平移不变自适应块阈值图像去噪算法

为有效抑制图像阈值去噪产生的伪吉布斯现象,提出了平移不变自适应块阈值图像去噪算法(ABTTI).即,首先在小波域中将小波系数分成子块,然后利用块平移不变性、块阈值自适应性,并采用本文提出的基于子块能量的自适应阈值方法计算分块阈值.利用3种经典测试图像,与软阈值、块阈值等算法进行对比,结果证明ABTTI算法不仅具有好的去伪影性能,而且可以获得更高的峰值信噪比和计算效率.     

基于文本认知Hash的网络水军发帖检测技术研究

为了对网络水军的频繁发帖、顶贴进行控制、监督,设计一种文本认知Hash技术,对网络中存在的发帖进行分析、处理,生成发帖的文本Hash值,然后通过发帖Hash值之间的比较,确定该贴是否为灌水帖,并对该贴作出相应的处理。     

基于区域叠合有限元技术预测三维编织复合材料弹性性能

本文基于区域叠合有限元技术预测三维四向编织复合材料弹性性能。在该方法中,分别建立相互独立的纤维增强相有限元模型和复合材料整体区域(包括所有增强相和基体相所占几何空间)有限元模型,两相模型在空间叠合组成复合材料模型,运用节点自由度耦合技术使两相模型满足变形协调关系,通过对两相模型赋予适当的材料属性以使所建复合材料模型具有与实际复合材料等效的力学特性。该方法较传统方法显著缩短了建模时间,降低了建模难度。区域叠合法的数值模拟结果与传统方法预测结果一致。本文的研究为进一步研究编织复合材料非线性宏观力学特性和渐进损伤过程模拟奠定基础。     

自适应形式的计算机等级考试的应用研究

目前,计算机等级考试采用的还是基于计算机的考试形式,计算机在整个考试中所起的作用仅局限于题目的呈现和成绩的统计,起到考试"执行者"的作用。由于考试并没有因材施测,考试不能很好地考察学生的真实水平,考生抽取试题时存在"运气",考试的合理性和公平性受到很大质疑。自适应形式的计算机等级考试可以解决传统计算机等级考试固有的弊病,可以实现"因材施测",并且考试的实施和组织更加经济。对自适应形式的计算机等级考试中所涉及的几个关键技术问题进行研究,探索大规模实施自适应形式的计算机等级考试的可行性,并进行模拟研究和实证研究。     

自适应形式的计算机等级考试的选题策略研究

采用自适应形式的计算机等级考试．考试的效率更高,考试结果更公平,更能发挥讣算机等级考试对考牛计算机能力水平测试的功能。要成功地实现自适应形式的计算机等级考试,恰当的选题策略是必需的。对自通应形式的计算机等级考试采用不同的选题策略进行了研究。研究结果表明,相对其它几种选题策略（最大信息量选题策略和随机选题策略）,采用h分区a分层的多阶段选题策略,测验的表现更好,可以很好的控制测验长度,测验的精度也很好,有更高的测验效率,测验的综合表现也最优。     

C#．net利用数据集设计器调用存储过程

在c#．net程序中利用sql Data Adapter或者sql Command渊用存储过程比较方便,但是存在没有测用代码设计的支持,而只有在运行程序时执行到相应的语句,才能检企调用的代码是否有问题的缺点。如果在测试过程没有把所有可能执行到的语句都测试一次,程序往往会出现问题。针对这个缺点,提出利用数据集设计器调用存储过程。将存储过程变为强类型对象,这样编译器就可以在编译期间检查所有可能出现的错误。解决Sql Data Adapter或者Sql Command调用存储过程的不足的同时,还可以简化调用存储过程的复杂度。     

模糊自适应PID控制器在交流伺服控制系统中的研究

交流伺服控制系统中的永磁同步电机是一种多变量、强耦合和非线性的系统,采用传统的PID控制难以达到较好的控制效果。将模糊自适应PID应用于永磁同步电机的控制中,运用模糊控制原理对PID参数进行整定。仿真结果表明,与传统的PID控制相比较,采用模糊自适应PID控制器的交流伺服控制系统具有更好的动态和稳态性能,实现了较好的控制效果。     

准正交空时分组码自适应设计方案与性能分析

准正交空时分组码园其牺牲部分正交性来换取全速率而无法实现全分集,在巳知信道状态信息的前提下,为最大限度降低数据符号彼此干扰,争取获得最大分集,提出两种准正交空时编码的自适应设计方案,并对其性能进行理论分析与比较,结果显示:两种自适应方案都能大大减小误码率;和增加自适应因子的方案相比,与波束形成技术相结合的自适应设计方案性能更为出色,但其增加了运算复杂度.     

自适应分区的色调映射算法

针对HDR图像色调再生提出了一种自适应分区映射算法.首先将HDR图像的色度和亮度信息分离,根据直方图特征对亮度进行自适应分区,并构造分段线性色调调整函数,将显示亮度范围分别分配给不同的亮度分区,以增加再现图像的感知对比度;然后通过双边滤波技术提取图像细节进行补偿,保证了再现图像细节可见;最后将彩色和非彩色信息合成,并对亮度压缩带来的彩度损失进行色彩校正.实验表明:新算法在动态范围压缩、细节保持和颜色表现上均优于传统算法.     

基于网络响应面的多目标优化方法

为提高多目标优化算法的收敛性以及Pareto解的分布均匀性,构建了基于网络响应面的多目标优化方法.将前馈（BP）网络以及自适应共振（ART）网络的优点相结合,充分利用各子目标每1次独立优化时获得的最优解,并将其作非占优判断后作为初始样本自适应地构建网络响应面,从而提高了Pareto解的收敛性以及多样性指标.对网络获得的每个新类进行各子目标值计算,同时对该子目标值做相似度计算,进一步剔除相似度高的样本,从而提高了Pareto解的分布性指标.通过常用的多目标优化测试函数验证该方法,并与改进的非支配排序遗传算法（NSGA-Ⅱ）以及随机权和算法作对比,结果表明该方法能明显改善多目标优化方法的各性能指标.