基于卷积核分解的深度CNN模型结构优化及其在小图像识别中的应用

小图像由于像素少、分辨率低、整幅图像包含信息较少,识别较为困难。目前优秀的深度卷积神经网络模型多为大图像而设计,而用于小图像的模型则存在着层次不够深、难以对特征进行充分抽象的不足。本文基于VGG19模型,依据卷积核分解的原理,设计了一种KDS-DCNN模型,模型深度达到31层,解决了目前超深度模型不能直接用于小图像识别的问题,实验表明该方法不但提升了识别性能,而且还降低了模型的时间复杂度。在CIFAR-10、CIFAR-100和SVHN三个数据集上的验证结果显示,KDS-DCNN模型性能优越,其识别错误率分别降低到29.46%、6.02%和2.17%。     

线性流形上次反对称矩阵的加权最小二乘解

利用矩阵的奇异值分解和矩阵对的广义奇异值分解,得到一类线性流形上次反对称矩阵在加权范数下的最小二乘解,导出解集合中与给定矩阵最佳逼近解的表达式.     

人脸非线性视角流形建模方法

针对线性子空间不足以描述头部视角空间非线性变化等因素影响人脸视角流形的精确建模问题,提出一种新的视角流形建模方法,并从理论上将该方法与经典的流形学习建模方法及概念驱动的视角流形建模方法进行比较,通过基于非线性张量分解的人脸及视角识别实验比较视角流形对识别结果的影响,从而给出视角流形的有效性比较.实验结果表明,本文提出的视角流形建模方法比概念驱动的视角流形和TensorFace中的线性视角系数均有更好的识别效果.     

一种非线性非平稳时间序列预测建模方法

提出了一种基于经验模式分解和支持向量回归的非线性、非平稳时间序列预测建模方法.首先,针对时间序列的非平稳特征,通过经验模式分解将其分解为若干个本征模式分量,使其中每个分量均成为平稳序列;其次,对每个本征模式分量,基于支持向量回归建立相应的平稳时间序列预测模型;最后,再一次利用支持向量回归对这些预测模型进行非线性组合,得到非线性、非平稳时间序列的预测模型.仿真实验和工程应用均表明,所提的预测建模方法与传统的基于支持向量回归的建模方法相比,具有较高的精度,说明该方法对于非线性、非平稳时间序列的预测是有效的.     

基于EMD算法的空间自旋目标平动补偿与微动特征提取

针对微多普勒频率附加在空间目标高速轨道运动产生的多普勒频移上使微动特征提取更加困难这一问题,提出了一种利用EMD算法对空间目标进行精确平动补偿和微多普勒特征提取的方法。对空间自旋目标进行建模,推导了窄带雷达条件下空间目标的微多普勒效应,并分析了平动分量对微多普勒的影响;把目标回波分解成一系列本征模态函数(IMF),然后求出瞬时频率,利用经验模型分解(EMD)算法对瞬时频率进行分解,分析各分量的能量百分比判别平动频移分量,实现回波信号的平动补偿;对平动补偿后的信号利用 EMD算法分离出微多普勒曲线,提取微动特征。仿真实验验证了该方法的可行性与有效性。     

认知Ad hoc网络中基于凸优化的功率控制算法

针对认知Ad hoc网络的特点,构建了相应的网络模型,提出了一种基于凸优化理论的分布式功率控制算法。在分析系统内部干扰的基础上,以最大化网络效用值为目标,以认知用户的发射功率为求解对象,建立了一个通用的数学优化模型。在凸优化理论的指导下,通过引入辅助变量和变量的对数变换,将该模型转变为等价的凸优化模型,采用拉格朗日对偶法对该模型进行求解,得到了分布式的功率迭代算法。仿真实验表明：与其他算法相比,该算法在满足系统约束条件的前提下,取得更好的系统性能。     

用于工程系统设计的一个二层优化方法

结合线性分解法和模型协调法提出了一个适用于一般工程系统设计的优化方法。该法将原系统分解为若干较小的子系统和一个协调系统，使在原系统内形成一个二层（分别称为系统层和子系统层）结构关系。每个子系统有自己的目标函数、设计变量和约束条件。对给定的系统层设计变量，各子系统可以单独进行优化设计。各子系统的优化结果通过协调系统协调最终获得原问题的最优解。该法可以在平行计算机或分布式计算机上实现．其正确性和有效性通过３个优化实例得到了验证。     

基于星载GNSS-R DDM的海面目标探测研究

为了利用星载Global Navigation Satellite System-Reflections（GNSS-R）的延迟-多普勒图（Delay-Doppler map, DDM）实现对海面目标位置的遥感探测,本文依据星载DDM的生成原理,研究实现了其反过程即从DDM中重构散射区域图像进而达到探测海面目标的目的。首先利用截断奇异值分解（truncated singular value decomposition, TSVD）法去除DDM中的模糊函数;然后通过计算归一化雷达横截面积（normalized radar cross-section, NRCS）重构海面散射区域图像。以2016年3月1日TechDemoSat-1（TDS-1）实测的DDM数据为例,首先计算了镜反射点（specular point, SP）的位置,然后进行重构实验。实验结果表明：文中计算得到的SP与TDS-1提供的SP之间的最大误差在800 m左右,小于TDS-1 5 km的距离分辨率;同时,重构图像中目标的位置与极地海冰数据中海冰的位置相吻合,由此可见本文的目标探测算法能够从DDM中探测到海面目标。     

GL2(C)的一些不可约表示

设G=GL₂(C), 并且B是G的标准Borel子群, 并且CG, CB分别是群G和群B的在复数域C上的群代数.对于任意B的特征标θ, 定义G的离散诱导模M(θ) = CG×_CBθ. 证明了当θ是反支配权时,M(θ)是个不可约表示.由此给出了一类GL₂(C)全新的、无限维的不可约表示.     

区域分裂方法应用于屏蔽门的电磁泄漏分析

电大尺寸和复杂物体的电磁泄漏分析是计算电磁学的一个重要的研究课题，区域分裂方法（DDM）作为微分方程数值求解的新技术十分适宜求解电大尺寸的电磁场问题。提出了一种基于区域分裂方法和有限元方法（FEM）的混合算法来分析电磁防护中的电磁屏蔽门问题，在屏蔽门的边界和区域分裂的虚拟边界上分别利用吸收边界条件和传输边界条件，具有良好的收敛性质，数值结果表明了这一混合算法的有效性，同时区域分裂方法十分适合于计算机的并行计算，所以这里给出的方法适合于计算电大尺寸物体的电磁计算问题。