个人信用卡信用风险评价体系与模型研究

分析了国内个人信用卡信用评价的现状和不足；探讨了建立个人信用指标体系的原则和方法；建立了一套包括个人还贷能力和还贷意愿共2大类15个指标的个人信用卡信用风险评价指标体系，并设计了负债情况等3项具有双向影响作用的指标；运用隶属度原理和层次分析法，确定了各类指标的评分函数和权重；建立了个人信用卡信用风险评价模型．确定了划分信用等级的两个阈值，解决了以往信用分级缺乏依据的问题．     

RSA算法和Asmuth-Bloom密钥共享问题的研究

论述在RSA公开密钥密码算法下的多重公开密钥密码方案、密钥共享、多重密钥共享的技术，密钥的安全保密是密码系统安全的重要保证，存贮在系统中的所有密钥的安全性取决于密钥的安全性。研究分析密钥的秘密共享的Asmuth-Bloom门限方案。     

基于改进型P＆M模型算法的图像去噪

高斯滤波算法在去噪时能平滑图像,但是会破坏图像的边缘细节,而基于PDE的各向异性扩散的P＆M模型算法在去噪时能保留图像的边缘细节,但是会出现零散的斑点。结合两种算法的优点,通过对扩散系数进行改进,提出一种改进型P＆M模型算法。仿真结果表明,该算法能够有效地去除噪声图像中的高斯白噪声和椒盐噪声,能够更好地保留图像的边缘细节,与高斯滤波算法和P＆M模型算法相比,改进型P＆M模型算法具有更好的去噪性能。     

多孔小波和非下采样滤波器组去除遥感图像的多种噪声

结合àtrous小波变换和非下采样轮廓波变换的优点,提出一种基于àtrous 非下采样轮廓波变换的遥感图像去噪方法.该方法用非抽取离散小波变换的àtrous算法对图像进行多尺度分解,然后用非下采样的多方向滤波器组对得到的细节分量进行多方向分解.对含有多种噪声的遥感图像,àtrous 非下采样轮廓波变换将图像中不同种类的噪声分解到不同的小波系数分量中,使得可以根据噪声特性选择最合适的去噪方法,比用一种方法去除所有类型的噪声更科学且去噪效果更好.     

小波降噪在齿轮箱故障诊断中的应用

以JZQ250型号齿轮箱为实验对象,根据实际状况下齿轮箱的故障机理和振动特点,通过小波变换将振动信号分解为位于不同频段和时段内的成分,使干扰信号和有用信号位于不同的频带内,将干扰信号所对应的那一阶小波系数置零,进行信号重构,再得到降噪后的信号．作包络功率谱分析,能有效地对齿轮箱故障进行诊断分析．     

决策树C4.5连续属性分割阈值算法改进及其应用

结合Fayyad边界点原理提出一种新的连续值属性最佳分割阈值的选择算法.根据Fayyad连续值属性的最佳分割点总在边界点处的原理,只在连续属性分界点处的少数几个分割点中选择最佳分割阈值.构造并训练了改进C4.5分类器,将其应用于视频序列中的人车目标识别.实验结果表明:改进C4.5算法的计算量减少近20％,大大提高了决策树的生成效率,分类准确率也略有提高.     

脉冲激光烧蚀Hg0.8Cd0.2Te晶体过程的分析

文中测量了Hg0.8Cd0.2Te靶在波长为1064nm、脉宽10ns的脉冲激光辐照下的蒸发损伤阈值,理论计算值与实验结果符合得很好．进而根据能量守恒定律数值计算了Hg0.8Cd0.2Te的蒸发温度。     

基于混合神经网络的协同过滤推荐模型

数据稀疏性是推荐系统中严重影响推荐结果准确性的重要因素之一.针对数据稀疏性提出了融合卷积神经网络(convolutional neural network, CNN)和降噪自编码(denoising auto-encoder, DAE)神经网络混合的神经网络评分预测模型(convolutional-denosing autoencoder, CDAE)对用户未评分项目进行预测评分,从而解决数据稀疏性问题.首先将向量化后的用户评论数据通过卷积神经网络训练得到用户特征向量矩阵,其次将用户特征向量矩阵作为降噪自编码神经网络的初始权重,结合用户评分数据经过降噪自编码神经网络训练,得到用户-项目预测评分,然后在此基础上进行基于用户的协同过滤推荐.最后使用movielens-1M实验数据集对比验证了提出的混合神经网络协同过滤推荐(convolutional-denosing autoencoder collaborative filtering, CDAECF)模型.实验证明,所提出的CDAECF模型能够有效地结合隐性反馈和显性反馈数据,具有较高的推荐准确率.     

插值和滤波处理技术在激光三角法测量中的应用研究

采用直接阈值法和迭代阈值法对激光三角法测量中的光斑区域进行分割,然后用最近邻插值和双线性插值法对截取的光斑图像进行插值处理,实现光斑图像特征点区域的亚像素定位,并对几种不同滤波器处理情况下的计算结果进行了对比和分析.     

OFDM系统中基于改进阈值的DFT信道估计

在OFDM系统中，传统的基于DFT的信道估计不能使循环前缀内的噪声得到有效的抑制.为解决此问题，在分析利用不同的时域阈值来抑制噪声的算法缺点和不足的基础上，提出了一种新的将噪声样本点能量的中位数作为时域阈值的DFT信道估计算法.仿真实验表明，所提算法在大脉冲噪声情况下，可以很好地解决信道有效样本点被滤除的问题，且能使循环前缀内的噪声得到有效抑制，误码率和均方误差得到进一步降低，提高了信道估计的准确性.