基于核Fisher鉴别分析的手指静脉识别

抽取最优鉴别特征是手指静脉识别中重要的一步,在提取小样本的高维手指静脉图像特征时,由于光照、温湿度、水平位移等因素的影响使得采集的静脉图像是非线性分布的,为此,提出了一种基于核Fisher鉴别分析（kernel Fisher discriminant analysis,KFDA）提取非线性特征的方法。该方法是利用一个核映射将原始输入空间变换到一个更低维的空间RN中,在此特征空间上用核类间散度阵和核类内散度阵作为Fisher线性判别准则(Fisher linear discriminant,FLD),来得到最佳非线性鉴别特征,根据此鉴别特征计算其相互间的欧式距离进行识别。实验结果表明,核Fisher方法与其他方法相比,具有较低的认假率(false accept rate,FAR)和较快的识别速度。     

一种新的基于多示例学习的场景分类方法

多示例学习是近年来才出现的一种新的学习框架,并以其对多义性对象的出色表示能力而被成功地运用在图像分类任务中。首先提出了一种新的图像多示例包生成方式,采用特征的概率分布表示图像,并对图像像素分布提取一个高斯混合模型,将每个高斯分布作为一个示例,生成图像的多示例包。然后,在对图像进行分类时,采用了信息瓶颈聚类把多示例包转化成单示例,从而将传统的单示例分类器用在该问题上。为了提高分类器的泛化能力,对多个分类器进行了集成。选取了5类自然场景图像进行试验,结果显示所提出的方法平均性能优于当前常用的一些多示例学习算法。     

用阶的估计方法判定级数的敛散性

用阶的估计方法判定级数的敛散性有很多实例。如果熟悉阶的估计方法以及一些已知简单级数的敛散性,我们就可以判定很多未知级数的敛散性。     

质心、弯心及压力中心对机翼动力响应的影响

本文以某一大展弦比机翼为例,通过调整结构配重和主梁沿弦长方向的位置来改变质心和弯曲中心,采用基于CFD/CSD耦合方法分析质心、弯曲中心及压力中心的相对位置对机翼动力响应的影响。计算结果表明,质心的位置对机翼的动力响应影响非常大。质心位置相对靠前时,翼尖位移响应最剧烈;当质心位置相对靠后时,机翼一阶扭转响应最剧烈;弯曲中心向后移动,翼尖位移的最大幅值逐渐增大,但翼尖的扭转角振荡剧烈程度逐渐减小。弯曲中心宜选在压力中心之后。当弯曲中心在压力中心之前,且质心布置在弯曲中心之后,会造成机翼扭转发散。     

无穷级数敛散性之注记

对学生在学习级数知识时的常见错误进行了总结,讨论了常用的判别方法以及常用的概念,并通过实例来说明级数收敛性和发散性的判断以及对概念的运用,从而进行区别和联系．     

一类重调和方程边值问题解的奇点可去性

给出了一类重调和方程边值问题解的表示式,研究了其解的奇点可去性,利用判断反常积分收敛性的方法对解的表示式作了敛散性分析,给出了该类方程在限定条件下的具体表达式,研究了相应的解的积分表达式.将函数项幂次的取值范围在实数域上分为3段,分别讨论了每种情形下相应积分式的敛散性,得出了其在不同参数范围下解的奇点可去性.     

多维向量场特征参数的几何代数统一计算方法

以几何代数多维统一运算为基础, 探讨了多维向量场的多重向量表达与基本运算, 给出了向量场微分的模板卷积计算方法. 利用几何积对内外积的统一表达, 建立散度和旋度的统一计算方法并进行算法实现. 该方法不仅再现了向量场散度和旋度参数的几何关联性及其微分特性, 更实现了多维统一与坐标无关的计算. 基于北美风场的模拟实验显示, 该算法比基于梯度的间接求解算法具有更好的对比度与平滑性特征, 且具有较强的抗噪音能力, 从而可为向量场数据分析提供新的思路与方法基础.     

p级数的发散速度或收敛值域

关于p级数敛散性的判别,《数学分析》教材中已有明确的结论.需要进一步研究的问题是：当01时,怎样估计p级数的和.     

变压器差动保护在现场应用中的问题及解决方法

结合现场故障实例,详细阐述了变压器差动保护的灵敏度问题、TA的暂态特性差异以及TA的稳态饱和对变压器差动保护的影响等问题,并提出解决问题的方法。     

凯恩斯主义与新自由主义的关系走势探微

以国际金融危机为切点,在理清凯恩斯主义和新自由主义的形成和发展的前提下,明确它们之间的关系走势,分析凯恩斯主义和新自由主义政策措施存在的问题,最后对二者进行比较分析,了解它们的共识和分歧,试图证明二者在经过长期的较量之后必将不断走向融合,共同作用于西方资本主义市场。