威布尔分布尺度参数的最佳双边检验

众所周知,假设检验中有两类错误,即弃真和受伪的错误.传统检验方法拒绝域临界点的选取都是以尾部概率相等为准,这种方法得到的拒绝域使得犯第二类错误的概率累积值并非最小.此处从理论上推求给出威布尔分布尺度参数在犯第二类错误的概率累积最小意义下的最佳双边检验,并结合实例说明了最佳双边检验较传统双边检验的优越性.     

一种基于多尺度的GPS动态滤波方法

以GPS动态滤波方法为研究对象,首先采用了多尺度分析方法,将机动载体的"当前"统计模型与基于统计特性的多尺度信号变换方法相结合;然后结合常规卡尔曼滤波算法,建立起GPS动态滤波的多尺度数据融合估计新算法;最终在最细尺度上获得目标状态基于全局信息的融合估计值。将上述算法应用于GPS的动态滤波中,仿真结果表明,该算法相对于原始算法可有效提高目标状态的估计精度。     

干涉法测量器件表面特征缺陷的计算机模拟

光学干涉方法测量器件表面微小缺陷是一种有效的实验方法．对于多样性结果的唯一性分析，借助于计算机模拟，得到特征缺陷的干涉图样的模拟结果．该结果适用于不同波长，缺陷尺度连续变化的微小情况．使用误差跟踪计算办法，可分辨的缺陷尺度变化从1／2波长的10＾－1量级倍数到10＾2量级倍数．     

无线传感器网络多目标路由的改进蚁群算法

提出一种集能耗、时延、鲁棒性和传输效率等于一体的多目标路由,且各目标的权重可以根据实际情况进行调节,具有较强的灵活性,提出一种正反馈和负反馈并存机制的蚁群算法,其主要思想是,若前路径比以往求得的最好路径性能更优,则当前路径信息素将加强,同时用当前路径取代最好路径,否则当前路径信息素减弱.用该改进的蚁群算法求解无线传感器网络多目标路由问题,实验数据表明:改进的蚁群算法的路由各方面性能良好,并优于目前其他典型路由.     

纳米级锂离子电池正极材料LiCoO2的制备及表征

LiCoO2是锂离子电池中最有前途的正极材料之一，近年来人们对它进行了广泛的研究．这里我们通过两种不同的湿化学方法首次合成了纳米级的LiCoO2：溶胶—凝胶法(方法B)和一种改进了的溶胶—凝胶法(方法C)。为了便于比较，我们也采用了固相反应法(方法A)。用DTA，IR，XRD，TEM等技术对前驱体和LiCoO2纳米颗粒进行了表征．结果表明在600℃煅烧时可以得到晶化程度较好的LiCoO2纳米颗粒，方法A和方法B得到了直径大约为100和40nm的球状颗粒，而方法C主要得到球形颗粒，同时伴有少量小棒形颗粒生成，直径约为50nm。电化学测试表明方法C得到的产物具有最好的性能。     

MANET中基于遗传算法求解QoS组播路由问题

本文针对MANET中QoS组播路由问题进行剖析和研究,在MANET网络中抽象出QoS组播路由模型的基础上,提出了一种基于遗传算法求解QoS组播路由问题的新算法。该算法引入预处理机制和贪心算法的思想,避免了产生多个非法多播树;采用自然树型结构编码,同时设计新初始化种群算子并简化了变异算子。仿真结果表明,本文算法收敛速度快,寻找最优路径成功率高。     

多梯度流域变换算法与传统算法比较

流域变换是图像分割的有力工具，流域分割方法的性能主要依赖于图像梯度。文中利用传统单尺度梯度算子流域分割算法和多尺度形态梯度流域变换算法，分别作用于计算机视觉细胞图像和水果图像，结果显示传统分割算法和多尺度算子流域分割算法在不同的图像中显示出各自的优越性，第一种算法更适合于交叠区域不是很多，但质地不必十分均匀的图像；第二种则更适合于交叠区域较多，质地较均匀的图像。     

改进的GPU-SIFT特征提取与匹配算法

针对SIFT算法得到的特征点数目太大、算法复杂耗时的问题,提出一种改进的SIFT特征提取与匹配算法并在GPU上进行了加速处理。通过分析算法的并行性,充分利用GPU多线程和存储器的优势对SIFT算法进行优化。在关键点精确定位过程中增加了第二次筛选,有效减少了特征点数量。发挥圆形具有旋转不变的优势,减少了算法的步骤同时描述符降到了64维。实验结果表明,该算法在保证匹配准确度的同时速度随图像复杂度的增强而提升,处理1600×1200图像时加速比可达2.3倍,提高了算法在实际应用中的实时性。     

无线传感器网络功率优化算法

无线传感器网络由许多电池能量有限的节点组成,该网络主要收集感知区域的信息.节点能量管理的优化对于延长网络寿命具有重要影响,如果每个节点直接向sink节点或基站发送信息,节点电池很快耗尽,网络也会失去作用.提出了动态路由的新方法以平衡节点能量开销,在Dijkstra最短路径算法和改进遗传算法的基础上,以功率有效性为首要原则,建立了网络拓扑.仿真结果接近最优解,达到节省能量的要求.     

采用多尺度方向微分比率的角点检测算法

针对相邻图像结构间的相互干扰会导致角点错检率升高的问题,提出了一种基于多尺度方向微分比率(MDDR)的角点检测算法。该算法首先利用Canny边缘检测算法提取原始灰度图像的边缘轮廓;对于每一个轮廓像素,分别利用各向同性导数和各向异性高斯方向导数滤波器提取主方向及其正交方向上的方向强度微分信息;然后将3个尺度下微分比率融合为MDDR测度;最后进行阈值和非极大值抑制处理获得最终角点。不同于传统角点检测算法中只使用单一滤波器,MDDR算法中使用2种不同类型的滤波器,能在精确提取角点附近不同方向微分信息的同时避免邻近图像结构间的相互干扰,从而提高了角点定位准确性并增强了测度的噪声鲁棒性。实验结果表明,MDDR算法的平均检测准确率比点到弦距离累积算法提高了27.1%,并且平均错检率比残余面积算法和Gabor算法分别低28.4%和32.4%。