距离修正的混沌粒子群多维标度定位算法

针对不规则网络以及网络空洞造成估计距离与欧氏距离相差较大,导致定位精度不足这一问题,提出一种距离修正的混沌粒子群多维标度定位算法(CMDS-CPSO).首先通过递推策略计算节点对距离,利用接收信号强度对距离加权修正,以减少距离误差,回避网络空洞问题.然后采用混沌粒子群算法对坐标转化参数问题进行优化,进一步降低坐标转换中参数所带来的影响.通过对比SPSO-MDS算法与MDS-DMC算法,仿真结果表明,距离修正的混沌粒子群算法能够明显改善节点定位精度,具有更好的鲁棒性和对不规则网络的适应性.     

卷积神经网络的民国纸币序列号识别系统

实现了深度学习的民国纸币序列号自动识别系统.提取、分割民国纸币序列号字符,对单个字符进行预处理,裁剪字符空白区域,归一化字符大小,并使用卷积神经网络进行识别.实验结果表明:在纸币存在污迹、褶皱的情况下,所提民国纸币序列号识别系统能够减少人工录入的工作量,单个字符的识别精度高于99.99%.     

基于卷积神经网络的基因剪接位点预测

研究剪接位点可以更深入地探索剪接机制和基因预测方法,准确预测剪接位点至关重要。基于深度学习技术提出一种新的预测方法,无需人工提取样本特征,以基因序列的K-MER编码向量作为输入,采用训练后的卷积神经网络(CNN)模型进行预测。基于人类基因HS3D供体数据集,与传统机器学习方法进行预测比较,结果表明预测模型的主要性能指标,包含马修斯相关系数(MCC)、灵敏度(SN)均超过传统的机器学习方法。     

基于自适应池化的行人检测方法

基于卷积神经网络的行人检测器普遍采用图像识别网络,通常会引起多池化层导致小目标行人特征信息丢失、单一池化方法导致行人局部重要特征信息削弱甚至丢失等,针对以上问题,基于最大值池化和平均值池化方法,提出了一种自适应池化方法,结合通用目标检测器Faster R-CNN,形成了有效的行人检测器,达到增强行人局部重要特征信息、保留小目标行人有效特征信息的目的。对多个公开的行人数据集进行大量实验,结果表明,与传统的卷积神经网络行人检测器相比,所提方法将行人检测漏检率降低了2%～3%,验证了方法的有效性。新方法改进了卷积神经网络结构,在无人驾驶领域具有一定的参考价值。     

积模 2N±1 的快速算法

提出了一种利用一个运算器计算两个2N-位整数乘积按 2     

分层介质声特征阻抗反演—预处理方法实验验证与比较

数值不稳定性长期困扰着声反演方法的应用。避免该问题的方法之一是进行冲激响应提取的预处理，由冲激响应反演实验材料的各层反射系数序列，重建特性阻抗剖面。该文采用不同反卷积的方法提取冲激响应，反演阻抗剖面，并就精度及运算时间进行详细比较，反演结果与实测及手册数值相当吻合。     

信号处理技术在示波分析中的应用

综述了从1991－1999年信号处理技术在示波分析中的应用情况．     

某些周期卷积类在Orlicz空间内宽度的下方估计法

研究了由特定的核所产生的周期卷积类在Orlicz空间内的n-K宽度和n-G宽度的下方估计。     

模型控制算法（MAC）的分析和仿真

模型控制算法（ＭＡＣ）早已成功地应用于一系列工业生产中，在理论方面也进行了相应的研究。但在室环境条件下，对它的特性，设计及运行等方面进行了系统的研究至今仍极少，本文对ＭＡＣ算法的基本原理、控制变量的计算，与其他算法的关系本身手鲁棒性等进行介绍放分析，并进行了ＭＡＣ算法控制的数字仿真研究。证实了所进行理论分析，特别对ＭＡＣ算法了散脉部卷积和模型，呈现良好的鲁棒性。