天文像复原迭代位移叠加法中初始信息的选择

给出了天文像复原"迭代位移叠加法"的第一步中确定位移基准点的方法—将目标像结构的初始信息与目标斑点图间的互相关运算的极大值点作为基准点。按此基准点对目标斑点图进行位移叠加,第一步中初始信息的选择是展开迭代位移叠加过程的关键。讨论了目标初始信息的性质和提取方法。

大津法联合信息熵迭代算法在彩码图像恢复中的应用

针对彩色条码受异常光照影响色彩偏移的问题,根据其具有双色、四色或八色的特点,提出一种大津法(Nobuyuki Otsu)联合信息熵迭代算法确定阈值的自适应彩色条码图像恢复方法。利用Otsu算法确定初始阈值,结合信息熵迭代算法在该阈值上下范围内进一步精确定位阈值,用此阈值二值化分割彩色条码图像的颜色分量达到色彩恢复的目的。该方法克服了单一使用Otsu算法确定阈值不够准确的缺陷,相比同类算法色彩恢复效果更好,算法运行时间也较短。仿真结果表明,对于光照不足或光照不均达到一定程度下的彩色条码图像,该方法能及时有效地恢复出其真实颜色。

状态变量迭代法分析结构动力响应问题

在分析了状态变量法主要特点的基础上 ,建立了结构动力响应分析的状态变量方程 ,使用状态变量迭代计算格式来计算结构的动力响应量。文中给出了数值算例 ,由数值结果表明 ,状态变量法具有计算量少 ,效率高和精度好的一些特点。

一种基于迭代信息熵权的改进LFCM算法

LFCM算法作为一种划分式聚类算法,它根据新旧聚类中心之差是否小于设定阈值决定是否停止迭代,但存在聚类准确率偏低的缺陷。熵是信息论中有效度量不确定性的一项指标。为此,文章提出了一种基于迭代信息熵权的改进LFCM算法,该算法将熵权法与LFCM算法进行了有效的融合。算法的改进思路为:(1)输入样本结合隶属度函数,求得数据矩阵,根据该数据矩阵求取新的信息熵和权重;(2)目标函数采用权重函数,算法通过判断新旧权重的差值是否小于设定阈值作为停止迭代条件。仿真实验结果表明,基于迭代信息熵权的改进LFCM算法可以有效提高聚类准确率及紧凑率。

基于变量迭代空间收缩法的土壤有机质含量高光谱快速检测

高光谱被认为是检测土壤有机质含量(SOM)的一种快速方法。其准确度可与传统的实验室方法相媲美。然而,其海量的波段数据导致所建模型复杂且稳定性差。本研究旨在探讨变量迭代空间收缩法(VISSA)在土壤有机质高光谱检测中的有效性。从新疆吉木萨尔县采集土壤样品81份;用标准方法测量SOM,用ASD光谱仪扫描样品,获得光谱数据(350~2500 nm);对经竞争性自适应重加权算法(CARS)及变量迭代空间收缩法(VISSA)所选的光谱变量进行测试,并采用偏最小二乘回归(PLSR)估算SOM值。结果表明,VISSA筛选算法优于CARS筛选算法,VISSA算法可以去除大部分冗余波段,保留15.04%的波段变量;所构建的模型中,VISSA-PLSR最优,CARS-PLSR次之,全波段-PLSR最差;其中VISSA-PLSR模型达到有效定量预测土壤有机质含量的程度,其R_(p)^(2)可达0.91,RMSE_(P)仅为0.48 g/kg,RPD可达3.24。研究结果可为高光谱快速检测土壤有机质提供参考与借鉴。

基于加权信息量和迭代自组织聚类的地质灾害易发性评价

以三峡库区忠县-方斗山地区为研究对象,首先选取坡度、坡向、坡高、岩土体类型、坡体结构、构造、水的作用、人类工程活动等8个评价因子建立地质灾害易发性评价指标体系,并对因子状态进行分级;然后,采用层次分析法计算各指标因子的权重,应用加权信息量模型进行地质灾害易发性评价;再者,利用迭代自组织聚类模型对地质灾害易发性评价结果进行分级区划;最后,对地质灾害易发性评价的精度进行定量评价。结果表明:地质灾害易发性评价结果与实际地质灾害发生的吻合度高、评价结果可靠、评价方法精度高、适用性强;岩土体类型、坡体结构、水的作用及人类工程活动是地质灾害发育的最主要控制因素;地质灾害易发性划分为极高易发、高易发、中易发、低易发、极低易发五个等级。建立的评价方法从权重确定和等级划分方面完善了地质灾害易发性评价理论体系,可为区域地质灾害易发性评价提供理论指导和技术参考。

一种新的GM（1，1）建模方法——迭代加速法

在GM（1，1）逐步优化直接建模方法的基础之上，得到了迭代的收敛速度，并由此得到了迭代－加速公式。在参数a较大时，迭代加速法具有收敛速度快等优点，弥补了原逐步优化直接建模方法收敛速度慢的缺陷。

水安全系统多变量迭代综合评价模型的应用

现有的水安全评价方法多为指标的加权和,忽略了指标间的相互作用对整个系统评价带来的影响。在证实水安全系统具有复杂适应性的基础上,基于复杂适应系统的4个特性和3个机制及其之间的相互关系,从各特性和机制协调度的角度出发,建立了水安全系统多变量迭代评价模型。该模型充分考虑了系统内部指标间的复杂非线性关系,评价结果更加科学、客观。对建三江地区水安全系统进行评价,结果与该地区实际情况相符,充分证实了该模型的可行性与有效性。

高次插值迭代优选法

一引言:计值信息的充分利用在单因素优选法中,黄金分割法和 Fibonacci 法都是线性收敛的。它们对目标函数性质的依赖性很弱。与此相关,它们对于函数值信息的利用很不充分。抛物线法则不然,在目标函数具有三阶连续导数的假设之下,把函数值信息用于二次代数插值。

广义拟补问题的迭代算法及其收敛性分析

通过改变变量法建立了一类广义拟补问题与Wiener-Hopf方程的等价关系。运用该等价关系,研究了广义相补问题的迭代算法以及收敛性分析,推广了文献中的相应结果。

基于IRIV算法优选大豆叶片高光谱特征波长变量估测SPAD值

在植物叶绿素特征波长变量筛选过程中,与叶绿素关系较弱的波长变量极易被忽略,导致这些弱信息变量包含叶绿素的有效信息丢失,因此,确定叶片光谱中弱信息变量对揭示叶绿素高光谱响应规律具有重要意义。该研究以江汉平原大豆鼓粒期的叶片为研究对象,采集80组大豆叶片高光谱和SPAD(soil and plant analyzer development)值,分析SPAD值与大豆叶片反射率相关关系和光谱波长变量自相关关系,基于迭代和保留信息变量法(iteratively retains informative variables,IRIV)筛选大豆叶片的特征波长变量,建立偏最小二乘回归(partial least squares regression,PLSR)和支持向量机(support vector machine,SVM)模型估测SPAD值。结果表明,大豆叶片SPAD值与光谱反射率在可见光波段具有极显著负相关,在近红外波段存在不显著的正相关性(P>0.01);可见光、近红外2波段的波长变量之间相关性较弱,但2波段内变量之间的相关性较强;基于IRIV算法确定了大豆叶绿素的特征波长变量,利用特征波长变量建立的估测模型的估测能力高于仅利用强信息波长变量建立的估测模型,表明弱信息变量对估测叶片SPAD值具有重要意义;IRIV-SVM模型估测能力最优,验证集R2和相对分析误差(RPD)分别为0.73、1.82。该文尝试证明了光谱中弱信息变量的重要性,为揭示叶片高光谱响应机理提供了理论依据。

变量相关情况下结构可靠指标的简化算法

根据可靠指标的几何意义,通过坐标转换和矩阵变换,探讨了非线性功能函数在变量相关条件下可靠指标的直接迭代计算方法,导出了计算可靠指标的分位值法迭代计算公式,并给出了2个算例.计算结果表明,与传统算法相比,该算法计算简单、精度高.

负荷分配问题的最陡增/减变量对寻优法

机组的经济目标函数以多段或二次项系数小于零的单段二次函数表示时,负荷分配问题就呈现出非凸、非线性特性,给高效求取全局最优解或具有较高性能的局部最优解带来了较大困难。该文提出了一种最陡增/减变量对寻优法,此方法每次迭代过程只有两个变量(变量对)发生变化,其中一个增大,另一个进行同等量值的减小,增/减的步长按照一定的规则动态控制,并确保满足约束条件;同时,从原目标函数关于增/减变量对的偏导数和最小的变量对中动态地选择变量对,以确保每次迭代都能够按照使原目标函数最陡下降的变量对方向进行。此方法可快速求得凸二次规划问题的全局最优解和非凸二次规划问题的局部最优解。进一步地,该文结合问题的特点引入一种简捷的进化策略,使最陡增/减变量对寻优法在进化规划的框架下获得了能够求得非凸二次规划问题全局最优解的能力,并在很大程度上保留了原方法快速寻优的优点。算例表明,该文方法和策略为非凸二次规划负荷分配问题提供了一种高效实用的分析工具。

对求解约束优化问题中的变量轮换法的改进

在利用约束变量轮换法优点的基础上 ,建立了一组新的搜索方向 ,迭代过程类似于约束变量轮换法 ,并使约束变量轮换法的效能得到加强。通过实例分析显示 ,它具有比约束变量轮换法更高的计算精度和稳定性。

基于混合变量选择的绿茶酚氨比近红外光谱检测方法

【目的】为建立绿色、快速绿茶滋味品质指标酚氨比近红外光谱检测方法,并利用化学计量学方法有效提高检测精度。【方法】首先,利用标准正态变量变换(SNV)对茶叶浸出物近红外光谱进行预处理,消除光散射引起的噪音,提高光谱信噪比。其次,采用变量组成集群分析-迭代保留信息变量(VCPA-IRIV)混合特征提取方法、竞争性自适应重加权算法和连续投影算法对茶叶浸出物近红外光谱波长变量进行优选,利用优选的特征变量建立非线性随机森林(RF)预测模型,并与线性偏最小二乘(PLS)进行比较。【结果】VCPA-IRIV有效筛选出18个与茶多酚和氨基酸相关的特征波长,且避免了茶汤中水的强相关光谱特征信息干扰。RF模型性能优于PLS,RF模型训练集相关系数(Rc)和均方根误差RMSEC分别为0.949,0.231;测试集相关系数(Rp)、预测均方根误差(RMSEP)和相对分析误差(RPD)分别为0.943、0.232和3.019。【结论】VCPA-IRIV方法能够有效的提出有效近红外光谱变量,消除冗余光谱信息,可为利用近红外光谱技术在农产品品质与安全快速检测方法提供新的研究思路。

汽-液相平衡中的化简分析拓广法与信息化

历史唯物主义和辩证唯物主义坚持"实践第一"、"理论联系实际"的观点,其中活的灵魂为"实践是检验真理的唯一标准"。为了增强理论联系实际的能力、提升化学理论应用于社会实践的可能性,本文将介绍"化简分析拓广法";并以汽-液相平衡计算为例,说明她的应用;且据此,讨论本问题中的信息化问题。

部分变量带非负约束的严格凸二次规划问题的新算法

本文将正交校正共轭梯度法推广来解只有部分变量带非负约束而其它变量无约束的严格凸二次规划，所建立的新算法的优点是：在迭代过程中，不用求逆矩阵，这样能保持矩阵的稀疏性，数值结果表明：算法对大规模稀疏二次规划问题是可行和有效的．

基于分离变量法的车用发动机配气机构弹簧动力学模拟

将气门机构的弹簧运动看作是连续弹性体的纵向振动,利用分离变量法建立了弹簧运动的数学模型,并通过实例分析,验证了此数学模型的合理性。

基于高光谱成像技术和IRIV算法的玉米种子品种纯度识别

基于高光谱成像技术,提出了一种无损、快速的玉米种子纯度识别方法.首先,采用多元散射校正(MSC)等方法对数据进行预处理;其次,应用竞争性自适应重加权法(CARS)和迭代保留信息变量法(IRIV)提取特征波长;再次,建立支持向量机(SVM)和线性判别分析(LDA)等纯度识别模型;最后,设置随机种子值,使用采集函数“expected-improvement-plus”搜索置信区间中的待评价点,得到使交叉验证损失最小的超参数值,提高模型的准确率.结果表明:MSC-IRIV-LDA识别模型准确率最高,训练集和预测集的准确率分别为0.9604和0.9333,K值为0.9186;对LDA的δ和γ超参数值进行优化后,进一步提高了训练集、预测集准确率和K值;本研究提出的方法能够实现玉米种子纯度无损、快速识别,为精准农业的发展提供技术支持.

基于局部信息融合的正交稀疏保留投影分析

模式识别领域对于样本分类判别的准则有很多,近期运用比较多的是将原始数据样本的稀疏重构关系保持到投影变换后的样本空间中,从而增加分类的准确性。稀疏保留投影算法(SPP)就是基于该思想发展起来的典型算法。该算法在寻找最佳投影变换时是从样本的全局角度出发,没有考虑到样本总体呈现非线性而局部线性的空间结构,样本间的局部信息对识别率同样有很大的提升作用,同时SPP算法获取的投影变化是非正交的,特征变换之间存在冗余信息,特征信息之间存在冗余的情况对于样本分类过程存在很大的干扰项。基于以上不足之处,提出基于局部信息融合的正交稀疏保留投影,将正交性以及样本间的局部结构信息融入SPP算法之中,同时在AR以及CAS-PEAL人脸库上对所提算法进行验证。