一种稳健的自适应波束形成方法

基于线性约束最小方差(linearlyconstrainedminimumvariance,LCMV)波束形成原理,根据贝叶斯估计理论,提出了一种基于加权的波束形成方法。该波束形成方法能够很好地克服LCMV波束形成对期望信号DOA误差特别敏感的弱点。仿真试验表明,该方法性能稳定,对期望信号DOA误差具有很好的稳健性。     

基于最大模糊熵原理的多阈值图像分割新算法

基于最大模糊熵准则,提出了一种新的多阈值图像分割算法。该算法通过定义一种简单的线性模糊隶属度函数,将图像模糊划分为若干个不同的区域;同时采用自适应遗传算法搜索最大模糊熵准则下图像的一组最佳分割阈值,并对遗传算法中的编码方式及交叉算子、变异算子进行了一些有益的改进,极大地减少了计算量和存储空间,加快了算法的搜索速度。通过仿真实验证明该算法对复杂图像良好的分割效果和较强的实时处理能力。     

人力资源管理的系统观--基于管理熵、管理耗散结构角度的分析

人力资源管理是一项系统工程，熵增加原理、耗散结构理论是理解开放系统演变的一把钥匙。以此为出发点建立人力资源管理的系统观。     

关于熵、信息、序的五个佯谬

熵、信息、序的概念由来很久，准确理解和运用这些概念却往往被忽视。关于熵、信息、序的五个佯谬：信息既可以是有序的、又可是无序的；熵小必有序、熵大必无序；简单即有序、复杂即无序；信源熵等于信息量；混沌是高度复杂、高度有序的状态，源于对熵、信息、序概念的误解。准确把握熵、信息、序概念将使五个佯谬破解。     

求解度约束最小生成树的单亲遗传算法

提出了求解度约束最小生成树问题的单亲遗传算法.该算法首先利用Prufer数对生成树进行编码;然后精心地设计了一个随机地产生初始种群的方法,用这种方法产生的初始种群,不会含有任何不可行解;在遗传操作中只使用选择和变异操作,共设计了三种变异操作,其中两种变异操作均不会产生不可行解,只有一种变异操作可能会产生不可行解,需要作树的度的检查和修改;这样就大大的降低了不可行解产生的机会,从而提高了遗传算法的效率;而且只使用变异算子,有效的避免了早熟收敛现象的产生;通过大量的数值试验,表明该算法简单,高效,收敛率高;最后对此算法做了适当推广,并给出了它求解TSP问题的具体步骤和实例。     

广义支持向量机优化问题的极大熵方法

依据最优化理论中的KKT互补条件建立了广义支持向量机的无约束优化模型,并给出了一种有效的光滑化近似解法极大熵方法,为求解支持向量机优化问题提供了一种新途径.该方法特别易于计算机实现,理论分析和数值实验结果表明了模型和算法的可行性和有效性.     

约束非线性l1问题的调节熵函数法

针对约束非线性l1问题不可微的特点,提出了一种光滑函数的近似逼近方法。该方法利用调节熵函数和罚函数技术将约束非线性l1问题转化为无约束可微优化问题,因而可利用光滑优化的经典算法求出原问题的近似最优解。给出了基于光滑优化问题的BFGS迭代,并介绍了约束非线性l1问题的调节熵函数的有关性质、算法的迭代步骤及其收敛性分析。最后通过数值实例表明了该算法的有效性。     

熵权非均质综合指数算法及其应用

利用熵权方法可以计算非均质综合指数 ,其方法包括确定对象的集合、指标因素的集合、指标矩阵、归一化指标值、指标权重以及计算综合指数等。熵权非均质综合指数算法可将数值有差异的属性参数对非均质指数的贡献进行弱化和强化 ,即去同存异 ;熵权非均质指数的大小能定量表征储层的非均质性。利用该方法在胜坨油田坨2 1断块进行了应用 ,定量地刻划了储层的层间、层内和平面非均质性 ,取得了满意的效果     

基于组合赋权法的岩质边坡稳定性敏感因素研究

边坡稳定性评价是一个涉及多因素、多层次的高度非线性系统。针对影响边坡稳定性因素的复杂性和不确定性以及敏感因素区分度的不显著性,结合G316抚州资溪花山界至南城黄狮渡段公路改扩建工程,以岩质边坡内部参数、几何形状以及外部荷载所包含的7个因素作为稳定性敏感分析对象。通过有限元强度折减法和单因素分析法确定评价指标因素的敏感度,得出两两因素间的相对重要程度关系,利用层次分析法将定性、定量分析相结合,合理确定各因素的权重。通过岩质边坡原始数据间的关系,运用熵值法来确定各因素的变异性和权重,最后借助主客观组合赋权法对各因素权重进行赋权,确定对边坡稳定性最为敏感的因素,以期为边坡治理和优化设计提供参考。     

基于引导滤波的指节纹图像增强算法研究

在利用指节纹进行身份识别时,为提高图像的质量,避免光照不均匀和环境噪声对特征提取带来的影响,需要在图像预处理阶段进行增强处理。针对指节纹图像的特点,设计了基于梯度图像引导滤波的图像增强算法,并在指背关节纹数据库中进行了验证。结果表明,该图像增强算法可避免光照不均带来的影响,同时突出细节特征,适用于指节纹图像的预处理。最后进行的定量分析证明,经过本算法的增强处理后,图像将保留更多的细节信息特征,有利于后续特征提取和提高图像识别的准确性。