一种冗余小波变换的心电信号噪声消除方法

平稳小波变换去除心电信号噪声较好抑制了小波空间适应法消噪产生的伪Gibbs现象,但其重建过程相对复杂。提出对受噪声污染的心电信号移位一次,将移位信号及原信号分别进行正交小波变换阈值去噪,以它们的平均作为去噪结果。实验表明可以获得与平稳小波变换相同的去噪效果,但算法实现更简单快速。

抛物线方程在计算三维电大目标电磁散射中的应用

抛物线方程算法是建立在波动方程轴向近似基础上的一种数值方法,该方法假设电磁波能量沿抛物线轴向的锥形区域传播。文章推导了三维标准的抛物线方程及相应的近场-远场变换理论,并计算了理想导体球的雷达散射截面;数值结果表明抛物线方程算法的引入,在保证一定精度的前提下,大大提高了计算效率,节约了内存。

离散型Z-number效用的计算及其应用

针对Z-number效用的问题,提出了离散型Z-number效用的计算方法。首先,针对离散型Znumber的隶属度值的两种分布类型,基于3σ原则和线性函数分别提出了两种不同的将离散型模糊数转化成高斯模糊数和三角模糊数的方法,从而将离散型Z-number转化成连续型Z-number;然后结合连续型Znumber的效用函数,针对转化后的Z-number的4种情形,给出了离散型Z-number效用的计算方法;最后,通过一个多属性决策实例,利用提出的转化方法和计算方法将目标属性信息转化成效用值,并结合基于信息熵的多属性决策方法,给出决策目标的最优排序,从而展现两种离散模糊数的转化方法以及离散型Znumber效用计算方法的可行性和有效性。

基于邻近度的安徽省人均GDP组合预测模型

针对安徽省人均GDP预测问题,以安徽省2000-2018年人均GDP数据为研究区间,其中2000-2017年数据作为训练集,2018年数据作为测试集,提出了一类新的预测评价指标-邻近度及基于邻近度的组合预测模型,并引入一种新的组合权系数求解方法;首先对训练集进行单项预测,即对训练集数据进行指数预测、抛物线预测和移动平均预测,接下来对各单项预测值综合考虑,建立基于邻近度的加权几何平均组合预测模型,通过求解模型得出各单项预测权系数进而求出基于邻近度的组合预测值,最后分别在测试集和训练集上与其他预测方法预测结果进行比较,并预测安徽省2019-2021年人均GDP数据。

多涂覆目标的RCS可视化计算

涂覆雷达吸波材料技术(RAM)是隐身技术中重要的技术之一,在现代隐身武器设计中得到广泛应用。GRECO方法使用Phong光照模型获取法矢等几何参数,只能处理目标表面单一涂覆的情况。使用索引法即用像素的颜色表示索引序号的方法,就可以处理目标表面不同部位有不同涂覆参数的多种涂覆情况。计算结果与相关文献进行比较,结果令人满意。

一种新的模糊决策树算法——基于加权毕达哥拉斯模糊熵

传统的模糊决策树虽然可以从模糊数据中抽取模糊分类规则,但只能获取节点的隶属度信息,无法得出样本数据对于节点的非隶属度和犹豫度信息,导致数据分类的准确率不高。针对此,基于毕达哥拉斯模糊集理论,提出了一种新的加权毕达哥拉斯模糊决策树算法(Weighted Pythagorean Fuzzy Decision Tree,WPFDT)。首先,通过改进的K-means聚类算法得到连续属性数据的聚类中心,并结合三角模糊数对连续数据进行模糊处理;其次,定义并计算每一个属性的加权毕达哥拉斯模糊熵,选择加权毕达哥拉斯模糊熵最小的属性作为决策树根节点,在根节点下递归选择模糊熵最小的属性作为分裂节点,同时通过阈值控制树的规模,得到从根节点到叶子节点路径的模糊规则以及模糊规则的隶属度、非隶属度以及犹豫度,并完成预测分类,直至生成WPFDT模型;最后,选取UCI上的3个医学数据集(Haberman、Breast Cancer、Parkinson)进行实验,在分类准确率和得出模糊规则的数量与3种传统决策树算法(模糊ID3算法、C4.5算法、CART算法)比较,实验结果表明:WPFDT在分类精度和树大小上都优于其他传统决策树算法,并且有较高的召回率和精确率。

基于GBM算子的不平衡概率语言Z-number多属性群决策

Z-number作为一种有效的信息表达方式,能够很好的描述带有不确定信息的自然语言.但大多数关于Z-number的研究依赖于均匀分布的语言术语集,并且用于聚合Z-number信息的聚合算子很少能够考虑属性之间的关系.提出一种非均匀分布的语言尺度函数,讨论了概率语言Z-number在不平衡语义下的情形,运用定义的新型算子对于概率语言Z-number进行聚合.定义相关运算以及得分函数,构建多目标线性优化模型确定最佳投资比例.通过实例说明了所提出方法的可行性与有效性,并进行了灵敏度分析.

基于小波变换与支持向量机回归的冬小麦叶面积指数估算

叶面积指数(LAI)是作物长势诊断及产量预测的重要参数。通过对冬小麦采样点的高光谱曲线进行连续小波变换(CWT),然后利用小波系数与LAI建立支持向量机回归(SVR)模型,实现冬小麦不同生育时期的叶面积指数估算。通过对所研究方法与选取的植被指数、偏最小二乘(PLS)回归等5种方法的反演结果进行统计分析。结果表明:利用连续小波变换确定的LAI的敏感波段为680、739、802、895 nm,对应尺度分别为8、4、9和8,对应小波系数的LAI回归确定系数(R2)明显高于冠层反射率的回归确定系数;利用小波系数与LAI建立的SVR模型的反演精度最高,模型实测值与预测值的检验精度(R2)为0.86,均方根误差(RMSE)为0.43;而常用植被指数(归一化植被指数,NDVI;比值植被指数,RVI)建立的估测模型对冬小麦多个生育时期LAI反演精度最低(R2<0.76,RMSE>0.56)。因此利用连续小波变换进行数据预处理,能更好地筛选出对叶面积指数敏感的信息,LAI回归方法比较结果表明,SVR比PLS更适合于LAI的估测,通过将CWT与SVR结合(CWT-SVR)能实现不同生育时期冬小麦叶面积指数的遥感估算。

冬小麦叶面积指数遥感反演方法比较研究

叶面积指数(leaf area index,LAI)是反映作物生长状况和进行产量预测预报的主要指标之一,对诊断作物生长状况具有重要意义。遥感技术为大面积、快速监测植被LAI提供了有效途径。利用高光谱遥感影像,结合田间同步实验数据,探讨不同方法对冬小麦叶面积指数遥感反演的能力。介绍了支持向量机、离散小波变换、连续小波变换和主成分分析四种LAI反演方法。分别利用上述四种方法构建冬小麦LAI反演模型,并对不同算法反演的LAI模型进行了真实性检验。结果显示,支持向量机非线性回归模型精度最高,对冬小麦LAI估算能力最强,反演值与实测值拟合的决定系数为0.823 4、均方根误差为0.419 5。离散小波变换法和主成分分析法都是基于特征提取和数据降维,其多元变量回归分析对LAI估算能力相近,决定系数分别为0.697 1和0.692 4,均方根误差分别为0.605 8和0.554 1。连续小波变换法回归模型精度最低,不适宜直接用其小波系数来反演LAI。结果表明,非线性支持向量机模型最适宜用于研究区域的冬小麦LAI反演。

最小二乘支持向量机方法对冬小麦叶面积指数反演的普适性研究

冬小麦叶面积指数(leaf area index,LAI)是进行作物长势判断和产量估测的重要农学指标之一,高光谱遥感技术为大面积、快速监测植被LAI提供了有效途径。在探讨利用最小二乘支持向量机(least squares support vector machines,LS-SVM)方法和高光谱数据对不同条件下冬小麦LAI的估算能力。在用主成分分析法(principal component analysis,PCA)对PHI航空数据降维的基础上,利用实测LAI数据和高光谱反射率数据,构建LS-SVM模型,采用独立变量法,分别估算不同株型品种、不同生育时期、不同氮素和水分处理条件下的冬小麦LAI,并与传统NDVI模型反演结果对比。结果显示,每种条件下的LS-SVM模型都具有比NDVI模型更高的决定系数和更低的均方根误差值,即反演精度高于相应的NDVI模型。NDVI模型对不同株型品种、不同氮素和水分条件下冬小麦LAI估算精度不稳定,LS-SVM则表现出较好的稳定性。表明LS-SVM方法利用高光谱反射率数据对于不同条件下的冬小麦LAI反演具有良好的学习能力和普适性。

基于压缩感知观测值的数字图像水印算法

根据压缩感知理论具有计算保密性这一特点,提出一种新的基于压缩感知观测值的数字图像水印算法.首先对载体图像进行小波变换,得到稀疏后的小波系数矩阵;然后对小波系数矩阵的不同频率部分,用不同的观测矩阵进行压缩感知,得到压缩后的观测值;再将水印嵌入至小波高频系数部分的观测值中,使用子空间追踪算法恢复稀疏信号,进而通过小波反变换得到加密图像.实验结果表明:该算法具有信息安全性,能满足水印不可见性和鲁棒性要求;相比同类算法,该算法的水印提取过程更加灵活与安全.

最小二乘支持向量机用于时间序列叶面积指数预测

遥感反演的叶面积指数(LAI)时间序列被广泛应用于气候模拟、作物长势监测等研究。但遥感数据受天气等因素影响,时间序列的LAI数据存在缺失。支持向量机(SVM)是一种有效的数据分类和回归预测工具,而最小二乘支持向量机(LS-SVM)是对SVM的有效改进。以西藏那曲县为例,使用2003-2011年MODIS LAI产品,分别用LS-SVM和SVM两种方法对研究区域2011年LAI时间序列进行预测,并用MODIS原始LAI以及部分地面实验样点值进行验证。结果表明,基于LS-SVM的LAI时间序列预测算法的精度比基于SVM的算法高,从而证明LS-SVM方法能够弥补遥感反演时间序列LAI数据的缺失问题,对提高时间序列的LAI遥感产品质量具有重要意义。

基于颜色梯度的图像特征点匹配算法

提出了一种利用颜色梯度的彩色图像特征点的匹配方法。结合图像特征点的颜色梯度信息和几何特征分别构造两幅图像的Laplacian矩阵,并对这两个矩阵进行奇异值分解。利用分解的结果构造出一个反映特征点之间匹配程度的关系矩阵,根据关系矩阵实现两幅图像的特征点匹配。大量实验结果表明,该文提出的算法具有较高的匹配精度。

一种基于图理论的非刚体形状匹配算法

提出了一种基于图理论的非刚体形状匹配算法。该方法在每次迭代过程中,先利用形状上下文算法获得待匹配形状点集的初始匹配,然后利用图理论剔除误匹配点,并估算匹配点集之间的TPS(thin plate spline)变换参数,再利用这些参数使待匹配点集相互逼近,最终实现非刚体的形状匹配。实验结果表明该算法提高了匹配的精度。

小波变换模极大值多尺度边缘检测

以Canny边缘检测框架为基础,分析小波变换模极大值边缘检测算法。给出了一种快速二进离散小波变换实现多尺度边缘检测方法。给出了简便计算小波模方向和模极大值阈值门限选定方法。实验表明给出的算法可以有效获取多个尺度下的边缘信息。

基于图割理论和极几何约束的图像匹配算法

提出了一种基于图割理论和极几何约束的图像匹配算法。利用极几何约束对两幅待匹配图像进行矫正,使得它们的极线处在同一扫描线上,从而将二维匹配简化成一维匹配;利用基于图割的一维匹配算法获取视差数据,此时匹配中能量函数的标号是一维的,大大减少了搜索范围,并且提高了匹配的速度。

一种基于Laplacian矩阵的图像匹配算法

文章提出了一种基于Laplacian矩阵的图像特征匹配算法。首先分别构造两幅图像特征点集的Laplacian矩阵,并对这两个矩阵进行奇异值分解(SVD),然后利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵,最后根据关系矩阵实现两幅图像的特征点匹配。大量实验结果表明,该文所提出的算法具有较高的匹配精度。

基于张量表示的域适配的迁移学习中特征表示方法

本文提出一种新的基于张量表示的域适配迁移学习中的特征表示方法,即融合联合域对齐和适配正则化的基于张量表示的迁移学习特征表示方法.当源域和目标域差异很大时,仅将源域对齐潜在共享空间,会造成数据扭曲过大.为缓解此问题,本文方法提出联合域对齐,即源域和目标域同时对齐共享子空间.并且本文方法将适配正则化引入张量表示空间求解.本文适配正则化包括动态分布对齐和图适配,以缩小域间分布差异和保留样本间流行一致性.最后融合联合域对齐,动态分布对齐和图适配,通过联合优化求解获得共享子空间表示.几个公共的跨域数据集上的大量实验结果表明了本文方法优于其它主流的迁移学习方法,验证了本文方法的有效性.

一种基于邻域容差信息熵的组合度量方法

在实际应用中,大多数信息系统中的数据都是混合的,为了度量混合信息系统的不确定性,本文提出了一种组合度量方法.首先在不完备邻域粗糙集中定义了混合近似精度和混合近似粗糙度的概念;接着考虑到这两种单一度量方法对信息系统不确定性评估的不足,然后,进一步引入邻域容差信息熵的概念;最后将混合近似粗糙度和邻域容差信息熵这两种单一度量进行结合提出一种组合度量方法,并且研究了相关性质.UCI实验结果表明,本文所提出的方法在混合信息系统中具有更好的不确定性度量效果,从而验证了该度量方法具有一定的优越性,并且从理论上也证明了该方法的可行性.

Socket及Matlab引擎技术在工程软件中的应用

为减少工程软件开发的复杂度,充分利用Matlab工具箱提供的各类功能强大的函数,文中在客户端与服务器端远程通信系统模型的基础上,通过对服务器端程序的进一步配置,使其具有自动调用本地Matlab工具箱函数进行数据分析的功能,充分发挥C++和Matlab各自的优势。并将此技术应用到烟叶大片率实时检测系统中,获得了很好的效果,证明了有效性和可行性。