逆P-集合的扰动定理与数据的扰动挖掘

逆P-集合是把动态特征引入到有限普通元素集合内提出的,逆P-集合具有动态特征。逆P-集合的动态特征来自集合的元素(属性)迁移,元素迁入使得集合的边界发生扩展扰动,元素迁出使得集合的边界发生收缩扰动。本文基于逆P-集合的概念与结构,提出内逆P-集合的F-扰动度、外逆P-集合的(-overF)-扰动度与逆P-集合的(F,(-overF))-扰动度概念,给出它们的度量,并给出F-扰动定理、(-overF)-扰动定理与(F,(-overF))-扰动定理,以及在扰动存在的条件下,逆P-集合、逆P-集合族与有限普通元素集合X的关系。利用这些结果,提出数据的F-扰动挖掘定理、(-overF)-扰动挖掘定理与(F,(-overF))-扰动挖掘定理。最后给出基于扰动度的数据挖掘应用。     

基于设计灵敏度分析的圆柱壳声辐射优化

采用有限元法计算结构振动,边界元法求解结构振动引起的辐射声场问题.在此基础上提出了圆柱壳结构声辐射优化模型,重点推导了结构振动声辐射灵敏度计算公式.优化模型中,声辐射功率作为目标函数,约束函数中不仅有内部场点平均声压作为声场设计指标,而且包含了质量和自振频率的结构设计指标,圆柱壳的厚度作为设计变量.通过与用差分法计算的...     

基于动态投影系统的带约束的混行路网均衡模型求解算法

针对路网中考虑电动汽车出行能耗与燃油汽车环境排放情形下混合交通流的非线性边界约束路网均衡问题,设计了一种基于动态投影系统的算法;将复杂非线性边界约束的双车型路网均衡模型转换成变分不等式模型,利用拉格朗日乘子法得到模型的库恩塔克(KKT)条件以及模型的非线性互补问题,通过引入投影算子建立动态投影系统找到模型的最优解。分析模型可确定燃油汽车和电动汽车一般出行成本函数,电动汽车混行条件下交通网络的均衡条件,以及路网均衡条件下两种车型的拥堵外部性并获取混合交通流下路网的运行特征。最后构建数值仿真评估动态投影算法的有效性,结果表明模型收敛于系统的平衡点,且具有指数收敛性质。     

具有矩阵伸缩的正交双向小波包

为了将正交双向小波包推广到高维情形φan+λ(t)=∑k∈Zdp+k,λφn(At-k)+p-k,λφn(k-At),构造了伸缩因子为矩阵A的正交双向小波包{φan+λ(t),λ=0,1,…,a-1}n∈Z+,分别从时频域角度通过小波包基函数的正交性研究了高维正交双向小波包的性质,得到了小波包子空间的分解算法、重构算法及频域表示为∏∞j=1Pλjωa()jΦ0(0)。     

量子线路的级联运算

量子线路的级联运算是将量子线路分成逻辑单元并用矩阵相乘实现对输入态的一系列幺正变换的运算.通过研究量子线路的矩阵计算以及量子编码,利用矩阵的张量积形式,分析量子线路中量子门的矩阵表示及相关的逻辑运算规则,推导出量子线路的逻辑运算规则,并在此基础上,提出量子线路的级联运算规则,用实例验证了其规则的正确性,该理论对量子计算机的布尔逻辑运算具有重要的参考意义,可以实现任意量子线路的程序化逻辑运算.     

有限元-边界元耦合法在二维电磁场数值计算中的应用及优化措施

在二维电磁场数值分析中,有限元-边界元耦合法将有限元法与边界元法结合,可以同时发挥两种方法的优势．笔者在介绍有限元-边界元耦合法原理与算法的基础上,分别研究子域逼近有限元法、Mortar元法和并行计算与有限元-边界元耦合法结合使用分别为关心区域相对整体区域尺寸较小、求解区域中包含运动导体和大规模高自由度电磁问题的数值计算提供优化途径．     

轮腿式机器人的稳定性控制准则

腿式运动模式具有运动灵活、环境适应能力强的特点,但其稳定性控制是一个重要的问题。在分析轮腿式机器人运动特性的基础上,建立了轮腿式机器人的稳定性姿态描述方法,分析了不同稳定性准则的特性和适用性,提出了适合于轮腿式机器人稳定性控制的倾斜边界稳定性准则,并给出相应的稳定性控制方法,为轮腿式机器人的稳定性控制奠定基础。     

基于局部稀疏表示模型的海上红外目标跟踪方法

提出了一种基于局部稀疏表示模型的跟踪方法来有效解决跟踪过程中的目标遮挡问题.首先对目标进行分块,然后对每个块分别构造其稀疏字典,并通过衡量候选区域中每个块与目标模板对应块的相似度,获得每个块在目标图像中可能位置的置信图;再结合每个块置信图从而获得目标位置的最佳估计.实验结果表明,该方法与各种流行跟踪算法相比稳定可靠且具有良好的抗遮挡性,并对海上红外目标跟踪取得良好效果.实验结果验证了将稀疏表示应用在海上红外目标跟踪中的有效性及其良好的应用前景.     

基于稀疏表示模型的SAR图像目标检测算法

针对合成孔径雷达（synthetic aperture radar,SAR）图像可视性差、目标区域小以及特征不明显等特性对目标检测造成的困难,将稀疏表示模型应用于SAR图像目标检测,提出一种基于稀疏表示模型的SAR图像目标检测算法。首先,利用K—SVD算法训练样本提取对样本最具描述能力的SIFT特征形成字典;其次,通过将进化机制和稀疏表示结合,逐步提取整幅图像中含有目标的图像块;最后,输出稀疏表示误差小于阈值的图像块的位置作为目标检测的结果。实验结果表明,与传统目标检测算法相比,该算法在检测率和运行效率方面均有一定的提高,取得了较好的效果。