约束最大相关系数的高光谱影像目标探测研究

高光谱遥感影像具有高的空间分辨率和连续的光谱信息,在目标探测领域具有独特的优势。基于高光谱影像的目标探测技术是遥感理论与应用的重要领域之一。本文从统计学中的相关系数的概念出发,提出了基于约束最大相关系数的高光谱影像目标探测算法。利用高光谱影像的线性混合模型,在真实图像中添加目标光谱,获得不同含量的亚像素目标及大目标,利用实验室高光谱成像仪对大目标进行推扫成像获取真实大目标高光谱影像。对仿真图像与真实图像进行约束能量最小化算子和约束最大相关系数算子进行对比,实验结果表明,基于约束最大相关系数的高光谱影像目标探测算法在探测大目标中具有更稳健的探测性能。

基于相关系数及IOWA算子的区间组合预测方法

传统的组合预测方法是针对数字型数据并以改善拟合误差平方和为准则来建立模型。然而,在不确定环境下,样本数据和预测值均以区间数给出,因此有必要研究区间组合预测模型。文章引进IOWA算子以及相关系数概念,建立了多目标的区间组合预测模型,并探讨了模型的求解方法,再结合实例分析验证了模型的有效性,同时给出模型中的参数的灵敏度分析。

基于相关系数的IOWGA算子组合预测模型

本文将相关系数和IOWGA算子相结合,提出一种基于相关系数的IOWGA算子最优组合预测模型,并定义了优性组合预测的概念,最后通过对我国税收收入进行组合预测说明该组合预测方法的有效性和合理性。

约束Welsch-Kuh统计量与广义相关系数

本文从数据拟合观点讨论了约束线性回归模型中一次剔除多组数据的影响问题，并得到了影响的上界，同时还建立了约束ＷｅｌｓｃｈＫｕｈ统计量与广义相关系数之间的联系．

基于相关系数和IOWHC_OWHA算子的区间组合预测模型研究

为了解决实际观测值和单项预测方法预测值均为区间数的区间组合预测问题,文章把C_OWHA算子和IOWHA算子相结合,提出了诱导有序加权调和的C_OWHA算子,即IOWHC_OWHA算子,再结合相关系数,建立了基于相关系数和IOWHC_OWHA算子的区间组合预测模型,并对该区间组合预测模型的相关性质进行了研究。

模糊信息协同相关IOWGA算子区间组合预测模型

三角模糊数是复杂和不确定性预测系统的重要信息表达形式。引入刻画三角模糊数特征的3个指标,包括面积型中心、面积型散度和中界点。这些指标分别反映三角模糊数的精度、模糊程度和中点特征。在此基础上,提出了一种新的协同相关系数的概念,结合诱导有序加权几何平均算子(IOWGA),以三角模糊数左右区间的协同相关系数作为最优准则,建立了基于三角模糊数和协同相关系数的IOWGA算子区间组合预测模型。通过实例分析,证明了该模型的有效性和稳定性。

图像形态相关系数一般问题的研究

在将图像视为分片函数及分片向量函数的表示形式下,通过图像强度和几何形状两个因素描述图像特征,研究了图像的相似性度量问题.采用标准空间作为投影空间,探讨了分片函数及分片向量函数图像模式下投影算子及形态相关系数建立的方法,所得到的结果推广了Mosaic图像相关系数的表示形式.对分片向量函数所表示的图像形态相关系数的研究结果则更具一般性.

基于相关系数的IOWGA算子区间组合预测方法

各种错综复杂的因素导致数据表现出不确定性,区间型数据为取值在一定边界的现象提供了强有力的分析工具。为提高区间型观测信息的预测精度,本文结合相关系数和诱导有序加权平均(IOWGA)算子给出一类区间值时间序列的组合预测模型。通过最大化实际值和基于IOWGA算子的组合预测值区间中心和半径序列的相似性程度,给出组合预测的一类客观权重信息确定方法。最后,结合实例表明本文所提出的区间型信息组合预测模型能够有效提高预测精度。

基于形态学算子及边界约束的快速去雾算法

针对暗通道先验去雾算法存在透射率估计不准确、运行时间过于冗长,在天空区域存在颜色失真等缺陷,提出一种新的基于暗通道先验的快速去雾算法。首先对有雾图像进行灰度腐蚀,利用改进的暗通道来确定全局大气光值;其次利用大气光归一化最小通道图,来计算初始透射率;然后采用形态学开、闭运算来平滑透射率,根据边界约束条件下的最小化目标函数迭代出最优透射率;最后利用大气散射模型得到去雾后的图像。实验结果表明,所提算法在视觉效果上取得良好的结果,在各项图像质量客观评价指标上展现出良好的去雾能力,在速度上也远优于传统暗通道先验去雾算法。

基于节点相关系数的RSSI定位算法研究

针对无线传感器网络中传统的RSSI定位算法定位精度低的问题。

一种约束制导的机器学习框架漏洞检测方法

随着机器学习在社会各领域中自主决策场景的广泛应用,人们对机器学习框架中潜在漏洞的担忧也在日益增加.然而,由于其复杂的实现,针对框架的系统化、自动化测试成为一项艰巨的任务.现有对机器学习框架测试的研究在生成有效测试数据方面尚不成熟,导致测试数据无法通过合法性校验并因此无法检测到目标漏洞.本文提出了ConFL,一种基于约束的机器学习框架模糊测试工具.ConFL能够自动从框架源代码中提取约束而无需任何先验知识.在约束的指导下,ConFL可以生成能够通过校验的有效输入,并执行到框架更深层次的代码逻辑.此外,本文设计了一种算子分组调度技术来提高模糊测试的效率.为了证明ConFL的有效性,本文主要在Tensor-Flow框架上评估了其性能.测试发现,与现有的SOTA工具相比,ConFL能够覆盖更多的代码行,并生成更多有效的测试数据;在相同版本的TensorFlow框架上,ConFL能检测出更多的已知漏洞.此外,ConFL在不同版本的TensorFlow中发现了84个未知漏洞,这些漏洞全部被官方修复并被分配了CVE编号,其中包括3个严重漏洞,13个高危漏洞.最后,本文还在PyTorch和PaddlePaddle中进行了通用性测试,迄今为止发现了7个漏洞.

正则蕴涵算子族G-λ-R_0的约束度理论相关研究

研究了基于正则蕴涵算子G-λ-R0模糊推理的三Ⅰ算法的约束度理论,分析了约束度的性质,给出了α-三Ⅰ算法的FMP(FMT)上(下)确界的计算公式。

基于带约束粒子群的电容层析成像图像重建算法

粒子群工作时系统的鲁棒性很高,有助于解决图像重建的病态问题。但是,重建图像的像素较大,导致粒子维度较大,粒子在寻优过程中很难达到最优解。为了解决这一问题,对粒子的位置加入约束条件,以Tikhonov正则化图像重建算法成像作为粒子位置参考,约束粒子在Tikhonov正则化算法重建图像的一定范围内搜索,并用罚函数求解,提高粒子搜索速度;粒子群的惯性权重采用线性递减权值,从而实现惯性权值的自适应动态调整,提高算法的灵活性;将混沌算子加入粒子群位置搜索过程中,当粒子陷入局部最优时,混沌变量在一定范围内波动,降低最优解的错失率。仿真实验结果表明,与传统的LBP算法和Tikhonov算法相比,改进的粒子群算法的电容层析成像图像重建更精确,效率更高。

基于局部相关性约束的三维大地电磁数据和重力数据的联合反演

为解决地球物理反演中多解性的问题,综合多种地球物理信息的联合反演受到了广泛的关注.本文依据不同地球物理响应可能由相同异常体引起,而不同地球物理分布参数之间存在相关性等特点,提出了一种基于局部Pearson相关系数约束的联合反演方法.该方法假设每个局部区域模型参数的分布具有线性相关特性,在拟合不同类型观测数据时,对局部模型参数施加相关性约束,进行联合反演以减少多解性.本文采用交替迭代联合反演流程,改善了同一目标函数下联合反演收敛性和速度问题.基于新的联合反演方法和流程,我们测试了三维大地电磁和重力仿真数据的联合反演.结果表明,本文提出的基于局部相关性约束的联合反演方法,能充分利用大地电磁和重力观测数据信息,有效改善单一地球物理反演收敛性和多解性的问题,反演效果得到明显提升.

结合SURF算子和极线约束的柑橘立体图像对匹配

提出一种结合SURF算子和极线约束的立体匹配方法。对采集的双目视觉柑橘图像进行R-B分量的计算,在该分量上,采用快速hessian检测子进行特征点检测,并使用SURF描述子对检测到的特征点进行64维的特征描述。采用欧式距离和极线约束进行特征点匹配。实验表明,该方法对一幅图像对的平均处理时间为293ms,在果实被遮挡或光线变化的情况下均能较好地进行特征点提取和匹配。该方法为后续的深度信息计算提供了基础。

具有区域极点和方差约束的Delta算子系统鲁棒H_∞滤波

研究Delta算子不确定系统在误差方差约束和区域极点约束下的鲁棒H∞滤波问题.针对多目标H∞滤波问题,采用代数矩阵不等式方法,提出滤波器的存在条件和显式表达式.所得结果可将连续系统和离散系统的有关结果统一到Delta算子框架.

误差方差约束下Delta算子不确定系统的鲁棒H_∞ 滤波(英文)

研究Delta算子不确定系统在稳态估计误差方差约束下的鲁棒H∞ 滤波问题 .目的是设计滤波器 ,使得系统在状态矩阵和输出矩阵均存在不确定性时 ,滤波过程是渐近稳定的 ,每个状态的稳态估计误差的方差不大于事先给定值 ,且从噪声输入到误差输出的传递函数满足给定的H∞ 范数约束 .基于矩阵不等式方法 ,提出了滤波器的存在条件和显式表达式 .所得结果可将连续和离散系统的有关结论统一到Delta算子框架 .

基于蕴涵算子族L-λ-G的模糊推理三Ⅰ约束算法

提出了基于蕴涵算子族L-λ-G的模糊推理的思想,这将有助于提高模糊推理结果的效果。针对蕴涵算子族L-λ-G给出了模糊推理的FMP模型及FMT模型的三Ⅰ约束算法、α-三Ⅰ约束算法。

带排斥算子的GA求解无能力约束的多级生产批量计划问题

离散制造行业中的多级生产批量计划(multi-level lot-sizing,MLLS)问题的研究不但是一个理论和应用上的难题,也是在生产中产生重大经济效益的问题之一.针对无能力约束的装配结构MLLS问题,为避免基本遗传算法(genetic algorithm,GA)因过早收敛造成搜索效率降低,将排斥算子(repulsion operator)引入GA中,提出带有排斥算子的遗传算法(GA integrated with repulsion operator,RGA).采用GA算法和RGA算法对6组不同规模的问题进行了仿真实验.结果表明,RGA算法的运行效果明显优于普通GA算法;RGA算法对于MLLS问题的求解是有效的.

遗传算子概率在约束优化问题上的自适应探讨

提出两种算子概率自适应方案:基于连续两代间解的收敛状况变化的群体性方案、基于群体代间及当代表现的个性化方案.在带转包受限经济批量问题上,进行了变异概率调整方法的仿真试验,与文献中的其它变异概率调整方案进行了比较.结合试验结果和文献中的相关研究,指出在群体中存在不可行个体情况下,算子概率自适应的调整机理及理论分析仍是一个有待解决的问题.