一种集聚中心的核估计法

从样本点的核密度估计出发,对集聚型点模式的集聚中心的个数和位置的确定方法进行了探索,提出一种集聚中心的核估计算法.与原有的基于几何概率提取集聚中心的方法相比,该算法对只有一个集聚中心的情况以及任意维数的样本空间点具有更好的估计效果.     

求解一类非局部边界条件微分方程的再生核方法

为研究一类非线性局部边界条件的微分方程的求解问题,在再生核空间利用算子构造了一个收敛的迭代序列,得到了该方程精确解的表达式。数值结果表明,利用再生核理论求解该类方程的方法是有效的。     

齐次Morrey-Herz空间上粗糙核分数次积分交换子及多线性算子的CBMO估计

利用齐次Morrey-Herz空间MK^α,λ_p,q(Rⁿ)与齐次Herz空间K^α,p_q(Rⁿ)之间的关系, 推广了K^α,p_q(Rⁿ)上的一些结果, 在 MK^α,λ_p,q(Rⁿ)上建立了具有粗糙核的分数次积分交换子T^b_Ω,l及多线性分数次积分算子T^A_Ω,l的中心有界平均振荡函数空间(CBMO)估计, 并得到了分数次极大交换子M^b_Ω,l和多线性分数次极大算子M^A_Ω,l的相应结果.     

基于核判别分析与证据理论的图像伪作分层融合检测

现有图像伪作融合检测算法一般直接采用特征融合或决策融合技术,普遍存在算法不易扩展或检测准确率不理想等问题。在综合利用原始图像固有特征和篡改所引入特征的基础上,探讨了一种基于特征融合和决策融合的分层融合框架,并实现基于核判别分析(kernel discriminant analysis,KDA)和证据理论的图像伪作检测算法。该算法包含粗分类和细分类两阶段。在粗分类中,利用原始图像固有特征,采用KDA技术实现特征融合,输出结果为原始图像、篡改图像和待定图像三种类别。在细分类中,利用篡改操作所引入的特征,采用证据理论进行决策融合,实现对待定图像的进一步分类。实验结果表明,该算法能有效地检测模糊操作、重采样操作、JPEG压缩以及多种篡改组合操作。     

环A+xB［［x］］的S-Noether性质

设A⊆B是具有单位元的交换环的扩环, x是环B上的未定元, R:=A+xB［［ x］］, S是环A的一个乘性子集。证明了若S是A的非零因子的乘性子集且对任意的s∈S,(∩sⁿA,n≥1)∩S≠Ф,则R是S-Noether环当且仅当A是S-Noether环, B是S-有限A-模。
                   

民族艺术自由理想的典范生发——影片《刘三姐》与《阿诗玛》的生态批评

自由是自然与社会的发展方向,也是人类永恒与天然的生命追求。影片《刘三姐》与《阿诗玛》作为民族艺术的典型个案,其主人公对外在自由的生存状态与内在自由的生命境界及爱情有着共同的追求,并得以升华与超越。它们折射出丰富的艺术人类学价值,体现出深邃的民族生态审美内涵,典范地表现了民族艺术中自由理想的生发路径。     

全相位双正交五株形滤波器组的设计与应用

提出了一种设计全相位双正交五株形滤波器组的一般方法.在保证线性相位和完全重建前提下,基于一维IDCT域全相位半带数字滤波器,利用新的全相位钻石形变换核函数和改进的准正交镜像滤波器(QMF)模型,设计了一类新的两通道五株形滤波器组(QFB),称为全相位双正交五株形滤波器组(apbQFB).然后利用apbQFB生成一种新的全相位Contourlet(apContourlet)变换,并详细研究了其在非线性估计和图像降噪方面的应用.数值实验结果表明,apContourlet的非线性估计和图像降噪性能均优于原Contourlet,可见apbQFB方法具有一定的通用性和优越性.     

基于核主元分析和局部保持投影的手背静脉识别

为了保持手背静脉空间的局部结构,运用局部保持投影(LPP)方法进行手背静脉识别.但是对于小样本图像识别,LPP中的特征方程矩阵通常存在奇异性.为了解决这个问题,提出首先利用核主元分析(KPCA)降低手背静脉空间的维数,再对低维图像应用LPP提取局部特征.对已有手背静脉图像库进行测试,实验结果表明,与传统的PCA和PCA+LPP相比,该方法大大提高了系统的识别率,而且特征提取时间为2.6 s,满足实时系统的要求.     

CCPP湿煤气热力学性质分析和简捷计算方法

针对联合循环机组煤气系统模拟中湿煤气热力学性质的计算方法进行了研究.分析结果表明当压力小于732kPa时,湿煤气仍可近似看做理想气体混合物,理想气体混合物热力学性质的计算方法仍然适用,计算误差较小.将湿煤气看成干煤气和水蒸气的混合物,给出了湿煤气热力学性质的计算步骤和通用计算公式.通过数值计算分析了湿煤气各成分体积分数、水分析出和温度变化对湿煤气热力学性质的影响,并基于上述分析结果给出了在联合循环机组煤气系统变工况模拟时湿煤气热力学性质的简捷计算方法.     

改进的基于数据重构的KPCA故障识别方法

核主元分析(KPCA)方法相对于主元分析(PCA)方法在非线性过程监测方面具有一定的优势,但是KPCA很难找到由特征空间到原始空间的逆映射函数,这给基于KPCA的故障诊断带来了很大的障碍.为此,在KPCA故障数据重构方法的基础上,对故障识别指标进行改进.改进后的方法既能够识别单变量引起的故障,又能识别多变量引起的故障,而且减少了指标计算过程中的运算量,避免了传统故障识别方法只能实现单变量故障追溯的缺陷.将提出的故障识别方法在田纳西过程中进行了仿真研究,结果表明所提方法的有效性.