基于邻域相关性的小波图像自适应软阈值降噪

提出了一种新的基于邻域相关性的自适应软阈值降噪方法.软阈值函数的构造充分考虑了待阈值化小波系数与其圆形邻域小波系数的相关性,同时结合自适应的贝叶斯阈值进行噪声滤除.并与NeighShrink、VisuShrink、SureShrink以及wiener2法进行比较试验,结果表明,本研究所提出的方法可以获得较之其它的方法更好的降噪效果.     

基于即时学习算法的软测量建模方法

针对工业过程中存在许多难以直接测量变量的问题,提出1种基于即时学习算法的软测量建模方法.提出k-矢量近邻方法建立系统的当前工况点的建模邻域,以提高即时学习算法的预测能力,利用递归最小二乘算法简化建模的在线计算量,通过PRESS估算得到算法的最优解,优化了算法,应用该算法对某一化工厂产品的酯化率进行测量建模,预测得到的最大相对误差为0.8742%,证明该方法的泛化性能良好,满足实际测量的精度要求,是1种便于理解,易于实现的软测量方法.     

NQD样本下非参数回归函数最近邻密度估计的强相合性

本文在样本为平稳的两两NQD的情况下得到了非参数回归函数m(x)的最近邻估计mn(x)的强相合性.在条件不变的情况下获得了与独立情形一样的mn(x)是强相合的充分条件.     

基于调制特征的飞机目标自动分类

为了解决防空雷达飞机目标自动分类问题.依据飞机旋转部件对雷达电磁波的调制机理、调制特性模型和防空雷达回波特殊性,在时域用相对量分析法提取了幅度、相位调制特征,在频域用复AR双谱分析法提取了调制周期特征.提出了基于幅度、相位、周期3种调制特征的逐级最近邻分类法,对来自20条航线不同姿态的3类8种飞机回波进行了自动分类实验,并讨论了每种调制特征对飞机分类的效果.结果表明3种调制特征和逐级最近邻分类法能有效用于防空雷达飞机目标的自动分类.     

SLAM数据关联方法的比较分析

针对同时定位与地图构建中数据关联的效果好坏易受特征状态影响的问题,建立了两种仿真场景,在此基础上布置了不同间隔的特征对,分别采用最近邻算法、连续兼容最近邻算法、联合兼容算法、联合最大可能性算法进行特征关联的比较分析。结果表明：特征间隔对数据关联的结果有很大影响,对于大部分数据关联方法来说,在小的特征间隔时关联结果较差,在大的特征间隔时关联结果较好。结合特征在仿真场景中不同的位置,数据关联方法也各自显示出优劣之处以及在不同特征状态下的适用性。得出的结论将对SLAM中数据关联方法的理解与选择有积极意义。     

基于K近邻非参数回归的短时交通流预测方法

采用K近邻的非参数回归方法对短时交通流量进行了预测,考察了模型中关键因素对预测效果的影响.在4种不同状态向量和预测算法组合下的实验方法比较中,以相邻四个时间间隔的流量和占有率数据作为状态向量,并采用带权重的预测算法取得了良好的效果.将利用K值构造的预测区间用于特殊路况的预测中,得到了明显的改进效果.最后,对非参数回归和神经网络的方法进行了比较,结果表明了非参数回归预测方法的高精度和强移植性.     

人工内分泌机制在最近邻规则约减中的应用

当训练样本集规模过大时,最近邻分类规则约减过程是一个耗时的过程. 目前,常见的约减算法往往存 在计算成本过高、约减过程难于并行化等问题. 针对该问题,文中将人工内分泌机制引入到最近邻规则的约减过程 中,保留不同类规则边界上的边界规则,规则的约减规模通过晶格的粒度来设定. 该方法可以在分割–约减–合并框 架下获得较高的一致性约减子集,从而使规则的约减过程并行化,缩短约减时间. 用11 个不同的数据集进行仿真 实验的结果显示,该方法简单而有效,较好地解决了大样本集的约减问题.     

基于平移、转动和大小变动对象的不变性识别

IOR(不变对象识别)是基于对象在平移、转动、大小变化等情况下的识别方法。该方法分两步:第一步,预处理阶段,通过归一化转动惯量和采用一种新的编码方法来抽取对象的不变拓扑特征,并存入一个数据库中。第二步,识别阶段,采用了一种亲笔最近相邻算法(HNN)。首先自学习预处理得到的数据,并得到对象的总的特征。再通过HNN算法来识别对象。该方法用于实际车牌识别,能得到满意的结果。     

按Orlicz范数最佳逼近的两点注记

在赋Orlicz范数的Orlicz空间中,给出最佳逼近算子单调性的一个充分条件和最佳逼近元存在定理．     

移动查询点的最近邻查询方法研究

移动查询点的最近邻查询在时空数据库查询的领域具有很重要的地位。本文提出了一个以处理动态环境下的K个最近邻居(K-NN)查询问题的有效的方法。