基于改进的背景模型的图像识别算法研究

当图像亮度不均匀、对比度低时,提取图像前景较困难。为此,提出一种图像分割方法,结合正弦基函数和绝对值距离测度构建背景模型,依据优化理论和迭代法求解背景模型,通过比较背景模型中各像素点亮度与实际图像中各像素点亮度来判别各像素点是背景还是前景。为应对图像亮度不均匀的情况,在图像分割前对图像进行分块,在分块图像中依据背景模型或相邻分块背景相似度进行图像分割。实验结果表明,在普适性方面,相对于经典的模糊C均值法和OTSU法,该方法的分割误差小,尤其是对亮度不均匀和对比度低的图像;在掌纹图像分割应用方面,与迭代线跟踪法和模糊粗糙集法相比,该方法的错误率低、信噪比高、处理时间短。最后将提出的分割算法应用在人脸识别上,实验结果表明了该算法的先进性。     

采用预编码的GSM网络最大互信息优化方法研究

为了提高广义空间调制(GSM)互信息的性能,提出了一种新的基于椭球算法的预编码方案。首先,为了对含有互信息的预编码器进行优化,推导出了有限字符输入下的GSM互信息解析表达式。在最大化GSM互信息的过程中,为了解决联合预编码设计的非凸耦合问题,将GMS系统转换成虚拟的多输入多输出(MIMO)系统。然后,在考虑所有子信道功率约束的条件下,使用了扩展的椭球算法。实验结果表明,提出的预编码方案大大提升了GSM互信息的性能。     

基于3-吡啶-3-苯甲酸构筑的配合物[M(3,3-PBC)_2(H_2O)_2](M=Zn,Ni,Co)的合成、表征和性能研究

在水热条件下,采用3-吡啶-3-苯甲酸(3,3-HPBC)和过渡金属盐合成了3种新型配合物[M(3,3-PBC)2(H2O)2](M=Zn,Ni,Co)。通过元素分析、化学分析、红外光谱、热重分析等方法对配合物组成进行了分析和表征。此外,研究了Zn(3,3-PBC)2(H2O)2配合物的荧光性质。     

基于GPU的生物大分子计算平台的构建与优化

通过生物大分子计算平台对分子动力学的模拟运算,计算值可以描述分子的运动轨迹,从而揭示原子间的内在关系,但这一过程较为复杂且昂贵。作者研究了较低投入下大分子计算平台的构建与优化,在并行GPU条件和CUDA体系下使用AMBER软件包完成分子动力学的模拟运算。通过对两个大分子体系的运算,实验结果表明计算平台达到了60倍的计算加速,实现了较高的加速性能,完成了高性价比的高性能计算平台的建设。     

基于类脑智能的复杂网络机会数据竞争规避机制

为了解决复杂网络的数据竞争和规避问题,基于类脑智能与复杂网络相结合提出了一种机会数据竞争规避机制。首先,针对大规模多变和动态复杂网络,基于拓扑演变建立了复杂网络机会数据竞争模型。其次,在已发生竞争的数据集合与复杂子网之间建立映射矩阵,通过类脑智能优化数据竞争序列,机会控制复杂网络大规模信息处理和数据规避。实验结果表明,所建立的数据竞争规避算法对于数据集损耗较低而且具有较高的数据竞争检测效率。同时,所提出的算法与插入随机延迟规避机制相比具有低能耗优势。     

大数据中基于熵加权的稀疏分数特征选择聚类算法

为了提高大数据统计及分析的效率,有必要对数据集合进行聚类,以减少数据集合维度,并去掉相似数据冗余。本文采用熵加权和稀疏分数特征选择相结合,一方面对异构数据进行局部结构划分,降低数据维度,对局部结构的特征重要性标记并排序,提高聚类精度,另一方面,提高聚类稳定性。实验证明,该方法对不同种类的大数据聚类具有较强适用性。