人脸识别中的零范数稀疏编码

为解决人脸识别中运算速度和识别效果之间的矛盾,提出了零范数稀疏编码算法.该算法用零范数捕述稀疏编码模型的稀疏度,通过对模型的间断点连续开拓,有效地提高了算法收敛速度.运用ORL人脸数据库对该算法进行识别率和效率测试,并与非负稀疏编码算法和非负矩阵稀疏分解算法进行对比,表明文中提出的算法调节稀疏度的能力更强,可有效缩短运算时间,并在较短时间内获得较高的识别率.

非线性离散广义系统的H_∞控制

针对非线性离散广义系统研究了状态反馈H∞控制器的设计问题,利用广义Lyapunov函数和线性矩阵不等式(LMI),首先对系统的零解渐近稳定问题进行了研究,并在此基础上给出了系统的零解渐近稳定且具有H∞范数约束的充分条件,之后设计了状态反馈H∞控制器,使闭环系统具有同样的性能,最后给出了数值算例说明本文结论的有效性和可行性.

max-zero t-模复合意义下的模糊矩阵幂序列的收敛性

主要讨论模糊矩阵在max-zerot-模(以下简称为max-t0)复合意义下的收敛性。证明了模糊矩阵在max-t0复合意义下只有有限收敛,无限收敛,有限振荡及无限振荡这四种情况。并主要以一种特殊且重要的zerot-模:lukasiewiczt-模为例,研究了max-lukasiewiczt-模(以下简称为max-lu)复合意义下的模糊矩阵的收敛性,证明了在max-lu复合意义下,模糊矩阵要么有限收敛要么有限振荡。且比较了在max-lu复合意义下以及在max-product复合意义下,模糊矩阵收敛性的相同之处与不同之处,并揭示其原因。

面向三维点云模型的鲁棒零水印技术

对三维点云模型零水印技术开展研究,基于三维模型形状分析、结合数据分析理论,选择具有较高稳定性的三维模型全局几何特征作为水印构造的基础,通过计算三维模型顶点范数,以顶点范数为依据建立三维模型有序顶点集,分析顶点集中顶点数目的分布情况构造水印。实验结果表明,该方法执行速度较快,可以直接应用于三维点云数据,能够很好地抵抗平移、旋转、均匀缩放、顶点重排序、噪声、简化、量化、平滑和细分等常见攻击,对剪切攻击也有一定的鲁棒性,能够满足三维模型版权保护的要求。

基于范数与范数均值比较的印刷防伪水印算法

现有印刷防伪水印算法在原始图像中嵌入水印,其不可见性有待改进,而且缺乏对抵抗二次打印-扫描的研究。针对这些问题,本文利用范数与范数均值比较提出一种印刷品防伪水印算法。算法对原始图像进行离散小波变换,将小波低频逼近子带分割成互不重叠的子块,对每个子块进行奇异值分解,判断各个子块的奇异值矩阵范数与所有子块奇异值矩阵范数的均值之间的大小关系产生零水印序列。算法实质上没有对原始图像做任何改动,具有非常好的不可见性。实验结果表明,算法能够抵抗一次和二次打印-扫描攻击。

用于稀疏系统辨识的改进惩罚LMS算法研究

基于加权零吸引因子最小均方算法(RZA-LMS),提出了一种应用于系统辨识的新型自适应滤波算法(ARZA-LMS)。RZA-LMS通过在标准LMS算法迭代过程中添加零吸引因子,促进了滤波器小权系数的收敛,从而在辨识稀疏系统时,加快了算法的整体收敛速度。但是RZA-LMS算法中的零吸引因子,选择了固定的e,过于武断,降低了算法的鲁棒性。通过在参数e与误差信号e之间建立非线性关系,使零吸引因子在最小化MSE更具有灵活性,提出了一种改进的RZA-LMS,提高了对系统辨识的收敛速度和稳定性。最后,计算机仿真验证了新算法的性能明显优于原算法和若干现有稀疏系统辨识的方法。

一类广义非线性系统的H_∞控制

研究一种具有特殊形式的广义非线性系统的状态反馈H∞控制器设计问题·此类系统的状态方程可以分成线性部分和非线性部分·利用广义Lyapunov函数和Lyapunov方程,首先给出广义非线性系统零解渐近稳定的充分条件,然后以代数Riccati不等式的形式,得到广义非线性系统零解渐近稳定且具有H∞范数约束的条件,进而在此基础上给出静态状态反馈H∞控制器存在的充分条件,保证闭环系统具有上述性能,并利用Lyapunov方程的解提出相应控制器的构造方法,最后提供一个数值算例以证明文中结论的有效性·

基于有限时间广义H_2范数的直接侧向力启控时间分析

采用直接侧向力与气动力复合控制技术可以显著改善导弹末制导系统性能,而确定直接侧向力启控时间是复合控制技术的关键问题。首先给出了复合控制导弹末制导系统的数学描述,然后基于有限时间广义H2范数,分析了直接侧向力启控时间与零效脱靶量、目标机动、导引头量测噪声的内在关系,最后根据零效脱靶量随启控剩余时间的变化情况,指出存在一个启控剩余时间临界值,可以为直接侧向力启控时间的确定提供重要依据。

滞后广义系统的状态反馈H_∞控制

研究了一类状态方程和输出方程均带有时滞的滞后广义系统的H∞ 控制问题 .利用线性矩阵不等式 ,首先给出滞后广义系统零解渐近稳定且具有H∞ 范数约束的充分条件 ,进而分别设计无记忆和有记忆状态反馈控制律 ,保证闭环系统具有上述性能 ,同时基于线性矩阵不等式的解得到了相应控制器构造方法 .

零翻译初始规范形成的描写研究

零翻译是文化交流的缩影。对零翻译形成过程的文本外历史资料的描写研究显示,零翻译是受文化交往社会规范制约的翻译活动。

应用L_1范数极小法拟合零炮检距道

虽然多项式拟合零炮检距数据法在很多方面均优于水平叠加法，但在克服多次波方面却不如叠加法。而“剔除拟合法”可根据拟会误差对原始数据作一定取舍，来解决这个问题、然而，当近道有强多次波存在时，这种取舍就极可能发生错误，其原因就是拟会法同叠加法都基于最小二乘法，而最小二乘法的拟合结果总是偏向大偏差的数据点。鉴于L_1范数极小法比最小二乘法更为稳健，因此，本文提出用它来进行多项式拟合零炮检距数据。理论模型和实际资料的试验结果表明，这种方法既保留了拟合法本身具有的优点，同时又对多次波有一定的衰减作用。

期权套期保值的非线性H_∞控制问题

基于非线性Ｈ∞控制理论，应用离散时间二人零和动态对策理论方法，研究期权标的资产收益率波动ｌ２ 范数有界不确定情形的期权动态套期保值问题·以欧式股票看涨期权为例，建立了具有不确定性的离散时间动态模型，从最差角度出发推导了期权套期保值问题状态反馈保值策略存在的条件和求解过程·Ｈ∞动态套期保值策略可以有效地抑制金融风险。

零翻译操作规范的描写研究

对零翻译的进一步探讨体现在零翻译在目的语中的工作机制研究上。描写研究与对比研究揭示了零翻译的操作规范，即在语义层面需要与其他翻译方法一起使用以便构成足够的语境传达语义。在文体层面，由于零翻译与其他翻译方法的文体效果存在差异，零翻译受到文体规范的制约。

无线传感器网络数据的零范数最小化重构

利用压缩感知理论重构网络数据可有效减少无线传感器网络数据传输能耗。已有重构算法复杂度高,难以满足无线传感器网络的高实时性要求。为提高基于压缩感知理论的网络数据重构的实时性,提出一种零范数最小化重构方法。首先构造连续函数对离散的零范数函数进行逼近,然后通过求解连续函数的最优化问题得到零范数最小化的近似解。与以往的压缩感知重构方法相比,零范数最小化重构在保证重构准确度的前提下有效减小了算法复杂度。仿真实验验证了所提算法的正确性和有效性。

一般非线性控制系统的零动态与弱正则标准形

将零动态分为几种类型，运用泛函分析等工具，研究了一般非线性系统与其作为仿射非线性系统的伴随系统的零动态之间的关系．结果表明，两者之间存在密切关系．通过这些联系，并利用仿射非线性系统的已有结果得到了一般非线性系统的弱正则标准形，从而简化对输出跟踪等一些问题的处理．

一种鲁棒音频零水印算法

为了实现数字音频的版权保护,根据音频信号的短时平稳特性和离散小波变换的多分辨率分析特性,设计了一种基于范重心和提升小波变换的数字音频零水印算法.算法首先将音频信号进行分帧,其次对分帧音频进行三级小波提升,提取低频近似分量的范重心,并根据分量范重心与均值向量之间的关系生成特征向量,最后将特征向量与水印运算得到代表原始音频的版权信息.实验结果表明,该算法对音频信号遭受的常见攻击具有较强的鲁棒性,同时密钥的使用保证了算法的安全性.

欧洲三国建筑节能近况

本文就欧洲三国建筑节能技术的考察报告,基本上反映了当前欧洲在建筑节能方面的动向和在发展新技术、新材料方面所取得的成就,为我国今后制订新标准、发展新技术提供了较为丰富的有益经验。

基于零级N/T泛数完整簇的概率逻辑算子的研究

在人工智能中不确定性理论、主观Bayes方法、证据理论等都是基于概率论的。但是,这些不确定性推理方法仅仅是基于概率,而不能真正实现逻辑框架内的概率逻辑不确定推理,产生这种现象的主要原因是概率逻辑自身存在着缺陷。按照泛逻辑学的生成规则,基于零级N/T/S范数完整簇从泛逻辑学的角度来构造概率逻辑算子。结果表明概率逻辑是能够在泛逻辑学的框架内进行柔性化的,是命题泛逻辑在h=0.75时的一种特例。

向量范数的积分不等式与应用

证明了2-范数积分不等式,进一步将其推广到一般范数的积分不等式.作为该结果的一个应用,本文在最后一部分给出一个实例说明采用一般的向量范数也可以证明微分方程解的唯一性,从而扩展了微分方程理论分析的思维方法.

基于复原图像特征与深度视觉特征融合的锑粗选异常工况识别

本文针对锑粗选异常工况下泡沫层高度改变,导致位置固定的工业相机采集到的泡沫图像存在离焦模糊的问题,提出了一种基于泡沫复原图像特征和深度视觉特征融合的锑粗选异常工况识别方法.该方法首先通过分析不同工况下模糊泡沫图像的特点,采用基于L0和L2正则项的模糊核估计方法提取了模糊核零范数特征,再利用L–R算法提取了灰度平均梯度差特征.其次,为了往更深层次挖掘异常工况下模糊泡沫图像的特征信息,本文采用迁移学习方法,基于InceptionResNetV1深度神经网络,利用大量泡沫图像数据对深度神经网络进行微调,进而提取泡沫图像的深度视觉特征.最后,基于XGBoost机器学习算法,先对高维视觉特征进行降维,再融合复原图像特征与深度视觉特征,对不同工况下的泡沫图像进行分类识别.锑粗选实验结果表明,该方法能够有效降低样本错分率,提高锑粗选异常工况识别率.