基于Hession矩阵的电子元器件针脚检测算法

针对现有的电子元器件针脚检测算法准确性低和适应性差的问题,提出了一种基于Hession矩阵的元器件针脚检测算法。该算法是基于Hession矩阵检测算法,给定元器件针脚尺度只检测对应半径的斑点后,融合重叠度、圆度等斑点检测参数过滤得到初始的针脚区域,最后用轮廓跟踪算法检测图像中的连通域作为掩膜与初始的针脚区域相乘后得到最终的针脚区域。实验结果显示:该算法能准确地检测出多种类型元器件的针脚,具有更高的适用性。

由新Hession矩阵所构造的简谐势能函数及其应用

经过简单的矩阵变换，得到了新Hession矩阵．由它构造的多原子分子简谐振势函数可以准确地拟会实验频率．在此基础上，采用准经典轨迹法，模拟了SiH4H2O等体系分子内能量转移的动力学过程，得到的结果与实验及理论一致．

基于Hession矩阵优化的NDEKF神经网络辨识永磁直线同步电机

永磁直线同步电动机模型的建立对研究其稳态特性、动态特性和控制策略都是非常重要的.首先,将带外部输入的非线性自回归模型展成多项式形式,然后在此基础上用残差分析法导出真实的阶次所满足的条件.为了克服神经网络结构依靠人工试凑的不足,使用基于Hession矩阵的修剪法来优化其结构.考虑到BP算法的一些固有缺点,使用NDEKF(基于节点的解耦扩展Kalman滤波器算法)来训练网络.实验证明,网络的输出结果与试验样机(永磁直线同步电动机驱动的垂直运输系统)的实际输出十分接近;同时将NDEKF与BP算法进行对比,NDEKF算法具有收敛较快、泛化能力强、不易陷入局部极小等特点.

基于Hession矩阵稳定性统计点的通信抗干扰算法

为确保无线通信的可靠性,提出一种有效的基于盲源分离算法的无线通信系统抗干扰算法。针对扩频通信系统进行建模设计,算法使用Hessian矩阵判定得到的有用解是否为最值点,作为信噪分离过程稳定性的判定统计点,作权系数的修订,对扩频通信系统中的盲源分离算法进行了建模,改善扩频通信系统受到复杂电磁环境干扰性能。仿真实验表明通过新的盲源分离抗干扰算法,整个扩频通信系统的信噪比以及抗干扰性能得到了很大的提高,与传统小波处理以及统计信噪分离算法相比,整体信噪比平均提高了4 dB,展示了算法在扩频通信中具有较好的抗干扰性能,在无线通信抗干扰系统设计中具有较好的实际应用价值。

Hession矩阵凸性判别法选择凸性目标函数解决ANN学习算法中局部极值问题

误差反传学习算法（即BP算法）是人工神经网络（ANN）中应用最广泛，影响最大的一种ANN学习算法，但是BP算法和其他学习算法一样，存在收敛速度慢和局部极小值问题，采用Hession矩阵凸性判别法选择凸性目标函数，保证学习过程中所求出的目标函数的极小值就是全局极小值，从根本上避免了陷入局部极小值问题和由局部极小值所导致的收敛速度慢的问题，对于ANN学习算法目标函数的选择具有一定指标意义。

SURF算法和RANSAC算法相结合的遥感图像匹配方法

综合利用了SURF(speeded up robust features)算法和RANSAC(random sample consensus)算法各自的优势,提出了一种SURF算法和RANSAC算法相结合的遥感图像匹配方法。首先利用SURF算法提取特征点并进行预匹配,然后用RANSAC算法剔除误匹配点对,解决了SURF算法中存在的误差匹配和错误匹配问题。通过实验验证了所提算法的有效性,并且该算法在实际应用中也取得了良好的效果。

NDEKF神经网络辨识永磁直线同步电动机

将带外部输入的非线性自回归模型展开成多项式形式,在此基础上用残差分析法导出真实的阶次所满足的条件。为了克服神经网络结构依靠人工试凑的不足,使用基于Hession矩阵的修剪法来优化其结构。考虑到BP算法的一些固有缺点,使用NDEKF(基于节点的解耦扩展Kalman滤波器算法)来训练网络。实验证明,网络的输出结果与试验样机的实际输出十分接近;同时将NDEKF与BP算法进行对比,NDEKF算法具有收敛较快、泛化能力强、不易陷入局部极小等特点。

少自由度并联机构运动学解析方法研究

对于少自由度的并联机构,基于它在运动时受到的约束力和约束力矩.给出了约束力/约束力矩的判断准则.并推导出了少自由度并联机构统一的雅可比矩阵和Hession矩阵.最后,应用所推导理论,对3-RPS并联机构进行运动学分析.为少自由度并联机构的静力学、动力学解析提供了统一的运算依据.