基于自适应共轭梯度算法的高分辨率谱估计器

基于AR模型的功率谱估计是现代谱估计应用非常广泛的一种方法。通过对一全极点模型的参数估计来实现功率谱估计。提出了一种采用自适应共轭梯度算法来进行参数估计的方法。由于共轭梯度算法采用迭代运算求解Yule-Walker方程,同现有的谱估计算法相比,大大减小了谱估计算法的计算复杂度;随着自相关矩阵阶数的增大,该方法谱估计精度在小信噪比下提高显著。仿真结果表明,这种方法和基于AR模型的其它谱估计方法在不同信噪比下具有几乎相同的分辨率。因此,该谱估计算法具有重要的实用意义,有助于谱估计算法的实时实现。     

基于像素特征的路面裂缝图像自适应滤噪

分析了破损路面图像的像素点区域特征，针对不同区域提出加权邻域滤波和自适加权中值滤波算法。其权值是通过对图像中区域特征的推理得到的，所以算法中能根据图像的区域特征自适应的进行滤波。试验表明，本算法能够有效滤除噪声，并具有很好的细节保护能力。     

最优受教育年限选择的模型分析

为进一步定量分析个人教育投资现象,构建了一般性地反映人们在就学和就业之间进行选择的最优化模型,并对影响人们教育投资决策行为的因素进行了分析.在简单的假定前提下运用数学语言再现了教育经济和劳动经济研究中的相关结论.     

ISAT方法在射流火焰PDF计算中的应用

描述了一种应用于湍流反应流场中，用以减少化学反应计算时间的有效方法——当地自适应建表方法，并对之做了改进，使其可以适用于变时间步长环境下的计算流场．应用此方法计算甲烷／空气湍流射流扩散火焰问题，结果显示同直接数值积分方法比较，当地自适应建表方法可以在保证满足计算精度要求的条件下有效的减少化学反应计算时间．     

基于BP神经网络的增益量化中的阶距自适应

本文分析了G.728语音编码算法增益固定量化的缺陷,设计了精确表示增益的自适应量化方案。采用BP神经网络对增益的量化步长进行非线性自适应量化,并提出一种新的用于训练BP神经网络的数据的获取方法。     

同步卫星轨道平面倾斜效应的图示法

轨道偏离赤道平面的同步卫星,其星下点(或视位置)的口漂移轨迹址对称于静止位置的“8”字形。文献[1]给出的数学表达式对“8”字形轨迹的解释不直观,物理图象欠清晰。本文给出新的数学表达式,能用图示法形象直观地描绘出“8”字形轨迹,并简明地给出“8”字形的高度和宽度。     

CEDS—MD系统的数据 模型及处理

CEDS-MD是为彩色电视机机壳结构设计研制的专用微机CAD系统,本文介绍了系统的数据分类,表示模型的选取,数据处理方法及相应的文件系统.     

多尺度自适应Gamma矫正的低照图像增强

为了在提高低照图像的亮度和对比度的同时,保持图像的色彩自然度,提出了多尺度自适应Gamma矫正的低照图像增强方法.鉴于HSI颜色空间的明度分量Ⅰ决定着图像的明暗程度,以及明度分量的多尺度特性,首先,将图像转换到HSI颜色空间,对明度分量Ⅰ进行多尺度Retinex分解;然后,对分解得到的多尺度光照图像分别进行自适应的Gamma矫正,其中Gamma指数自适应于暗区像素的占比,鲁棒地改善光照图像的光照分布,经Retinex反变换得到增强的多尺度明度分量;最后,将增强的多尺度明度分量的线性融合作为增强的明度分量Ⅰ’,与色相分量H和饱和度分量S重组,得到最后的增强图像.实验结果表明,相对于部分最新提出的现有方法,新方法的PSNR和SSIM值分别高出1.19 dB和1.8%以上,具有更好的增强效果和鲁棒性,增强图像的视觉效果更适宜,对比度更高.     

满旗流形Sp(3)/T的不变爱因斯坦度量

研究了迷向表示分为9个不可约子空间的满旗流形Sp(3)/T上的不变爱因斯坦度量,计算Sp(3)/T非零结构常数的值,根据其爱因斯坦方程,利用Maple软件得到64个不变爱因斯坦度量(差常数倍的情况下),在等距的意义下,其中有1个凯莱爱因斯坦度量和3个非凯莱爱因斯坦度量.     

潜在表示学习框架下的低冗余多视图聚类算法

基于潜在空间学习的多视图聚类研究得到了较大发展,但其通常忽略了原始数据中冗余信息的存在可能会带来不理想的聚类结果。为解决这个问题,提出一种潜在表示学习框架下的低冗余多视图聚类算法。基于k-means的方法,直接从各视图数据学习其低维表示,由于该低维表示的各个特征相互正交,学习到的低维表示通常含有较少的冗余信息。基于潜在空间的假设,各视图的低维表示可由同一个潜在表示投影得到。将两者结合,就能得到一个具有低冗余信息的统一的潜在表示。设计了一个优化算法来求解目标问题,在多个公开数据集上的实验表明了该算法的有效性。