解,将粒子群算法(PSO)与Hopfield神经网络结合,提出一种基于粒子群的Hopfield神经网络方法. 实验证实这种方法能够以更大概率收敛到全局最优.     

一类代数数的连分数表示的一个算法

给出了计算一类实代数数的最小多项式的算法,在此基础上,可以教育处这一类型实代数数的连分数表示,这一工作改进和推广了S．Lang和H．T和Trotter的关于代数连分数的算法。     

具有整数伸缩因子的多变量向量值双正交多小波包

研究多变量向量值双正交多小波包的构造与性质.引进了向量值多分辨分析与多变量值双正交多重小波的概念.给出多变量多重向量值双正交小波包的定义及其迭代方法.运用积分变换与有限群理论,讨论了多变量多重向量值双正交小波包的性质,得到了多变量多重向量值双正交小波包的双正交公式,进而给出多变量向量值函数空间L2（Rs,Cn）的一个新的基底.