在实表象中含时Hamilton量解的不变量

通过实表象的运动方程的确切解,得到了在静磁场中的含时一维、二维Hamilton谐振子的Lewis-Riesenfeld不变量。数学上,这个正交的不变量函数是一个各向同性的二维Hamilton谐振子的角动量。根据得出的不变量,通过一个简单的试探函数方法仍然可以简单推导出在静磁场中柱坐标下的二维含时Hamilton谐振子的波函数,并且通过在直角坐标下二维含时Hamilton谐振子的波函数表示成为叠加态的形式。     

基于四边形剖分的多尺度有限体积方法

在一类多尺度方法（heterogeneous multi-scale method,HMM）的基础上,结合有限体积方法（finitevolume method,FVM）,提出多尺度有限体积方法（HMM-FVM）,用于数值计算一类多尺度抛物型偏微分方程,同时给出相关误差估计.计算结果表明,多尺度有限体积方法比传统的有限元法、有限体积法有效,既节省计算量,又有较高的精度.     

多尺度随机性有限元在线性椭圆问题中的应用

非均质材料的力学性能在宏观和微观的尺度上都具有一定的不确定性,通过构建数学模型来研究、预测非均质材料的力学性能具有较高的理论价值和实际工程意义,多尺度随机有限元法正是在这一宏观背景下提出.以均值化理论及两尺度模型为基础,结合随机有限元谱方法,旨在完整地模拟随机性周期分布的线性椭圆问题.模型藉由对微观尺度下对代表体元的微小摄动数值分析,求出随机参数的宏观等效值;并结合KL分解、混沌多项式展开考虑求解过程中的随机性问题,得到的数值结果和已有的蒙特卡洛方法有较高的吻合.分析结果显示出随着分析维度和阶数的提高,结果不断逼近真实解.并进一步指出,在兼顾效率和精度的情况下,一维分析时所取的维度数和阶数的极限.     

基于案例推理的知识管理咨询系统

在分析基于案例推理技术特点和知识管理咨询系统含义的基础上,提出了基于案例推理的知识管理咨询系统架构,并分析了架构的组成,给出了基于案例推理的知识管理咨询系统的定义。研究了实现系统所采用的案例知识表示、检索、存储和案例学习等关键技术。依据提出的架构及其关键技术,企业易于实现其知识管理咨询系统,从而有效地支持知识重用和知识创新,提高知识管理的有效性,以及知识资源的共享和充分运用。     

基于目标背景加权的核跟踪

在核跟踪(Mean Shift跟踪)算法中,目标的表示方法对跟踪性能有很重要的影响.传统的核跟踪算法只是通过计算目标模型和候选目标模型,对目标进行跟踪,没有消除背景的影响,特别是目标与背景相近的情况.对此,提出了一种目标背景加权的核跟踪算法,该算法是在跟踪过程中对目标模型进行背景加权,并且在目标的表示中采用颜色纹理联合直方图.为了验证跟踪的可靠性,利用跟踪位置与目标位置之间偏移量的均值和方差进行衡量.实验结果表明,与传统的跟踪算法相比,该算法在目标的表示和跟踪性能上有很大的提高.     

基于贪婪算法获取稀疏表示探讨研究

本文给出一个反例,指出在一般的字典中,稀疏表示中正交匹配搜索（OMP）算法不能得到测量的最稀疏信号,从而说明匹配搜索、正交匹配搜索等贪婪算法在稀疏表示中不能保证每一个测量能得到信号的最稀疏表示.     

高光谱图像半监督局部稀疏嵌入降维算法

针对目前高光谱图像半监督降维算法中基于流形学习的开放性选择近邻参数问题,以及利用传统算法不能有效地获取标签数据的局部信息,提出了一种无需考虑近邻参数的半监督局部稀疏嵌入（SELSE）算法.该算法基于稀疏表示理论,通过求解范数优化问题构建稀疏系数图,并且利用有限的标签数据最大化类间信息,提取高光谱图像的特征.在AVIRIS高光谱遥感图像的Indian Pine数据集上进行仿真实验,结果表明所提出算法在分类精度和计算效率上都有所提高.     

板带钢表面缺陷检测系统的多尺度边缘检测算法

针对冷轧带钢表面缺陷在在线检测过程中,无法准确地检测到图像中缺陷的边缘问题,提出了一种基于小波变换模极大值的板带钢表面缺陷多尺度边缘检测算法.该方法较好地解决了边缘检测精度与抗噪性能之间的协调问题,实现了在多个尺度上板带钢表面缺陷的边缘提取.实验结果表明该方法对伪缺陷边缘的去除有很好的效果,同时能够较好地保留图像中缺陷的边缘细节信息,具有更好的边缘检测性能,为带钢表面缺陷在线检测系统中的后续处理,如图像自动分割、缺陷识别等奠定了基础.     

试论微分与积分的联系

在这篇文章里,我们利用一些熟知的重要公式揭示了微分与积分的相互转化,同时给出了牛顿——莱布尼兹公式的另一推导,反映了作者的若干教学方法。一方面,这些直观的解释可以作为高等数学教学的参考;另一方面,也为微积分学基本定理的教学,提供了简明的材料。     

基于稀疏性约束非负矩阵分解的人脸年龄估计方法

基于人脸图像的年龄自动估计已经成为当前人脸识别领域的一个重要研究方向。首先通过非负矩阵分解(non-negative matrix factorization,NMF)算法对基矩阵或系数矩阵进行稀疏性约束,用形成的更具有局部表达能力的子空间对人脸图像数据进行表示。然后使用径向基函数神经网络进行训练和测试,提取包含在大多数人脸图像上的年龄信息来进行年龄估计。实验结果表明,具有稀疏性约束的非负矩阵分解算法对年龄估计问题具有良好的应用效果。