一种新的模糊神经网络删剪策略

模糊规则的数量直接决定模糊神经网络结构的复杂度和效率.基于神经网络自构行学习(NNSCL)算法,用共轭剃度预条件正则方程算法求取删除隐层神经元后的剩余权值,得到改进的NNSCL-1算法.将此算法应用到模糊神经网络的规则推理层,可以极大地优化网络的规则及结构,并且结构优化后不需要重新训练也能保持网络的精确度和泛化能力.仿真结果显示了此算法的有效性和可行性.     

奇摄动非线性系统Robin边值问题的多种层性质

通过研究一类具有转向点的二阶非线性系统Rob in边值问题的奇摄动.在适当的假设条件下,利用微分不等式方法得到了解的存在性和渐近估计.     

基于凸组合技术的加速FR型共轭梯度算法

为高效求解非线性方程组问题,利用凸组合技术设计一个新型搜索方向,同时结合加速线搜索技术,提出一个新的加速FR型共轭梯度算法.在合理的假设下,新算法拥有全局收敛的良好性质.数值试验结果表明,新算法总体上优于经典FR算法和三项FR算法.新算法继承了修正FR方法的良好数值效果、充分下降性及信赖域特征,并具有计算简单和存储量小...     

连续混沌系统任意目标点的控制

通过构造适当的Lyapunov函数,实现对连续混沌及超混沌系统任意目标点的控制.     

一种基于标记点的近景摄影测量系统

给出了一种基于标记点的鲁棒三维重建摄影测量系统;采用编码点和非编码点等标记点方式.为了减少不同图像间误匹配的概率,采用一种新的基于编码点的匹配方法,不同图像间非编码点的匹配从编码点开始,并通过相似性准则、模糊度准则和距离误差准则来剔除误匹配,可获得非常高的正确匹配率.采用一种新的基于标记点的加权迭代特征算法,用编码点恢复相机的投影矩阵,从而可以确定相机的外部姿态参数;用非编码点恢复3D坐标.与已有的加权迭代特征算法比较,该算法避免了所有点参与计算相机的投影矩阵,运算速度更快.由于采用标记点的亚像素定位方法,提高了3D重建精度.实验结果表明,在3D重建方面,该系统是强壮和精确的.     

基于改进OMP算法的稀疏目标微波关联成像方法

利用稀疏重构类方法进行雷达微波关联成像时, 传统的正交匹配追踪(orthogonal matching pursuit, OMP)算法在每一次迭代过程中均需要求解目标函数的最小二乘解, 导致成像算法计算复杂度随矩阵规模和迭代次数增加而急剧攀升。针对此问题, 结合频率捷变思想, 提出了一种改进OMP算法的稀疏目标微波关联成像方法。首先, 阐明了微波关联成像机理, 并构建了微波关联成像信号模型; 然后, 利用共轭梯度法对OMP算法中的最小二乘求解步骤进行了改进, 并分析了改进后算法的计算量; 最后, 通过与最小二乘成像方法、匹配滤波成像方法和基于传统OMP稀疏重构的成像方法进行计算机对比仿真实验, 证明了本文算法的正确性与优越性。     

基于改进MUSIC算法的散射中心参数提取及RCS重构

随着隐身技术的发展,雷达目标的边缘绕射等逐渐取代镜面散射成为主要的散射源,因此基于几何绕射理论（geometric theory of diffraction,GTD）的散射中心模型对隐身目标电磁散射特性的描述要比衰减指数和模型更为精确。显然,准确估计出GTD散射中心参数对刻画目标散射特性犹为重要。针对经典多重信号分类（multiple signal classification,MUSIC）法仅利用目标原始回波数据、参数估计精度不高这一问题,提出一种改进的MUSIC算法对散射参数估计提取。改进的MUSIC算法通过对原始回波数据取共轭,构建新的总协方差矩阵,有效利用了目标原始回波数据的共轭信息。仿真结果表明,与经典MUSIC算法相比,改进的MUSIC算法参数估计精度更高,雷达散射截面重构拟合程度更好,且运算量增加不大,可有效提取出隐身目标的散射中心。     

基于HJ-1B卫星的作物秸秆提取及其焚烧火点判定模式

作物秸秆焚烧产生的气体和颗粒物严重污染大气环境,威胁人类健康,给交通带安全带来隐患,利用遥感技术优势监管秸秆焚烧火点具有重要的现实意义.文中基于HJ-1B卫星CCD多光谱遥感数据和IRS热红外遥感数据,以中国江苏中东部为研究区,开展作物秸秆提取及其焚烧火点判定的一体化研究.根据秸秆的光谱特征研究建立了秸秆乘积指数(SMI),结合其纹理信息可从HJ-1BCCD遥感图像上快速有效的提取出秸秆分布,继之结合修正后的火点探测算法可对HJ-1BIRS遥感数据进行火点提取.在秸秆分布和火点探测结果矢量化的基础上,通过GIS技术进行火点叠置分析,可有效地判定作物秸秆火点分布,同时结合实地调研及与MODIS火点产品比对分析验证评价了本研究方法的可行性和有效性.     

Forecasting key US macroeconomic variables with a factor‐augmented Qual VAR

In this paper, we first extract factors from a monthly dataset of 130 macroeconomic and financial variables. These extracted factors are then used to construct a factor‐augmented qualitative vector autoregressive (FA‐Qual VAR) model to forecast industrial production growth, inflation, the Federal funds rate, and the term spread based on a pseudo out‐of‐sample recursive forecasting exercise over an out‐of‐sample period of 1980:1 to 2014:12, using an in‐sample period of 1960:1 to 1979:12. Short‐, medium‐, and long‐run horizons of 1, 6, 12, and 24 months ahead are considered. The forecast from the FA‐Qual VAR is compared with that of a standard VAR model, a Qual VAR model, and a factor‐augmented VAR (FAVAR). In general, we observe that the FA‐Qual VAR tends to perform significantly better than the VAR, Qual VAR and FAVAR (barring some exceptions relative to the latter). In addition, we find that the Qual VARs are also well equipped in forecasting probability of recessions when compared to probit models.     

基于点造型的简单阴影生成方法

研究基于点表示的物体的真实感图形阴影生成方法, 提出了Z缓冲器的改进算法. 在此算法中取光源方向为视线方向, 对景物点进行坐标变换, 按Z值大小得到距离光源最近的点, 这些点即为产生阴影的点. 该算法避免了大量的求交运算. 试验结果表明, 该基于点的造型表示方法和阴影生成算法可以较准确、 真实地反映实际场景中的阴影现象.