面向三维信号的分组码

设Z[3√2]是代效效域Q（3√2）的代效整效环．把商环Z[3√2]／(2^Z)的乘法单位群分解为群的直积．由此获得三维信号空间并可用来构造分组码．这些码能够改正某些错误．     

四元数矩阵的左（右）加权＊-序

利用四元数矩阵的加权共轭转置定义了四元数矩阵的加权左(右)*-序，给出了加权左(右)*-序的一些等价刻画．推广了以往文献的相应结果．     

Sn中元素的左、右逆的研穷

对次随机矩阵半群的正则元作了研究。文章将对随机矩阵半群中元的随机左、右逆进行了探讨。首先给出了Sn中元有随机右逆的充要条件以及元有唯一随机右逆的充要条件，其次，给出了Sn中元有随机左逆的充要条件。本文在最后给出了比Sn更广的一类半群T，它的幂等元、正则元就是Sn中的幂等元和正则元。     

基于奇异值分解与融合的音频盲认证算法

提出一种适用于检验音频真实性和完整性的盲音频认证方法。它采用奇异值分解(SVD)与融合技术相结合，将音频奇异值分解所得的奇异值作为不变特征，利用融合将其嵌入到原始音频中。验证时无需原始音频数据，利用融合的逆过程提取不变特征，进行匹配，达到音频认证的目的。实验结果表明，该算法不但可以有效地检测出音频中被篡改内容的位置，而且能将随机噪声同恶意篡改区分开。     

基于区间灰数预测模型的天猫“双十一”物流需求量预测

基于天猫"双十一"包裹量增长呈"S"形和连续动态变化的特性,对"双十一"包裹量进行预测;首先将天猫历年"双十一"包裹量划分成几个连续区间,然后通过信息分解法对连续区间灰数进行白化处理,将区间灰数分解成白部序列和灰部序列,最后建立基于信息分解的连续区间灰数离散Verhulst预测模型;经误差检验分析,该模型预测结果精度较高,可以作为天猫平台第三方物流企业对物流资源进行合理、有效调配的依据。     

基于二层分解技术和改进极限学习机模型的PM_(2.5)浓度预测研究

准确的PM_(2.5)浓度预测对于保护公众健康和提高空气质量有重要意义,然而,由于PM_(2.5)浓度序列的随机性、非线性以及非平稳性等特征增加了对其准确预测的难度.本文提出了一种基于二层分解技术和改进极限学习机(ELM)模型的PM_(2.5)浓度预测方法,该方法融合了快速集成经验模态分解(FEEMD)和变分模态分解(VMD)两种分解技术以及经过差分演化(DE)算法优化的ELM模型.为了验证所提出预测方法的有效性,本文使用该方法对北京市和石家庄市的PM2.5浓度序列进行了预测研究.结果表明:1)相比于单层分解技术,本文提出的二层分解技术可以更加有效地降低PM2.5浓度序列的非线性及非平稳性特征;2)基于二层分解技术的DE-ELM预测模型可以显著提高PM_(2.5)浓度的预测精度.     

基于低秩矩阵分解的遥感图像薄云去除方法

为了较好地去除遥感图像中的薄云遮挡,还原地表图像,提出了一种利用低秩矩阵分解的遥感图像薄云去除算法。该算法根据薄云图像的低秩特性,将图像进行低秩矩阵分解,得到背景、前景和薄云图像。然后将去除薄云信息后的前景和背景信息相融合,得到地物成分。将该算法与其他传统算法应用在卫星影像数据上,对薄云去除效果运用主客观指标进行比较。实验结果表明,该算法能够克服传统算法中细节丢失以及去除不完全的问题,不仅能够在不同地物场景下对薄云进行去除,而且能够较好地保留地物的细节信息。     

基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。     

雾霾约束下的长江经济带能源效率的空间差异研究

运用非径向、非角度的SBM模型,将雾霾因素作为非期望产出纳入能源效率中,对长江经济带地区11省2006—2015年能源效率水平进行测度,并运用离差分解模型对省际之间的差异性进行分析。研究表明:在考虑雾霾因素后长江经济带地区的能源效率水平均有所下降;长江经济带能源效率水平总体差异是由上、中、下游地区内部带来的,而上游地区内部差异是影响长江经济带总体差异的主要来源,地区内的发展水平差距大制约了长江经济带绿色可持续发展。因此在雾霾硬约束下协调三大地区内部省际间经济、环境以及能源消费之间的关系是实现区域协调、健康的发展的关键。     

基于制造任务分解的云资源匹配方法的研究

针对目前信息数据的迅猛发展,许多公司开始了资源云端的应用。为了实现云制造资源与制造任务间的准确匹配,在云制造资源的特点和分类基础上,对制造任务的分解和制造资源的匹配方法进行研究。首先将企业的制造生产任务进行分解描述,使之与云制造资源分类属性间的匹配变得可行。采用资源类型、资源基本信息和服务质量三种算法完成云制造资源的匹配,最后通过实例验证了匹配方法的有效性。