基于微波多普勒雷达的海杂波区小目标特征联合检测

针对海杂波区小目标回波能量较弱,多普勒域与海杂波接近甚至重叠的特点,采用特征联合检测算法提高目标检测性能。首先,对雷达回波进行中位数自适应杂波抑制预处理;然后,对待检测单元提取多普勒峰值、峭度和熵值特征,形成特征向量,对残余杂波训练单元采用凸包算法获得判别区域;最后,以判别区域是否包括待检测特征向量对应点初步判断目标有无,再根据凸包混合积分布设定恒虚警门限滤除虚警。实测微波多普勒雷达数据处理结果表明,目标检测结果和实际情况一致。采用蒙特卡洛仿真对算法性能进行分析,表明该算法的检测性能优于对比算法,为雷达海杂波区目标检测提供了新方案。     

基于凸包算法的指尖识别方法

针对现有指尖检测方法容易受背景的干扰,并且指尖误判点较多的情况,提出了一种基于凸包分析的指尖检测算法。首先,为减少类肤色背景和光照对手部轮廓提取的影响,采用YCbCr肤色模型和背景差分法相结合的方法提取手部轮廓;然后采用快速凸包算法获得手部轮廓的凸包,并利用凸包顶点和缺陷点计算出掌心的坐标,根据凸包缺陷深度和手指几何特征及曲率特征检测手指指尖;最后采用有灯光和类肤色背景干扰的环境,而不是背景单一的环境进行实验,验证了所提算法的鲁棒性。实验结果表明,该算法可以有效识别出指尖数目和手掌的位置,实现简单的数字手势（0~5）的识别,具有较强的鲁棒性。     

求解凸极小化问题的一种部分并行的可分方法

针对具有可分结构的凸极小化问题,提出了一种部分并行的可分方法.该方法是在预校正近似乘子法的基础之上,在极小化时采取了不同的格式,去掉了二次邻近项而直接用的增广项;在算法的迭代部分,预校正近似乘子法先计算x~(k+1),再计算z~(k+1),在部分并行的可分方法中,x~(k+1),z~(k+1)是并行计算的;通过数值算例得到的结果显示,该方法具有可行性.     

一种解可分凸优化问题的外梯度并行分裂算法

并行分裂法是求解两个可分离变量线性约束凸优化问题的重要方法,该方法通常要求两个凸函数有邻近映射,对于其中一个函数具有邻近映射,另一个函数光滑但不具有邻近映射的情况,此处提出了一种基于并行分裂的外梯度算法,并在假设光滑函数梯度Lipschitz连续条件下证明了该算法的O(1/ε)迭代复杂度。     

一个解可分凸优化问题的部分预校正分裂法

考虑线性约束的可分离凸优化问题,其目标函数可分为没有耦合变量的3个独立的凸函数.基于扩展的轮换方向乘子法,提出了一个新的解可分离凸优化问题的部分预校正分裂法,此算法在校正步中考虑对第1个变量不进行校正,对第2个和第3个变量进行校正;并且在较弱的条件下,证明了此算法的收敛性.     

利用旋转算法构建DEA模型生产前沿面

传统数据包络分析模型的生产前沿面构造方法较为复杂,为了解决这一问题,提出了一个新的构建DEA生产前沿面的算法,称为旋转法. 阐述了旋转算法的含义. 分别从二维和高维角度对传统的四类DEA模型的生产前沿面进行构建,并对算法的理论依据进行了证明. 通过实际算例证明,相比起传统的方法,比如极点极方向法、Graham扫描法等,旋转法非常简单而且实用价值很广. 最后提供了一个关于该算法在实际中的应用---构建决策单元中含有负值的DEA模型,解决了传统DEA模型无法处理决策单元中含有负值的不足.     

广义凸函数的几个控制不等式

相对于一元实值凸函数，基于n-维线性空间上一般意义下两类（广义的）凸函数-n维线性空间上凸函数及强凸函数的定义，讨论了广义凸函数及强凸函数的几个控制不等式，推广了相关结论。     

轨迹和干扰功率联合优化的无人机主动窃听算法

研究一种无人机(UAV)作为合法窃听器的无线通信窃听算法.首先,将一个合法窃听器(UAV(E))用于窃听可疑发射器(UAV(B))发送到地面可疑接收器的可疑信息.然后,利用可疑系统的特点,提出一种有效的主动干扰方案,从而最大限度地提高有效窃听速率;针对构造的原问题是一个优化变量耦合的混合非凸优化问题,应用更新速率辅助的块坐标下降和连续凸优化技术,在每次迭代中交替优化无人机轨迹和干扰功率.最后,针对非凸的无人机轨迹优化和干扰功率优化问题,分别利用连续凸优化算法将原非凸问题转化为近似的次优化问题,再使用凸优化方法进行求解.仿真结果表明:相较于其他基准算法,文中算法具有更高的有效窃听速率.     

一种基于凸包稀疏化与遗传算法优化的SVM算法

SVM(support vector machine)算法求解支持向量的过程涉及到N阶矩阵的计算,N为样本的个数,当样本数量很大时,高阶矩阵的计算将需要消耗大量运算时间;同时,SVM模型性能依赖于惩罚参数与核参数的优化,传统的循环验证参数优化法,时间复杂度高.为了解决上面两方面的问题,笔者采用凸包算法对训练样本进行稀疏化,同时通过遗传算法优化选择惩罚参数与核参数,提出了一种高性能的SVM模型训练算法.     

线性空间中函数的单位分解性

利用微分流形研究了实数域R上的n维线性空间X的连续函数,指出在线性空间X中存在满足单位分解的一簇光滑函数,并得到了线性空间X中函数的一个单位分解定理;另外,在二维线性空间X中应用单位分解定理,指出了存在定义在任意开凸体A上,满足单位分解性的3个连续函数,这样将线性空间与微分流形相结合,为研究线性空间的函数分解问题及相关问题提出了一种新方法。