《北京科技大学学报》征稿简则

《北京科技大学学报》是由教育部主管、北京科技大学主办的学术类科技期刊,1955年创刊,月刊,国内外公开发行.主要刊载与冶金工业及材料研究有关的具有创新意义或有较大应用价值的高水平研究论文及快报,栏目设有矿业与环境、冶金与材料、设备与能源、控制与决策,为中文核心期刊(综合性科学技术类)、中国科技论文统计源期刊和中国科学引文数据库来源期刊,被美国《工程索引》(Ei)、美国《化学文摘》(CA)、美国《剑桥科学文摘社网站)、俄罗斯《文摘杂志》(AJ)和德国《数学文摘》等国外著名检索刊物或数据库收录,先后荣获首届国家期刊     

基于分块灰度投影的无人飞行器视频稳像方法

针对传统灰度投影算法局部运动影响全局运动矢量估计精度的问题,结合无人飞行器航摄视频图像的特点,提出一种适用于无人飞行器的视频稳像方法. 该方法将图像划分为若干子区域,剔除灰度特征不明显和物体局部运动等影响全局运动估计精度的子区域,对保留的子区域分别采用灰度投影法计算运动矢量,由局部运动估算出图像的全局运动矢量,经过运动决策,将运动补偿矢量应用于图像补偿,获得稳定的视频图像. 对真实无人飞行器航摄视频稳像实验结果表明,该算法稳像准确度与块匹配全搜索算法相当,而单帧稳像时间只有块匹配全搜索算法的1/3,在准确性和实时性方面均优于传统灰度投影算法.      

基于粒子群优化支持向量回归机的黄金价格预测模型

为了克服神经网络存在的收敛速度慢、容易陷入局部极值等缺点,提出基于粒子群优化支持向量机(PSO-SVM)的黄金价格预测方法,以影响黄金价格的美元走势、世界黄金储备、石油价格等因素为输入,黄金价格为输出.用粒子群优化算法选择合适的支持向量机参数,对支持向量回归机进行训练.应用训练完成的支持向量回归机预测下一年的黄金价格.结果证明,PSO-SVM的预测精度高于BP神经网络,PSO-SVM适用于黄金价格预测.     

基于不相关局部敏感鉴别分析的新生儿疼痛表情识别

针对新生儿疼痛表情识别中的特征提取问题,提出一种不相关局部敏感鉴别分析（Uncorrelated Locality Sensitive Discriminant Analysis,ULSDA）算法.首先,在局部敏感鉴别分析（LSDA）算法的基础上,通过附加投影向量正交性的约束条件,定义了ULSDA的目标函数;然后,推导出求解特征子空间正交投影向量的迭代公式;最后,将输入的高维图像数据投影到这个特征子空间,求出特征向量.ULSDA算法不仅继承了LSDA算法所具有的有监督、局部流形结构保持等特性,而且消除了LSDA算法所提取出的鉴别特征的相关性,从而增强了特征的鉴别能力,比LSDA算法具有更好的分类识别能力.在新生儿表情图像库上的疼痛表情识别实验结果表明,提出的ULSDA方法是有效可行的.当每类表情的训练样本图像为150幅时,采用ULSDA算法获得的平均识别率达到了82.07％,优于主成分分析（PCA）、线性鉴别分析（LDA）、局部敏感鉴别分析（LSDA）等特征提取方法.     

无线统计信道模型的一种分解表示法

影响无线移动通信系统性能的重要原因之一是无线信道特性,而从信道模拟实现或模拟仿真器层面上看,研究无线信道特性应重点关注不同信道间的共性和差异。通过对高斯、瑞利、莱斯等统计信道模型进行分解,从它们的共性出发,用误码率来衡量几种基本信道模型中的共性和差异分别对数据传输可靠性程度的影响,以建立具有共性的信道仿真模型。     

基于分区灰度投影稳像的运动目标检测算法

针对视频监控系统中,复杂环境引起摄像机抖动,造成运动目标检测不准确的问题,提出了一种基于分区灰度投影稳像的运动目标检测算法.首先对每帧图像进行分区,利用分区灰度投影算法对图像各分区的运动矢量进行准确提取和相关性分析,进行抖动判断,并对抖动帧进行运动补偿.然后利用高斯混合背景建模算法进行运动目标提取.最后对目标提取结果进行形态学处理,以进一步提高目标提取的精度.实验结果表明,本文算法较好地消除了场景中运动目标对运动矢量计算的干扰,实现了在摄像机抖动视频场景中的运动目标的准确检测和提取,大大降低了抖动视频目标检测的虚警率.     

均匀分布的四舍五入数据对参数估计的影响

被测量的量是连续随机变量时,所得到的测量数据就带有一定程度的误差.当用这些有误差的数据进行经典参数估计时,误差就会传递到参数估计中,从而对估计的有效性产生一定程度的影响.研究这些影响,对如何达到有效估计起到指导性的作用.本文主要研究了在均匀分布下,通过理论计算以及模拟研究了四舍五入数据对期望、方差估计的影响,给出了X*为期望μ的无偏估计的条件;利用同样的方法研究出了X～U(0,θ)时,X*(n)是θ的相合估计的条件.     

一种自适应Tikhonov正则化参数估计方法

为了解决离散线性反问题中正则化参数选择困难的问题,在Tikhonov正则化方法等效统计模型的基础上,提出了一种自适应Tikhonov正则化参数估计方法.将正则化参数选择的问题转换为关于被测信号和测量噪声的超参数的统计推断问题;基于测量噪声潜在的高斯分布特性,可在独立于测量噪声水平的条件下自适应地估计正则化参数.仿真结果表明:从最大化重建信号后验概率分布的角度来看,自适应Tikhonov正则化参数估计方法计算得到的正则化参数可视为具有随机分布特性的最佳正则化参数的近似折中,其对应的重建信号准确度接近于最优重建信号的准确度,且收敛速度较快.     

一类指数混合分布族的结果

在统计分析中,多元t分布是一种重要的分布以及指数分布族也是一种重要的分布族。模仿从多元正态分布得到多元t分布的过程,把指数分布族pθ与gamma分布进行混合,得到一种新的分布族,称为指数混合分布族pθ,并讨论了参数函数在指数混合分布族pθ下的无偏性以及讨论指数分布族pθ和指数混合分布族pθ有相同的完全统计量和充分统计量。     

基于灰度矩的9×9尺寸模板边缘检测算法

基于灰度矩算法的基本原理,提出了一种新的9×9尺寸灰度矩算子。先分析并推导灰度矩算法的计算过程,再计算出9×9尺寸的灰度矩模板。通过实验对算子的性能和检测精度进行了研究。实验表明,该算子有较强的抗噪能力,边缘定位精度能够达到0.05～0.06个像素。最后,为提高检测效率,使用Prewitt算子进行粗检测、通过先粗后精的方法有效减少了大模板灰度矩的运算量,使新算子的运算耗时降低至0.31 s。