基于星点图椭圆度分布的光学系统装配误差计算方法

计算机辅助装调技术的出现大大降低了光学系统装调的难度,但是目前提出的大部分装配误差计算方法都基于波像差系数,在应用过程中还需要额外的波前传感器。基于星点图在不同视场中的椭圆度分布,提出了一种不依赖于波前传感器的装配误差计算方法,该方法只需要CCD或CMOS等图像传感器即可实现光学系统的装配误差计算。基于矢量像差理论推导了该方法的理论基础,采用椭圆度参数量化了装配误差对星点图的影响规律,揭示了椭圆度分布与装配误差之间的非线性函数关系,在此基础上,以多视场下的星点图椭圆度分布为优化目标,将光学系统的装配误差求解问题转化成多目标优化问题,可通过智能优化算法进行求解。以Hilbert两反式光学系统为例,基于三个视场的椭圆度分布计算次镜的四个侧向装配误差,仿真结果表明该方法的计算精度可达微米级,满足实际装调需求,验证了该方法的正确性,对促进计算机辅助装调技术的工程化应用具有重要意义。

生物医学数据的可视化图形特征提取方法

从领域问题中提取的原始特征进行某种矢量空间变换如主成分分析(PCA)、线性判别分析(LDA)、独立分量分析(ICA)和基于核的方法可能会改进分类器分类性能。基于多元数据的星点图表示方法,提出了一种新的可视化的图形特征提取方法———星点图重心图形特征。对星点图图表示中存在的特征排序影响图表示的问题进行了研究,提出了基于改进的遗传算法(GA)的特征排序。乳腺癌和糖尿病等生物医学数据集在遗传算法特征排序下的重心图形特征的分类结果都超过了公认的模式识别网站上的报道,也优于传统的矢量空间的特征提取方法下得到的特征的分类性能。