基于优化查询的改进显著性检测算法

传统的基于图的流行排序算法,仅利用图像的边界作为背景查询,其查询选择的准确率直接影响算法的 结果,为此提出一种改进算法,利用现有算法的检测结果为基础,对前景与背景种子点的选取进行优化。 首先,对图像进行超像素分割,充分利用图像的中层信息; 其次,对图像利用流行排序算法计算图像显著图; 最后,对显著性结果进行处理,选取更优的查询点,得到最终显著图。在CSSD( Complex Scene Saliency Datase) 和ECSSD( Extended Complex Scene Saliency Datese) 数据集上与8 种算法进行比较,实验结果表明,该算法具有 更高的检测准确率。     

基于黎曼流形的MIMO雷达目标检测方法

针对样本数少时不能用样本协方差代替统计协方差的问题,提出了一种基于黎曼流形的单基地MIMO ( Multiple-Input Multiple-Output) 雷达目标检测新方法。该方法利用拓普利兹-厄米特正定( THPD: Toeplitz- Hermitian Positive Definite) 矩阵会在信号空间形成黎曼流形的特点,通过burg 递推法分别生成单快拍下接收信 号和噪声的THPD 协方差矩阵,并计算噪声THPD 协方差矩阵的黎曼均值,将其与接收信号THPD 协方差矩阵 之间的黎曼距离作为检测统计量。该方法可增加黎曼流形上接收信号与噪声间的差异性。仿真结果表明, 与传统的基于欧几里得距离的检测方法相比,显著提高了低信噪比和单快拍下的目标检测性能。     

基于流形排序的电网截面数据检索

随着电力系统信息化的发展,电网数据具有数量大、类型多、维度高的特点。针对在数据检索时多维度查询效率不高,检索结果无法多维度整体匹配的问题,提出一种基于流形排序的电网截面数据检索方法;该方法将电网截面数据描述成多维向量空间中的对应点,创建加权图模型。通过考虑数据的整体近似流形结构来获得检索结果,使之与源查询之间具有较高的相关性;使用置信传播分配排序分数,提高了检索结果的准确性,有效避免相关性度量对高维数据查询处理的不足。     

Fisher Z分布流形的几何结构

Fisher Z分布作为一个统计分布在实际中有广泛的应用。首先从信息几何的角度对该分布进行了分析,在分布的参数取其允许值时研究其全体所组成的流形几何结构;讨论了Fisher Z分布流形的对偶结构及其平坦性,进而给出了该流形的黎曼度量、α仿射联络和α曲率,并在该统计流形上定义了散度来衡量两点之间的距离;最后给出了Fisher Z分布流形在高一维欧氏空间中的一个图浸入。     

正交标架丛上拉普拉斯算子的一些应用

对于任意给定的一个黎曼流型(M,g),其正交标架丛F(M)上有一个自然的黎曼度量使得F(M)上的典型向量场是测地的．由此,F(M)上的拉普拉斯算子和欧氏空间中的有相同的型式．此文利用F(M)上的拉普拉斯算子对流型M上的某些张量进行研究．结果表明,F(M)上的拉普拉斯算子的特征值和特征函数与流型M上的一些基本几何量关系密切．     

飞向Halo轨道的太阳帆航天器轨迹优化设计

研究太阳帆航天器从地球同步轨道飞向日-地第2Lagrange(L2)点Halo轨道时其转移并入轨的轨迹优化设计问题。提出了分3阶段优化设计的方法:首先调整航天器逃离地球的飞行轨迹,使其比较接近目标Halo轨道的不变流形;再借助不变流形,用遗传算法求解相应的最优控制,使其转移到目标Halo轨道的不变流形上;最后航天器将沿流形飞行完成入轨。数值仿真结果表明,提出的方法可以得到相当好的转移轨道。由此显示,将转移轨道分为若干阶段,借助不变流形,用遗传算法求解最优控制问题的轨道优化设计方法对于此类小推力变轨问题是切实可行的。     

具有变号权函数的分数阶p-q-Laplacian方程组的多重解

考虑一类具有凹凸非线性项和变号权函数的分数阶p-q-Laplacian方程组,借助于Nehari流形和Ekeland变分原理,证明当参数(λ,μ)属于Rⁿ的某个集合时,该方程组至少存在两个非平凡解。     

一类平面二次方程的极限环存在性

研究了一类二次微分方程 x =- y +δx +mxy +y2 , y =x(1+by)的极限环的存在性问题 .给出了系统存在唯一稳定或者不稳定极限环的条件     

无风险控制的log-最优投资组合问题的一个黎曼几何随机算法

无风险控制的log-最优投资组合问题是一个很有实际应用价值的计算金融问题,本文给出了求解该问题的一个内蕴的自然梯度随机算法。算法的内在优点是每步迭代所得近似结果都自动满足约束条件,而且具有内点算法的特性,因此收敛速度较好。最后,将该算法应用于上海证券交易所的实际数据计算,结果令人满意。作者也对所得结果进行了合理的金融实证分析。     

流形正则化多核模型的模糊红外目标提取

针对模糊边缘的红外目标提取问题,提出一种基于流形正则化多核半监督分类的提取方法。首先应用最大类间方差法计算初始分割阈值,获得确定化的目标和背景区域以及待确定化的模糊边缘区域;然后建立各区域内像素点邻域空间集,并通过多核函数特征映射获得邻域空间中灰度均值和方差信息特征值,通过流形正则获得邻域空间中位置信息特征值;在特征值基础上,建立半监督分类模型对模糊边缘区域像素点邻域空间集进行类别划分;最后计算最佳分割阈值。对比实验结果表明,该方法提取模糊边缘红外目标效果好且运算效率高。