某些发展方程的Hamilton正则表示

本文基于已有方法,引进一种新对偶参量的设法,并给出求Hamilton正则化的一种改进方法,对此法进行规范,进而推广该法,使得它的应用范围更广,计算量更小,更易于获得Hamilton正则表示.最后举例验证了该法的有效性.

KdV方程的Hamilton正则表示及应用

根据变分理论，通过适当变形后给出关于KdV方程的一则Hamilton正则表示，从而得出了在周期性边界条件下关于KdV、MKdV、PKdV和HKdV等方程在X方向上的守恒律。

一族Liouville可积系及其双约束流的Hamilton正则表示

构造了高阶ｌｏｏｐ代数Ａ２的一个特殊子代数，由此建立了一个３×３等谱问题，利用屠格式 得到了一族Ｌｉｏｕｖｉｌｌｅ意义下的可积 Ｈａｍｉｌｔｏｎ方程．通过建立双对称约束，得到了该方程族的两组 约束流，并将其化为正则表示 Ｈａｍｉｌｔｏｎ系统．

一族新的可积系及其双约束流的Hamilton正则表示

基于一个新的等谱问题,按屠格式导出了一族新的可积系,具有双Hamilton结构,通过建立双对称约束,得到了该方程族的两组约束流,并将其化为正则的Hamilton系统.

一类六阶微分方程的Hamilton正则表示

通过以某些六阶常系数偏微分方程作为研究对象,从变分角度出发,获得Lagrange泛函,并引入适当的对偶参量,确定Hamilton泛函,进而实现Hamilton正则化的一种方法,同时,列举了五阶KdV方程和Bretherton方程加以说明,就方程本身,获得了一些新的结果.

Boussinesd方程的Hamilton正则表示

利用狄拉克约束理论给出在浅水中单方向传播的Boussinesd类波浪模型方程的正则表示,并检验.

基于投影的稀疏表示与非局部正则化图像复原方法

提出一种基于投影的稀疏表示与非局部正则化相结合的图像去模糊、去噪图像复原方法.该方法结合了自适应构造字典的稀疏表示与非局部总变差,提出的正则化模型分解为三个投影子问题进行求解以提高求解效率.实验结果表明,本文所提出的图像复原方法能够有效地保持原图像的纹理细节信息,对于不同程度的退化图像上均有较好的复原结果,在视觉效果和客观评价指标上均优于相比较的现有方法.

基于正则表示的SQL注入过滤模块设计

研究SQL注入攻击行为及语法特征,采用正则表达式对攻击特征进行描述,在此基础上设计Web服务端SQL注入攻击过滤模块,使Http请求被提交至系统模块处理前实现注入攻击检查。测试结果表明,与单纯基于关键字的过滤相比,基于正则表示的过滤具有更高的识别率和较低的误报率,加载了过滤模块的Web服务器能较好地拦截多种SQL注入攻击,并且服务延迟较小。

基于稀疏表示和学习图正则的高光谱图像特征提取

针对传统局部特征提取算法难以确定邻域参数,以及仅考虑数据间的单一结构而漏掉重要信息的问题,提出一种基于稀疏表示和学习图正则的局部判别与全局稀疏保持投影算法。该算法首先对稀疏表示模型施加基于学习的图正则器,用该改进的稀疏表示模型自适应揭示样本数据间的局部线性结构,通过局部判别模型全局集成算法来提取局部线性结构中的判别信息;利用基于学习图正则稀疏表示模型构建的新型稀疏图来揭示数据间的全局稀疏结构;使得数据的局部判别结构和全局稀疏结构在低维特征空间得以保持。通过1-近邻和支持向量机分类器对实验结果进行评估,在PaviaU和Indian Pines两个高光谱公共数据集上的实验显示,提出的局部判别与全局稀疏保持投影算法较对比算法取得了最好的性能,由于提取了全局和局部的判别信息,有效提升了高光谱图像的地物分类精度。

深度运动图耦合正则化表示的行为识别算法

为了提高图像行为的识别精度,使其能够准确判别行为识别中的微小变化以及遮挡问题,提出了基于深度运动图(depth motion maps,DMM)与正则化协同表示的行为识别算法。首先,将深度图像序列投射到3个正交平面上,得到了3个方向的投射图。对于不同的投射图,通过测量两个连续映射之间的绝对差值来表示运动能量,并将所有深度图像序列中运动能量进行叠加,获得了3个方向的深度运动图。随后,根据这些投射图,DMM能从多个方向获取更多具有判别力的运动信息。再引入Hough变换(Hough transform,HT)算子,提取DMM中3个方向的HT特征,并其进行归一化融合,获取DMM-HT特征。最后,引入Tikhonov正则化计算系数向量,构建正则化协同表示分类器,对每个位置样本的分类标签完成深度行为分类学习,实现人体行为的准确识别。实验数据表明,与当前行为识别技术相比,算法具有更强的鲁棒性,能完成各种行为的识别,在遮挡、噪声等干扰条件下具有更高的识别精度。所提算法能够较好地适应复杂环境下的人体动作准确识别,在智能家居、视频监测、人机交互等领域具有良好的参考价值。

2r-正则图连通圈网络的Hamilton分解

互连网络是超级计算机的重要组成部分。互连网络通常模型化为一个图,图的顶点代表处理机,图的边代表通信链路。2010年师海忠提出互连网络的正则图连通圈网络模型,设计出了多种互连网络,也提出了一系列猜想。文中证明了2r-正则图连通圈网络可分解为边不交的一个Hamilton圈和一个完美对集的并,从而证明了当原图为2r-正则连通图时,这一系列猜想成立。

叠层板结构Hamilton正则方程理论及其在发电机铁芯振动分析中的应用

根据文献将三维弹性力学基本方程表达成 Hamilton正则方程 ,采用半解析法求解 ,即用混合变量 Ham il-tonian等参元离散板平面 ,而高度方向用解析法。这种方法使叠层板问题不局限于某一形状 ,同时只要一层板的离散单元数确定 ,则全部未知数的个数就确定 ,比传统的三维有限元未知数少得多。通过用该方法对某汽轮发电机定子铁芯的固有频率分析 。

广义经典力学中完整系统Hamilton正则方程的形式不变性

研究广义力学中Hamilton正则方程的形式不变性.给出正则方程形式不变性的定义和判据.建立形式不变性与系统守恒量之间的关系,并举例说明结果的应用.

正则化恢复联合稀疏表示的图像超分辨率重构

为改善强降质图像的分辨率水平,提出了一种正则化恢复联合稀疏表示的单帧图像超分辨率重构框架。为同时放大图像并抑制模糊及噪声,首先根据退化估计正则化平衡极小问题的逼近项和先验项,然后基于初步的锐利清晰图像和预先建立的图像超完备稀疏表示字典实现边缘保持的图像分辨率放大。正则化恢复的输出改善了传统学习法图像超分辨中低频分量的双立方插值版本,同时对降质的有效抑制降低了字典原子对退化信息的依赖性。实验结果表明,本方法可对模糊含噪的低分辨率图像实现有效的超分辨率重构。

基于可分型Hamilton正则方程的复合材料层合板自由边缘效应研究

提出一种可分型Hamilton正则方程与有限元法相结合的半解析法理论,研究辛体系下正交异性复合材料层合板自由边缘效应问题。首先根据修正后的H-R变分原理,推导可分型Hamilton正则方程,应用有限元法建立沿厚度方向的状态方程。然后,实例计算分析复合材料层合板层间应力。通过数值算例验证了方法的有效性。

变质量非完整系统Hamilton正则方程的积分因子和守恒定理

提出了变质量非完整非保守系统守恒定理构成的一般途径 ,给出了积分因子的定义 ,研究了守恒量存在的必要条件 ,建立了变质量非完整非保守动力学系统Hamilton正则方程的守恒定理 ,并举例说明结果的应用 .由实例可明显看出 ,用积分因子理论求系统的守恒量 ,与以前的方法相比 ,具有限制条件少、运算简单的优点 .

Hamilton正则方程半解析法的收敛和对称分析

近年来,Hamilton正则方程半解析法在工程问题上的应用越来越广泛,但至今未见有关这种方法收敛性和对称性问题研究的文献。基于Hamilton正则方程的半解析法理论,通过变分原理详细推导了Hamiltonian元素的固支和简支边界公式及对称边界公式。多个实例的数值研究表明:随着网格加密,Hamilton正则方程半解析法的收敛速度快于一般传统位移有限元法,对称解法的效率明显优于整体解法。

基于稀疏表示的正则化超分辨率重建算法

为了能在超分辨率重建过程中更好地保留图像的边缘及纹理等特性,提出基于稀疏表示的正则化超分辨率重建算法.首先通过K-SVD方法得到单一的超完备字典,然后在此基础上进行改进得到高、低分辨率的字典,并在重建过程中通过自适应选取正则化参数的方法动态调节目标函数中重建误差逼近项和稀疏性约束项,从而实现超分辨率重建.通过仿真实验验证该算法能够有效地提高重建图像的质量.

弹性地基上矩形薄板问题的Hamilton正则方程及解析解

利用辛算法求出弹性地基上矩形薄板问题的解析解,将弹性地基视为双参数弹性地基,直接从弹性矩形薄板的控制方程推导出了问题的Ham ilton正则方程,为求出任意边界条件下问题的理论解奠定了基础,并且通过算例验证了文中所采用方法的正确性.

基于字典学习的正则化鲁棒稀疏表示肿瘤细胞图像识别

针对胃黏膜肿瘤细胞图像的高维性及复杂性的特点,为了提高稀疏表示图像识别的鲁棒性,提出了一种基于字典学习的正则化鲁棒稀疏表示(RRC)肿瘤细胞图像识别方法。该方法首先将所有的原始染色肿瘤细胞图像转化为灰度图像;然后利用具有Fisher判别约束的字典学习(FDDL)方法对肿瘤细胞图像训练样本的全局特征进行字典学习,得到具有类别标签的结构化字典;最后将具有判别性的新字典用于RRC模型进行分类识别。RRC模型是基于最大后验概率准则,将稀疏保真度表示为余项的最大后验概率函数,最终识别问题转化为求解正则化加权范数的优化逼近问题。将提出的识别方法应用于肿瘤细胞图像的最高识别率为92.4%,表明该方法能够有效地实现肿瘤细胞图像的分类。