混合时滞模糊细胞神经网络的指数稳定性研究

利用Lyapunov泛函及M-矩阵理论,研究了具变时滞和分布时滞模糊细胞神经网络（FCNNs）平衡点的存在性和唯一性及其全局指数稳定性,得到了其简单判断.     

经济全球化背景下我国外宣翻译面临的挑战

指出在经济全球化背景下外宣翻译工作的重要性,就我国目前外宣翻译工作所面临的挑战,包括:国外媒体对我国太多的负面报道、外宣翻译中存在着严重的误译、汉语中的外来词在回译时不能到位、外宣翻译时忽视中西文化的差异、外宣翻译中大量自制的"中式英语"、外宣翻译人员的综合素质有待提高等因素的制约和影响进行了示例性分析,旨在提高外宣翻译质量。     

一种基于非光滑信赖域理论的经济学均衡问题新算法

针对一般经济均衡问题模型,将其转换为非线性互补问题模型,提出了应用非光滑信赖域算法对其进行求解的新方法.在适当的条件下,证明了此算法是全局收敛的,并通过数值试验表明该算法是可行有效的.     

一类有理差分方程的全局渐近稳定性

通过研究一类有理差分方程的唯一的正平衡解的性态,进一步证明了此类差分方程的唯一正平衡解是全局渐近稳定的.     

GNSS接收机最优中频积累时间研究

分段相关-视频积累是一种典型的雷达信号检测方法,同时也可用于全球定位系统(GPS)或伽利略系统的卫星信号检测。该文重点分析了载波多普勒条件下分段相关-视频积累检测方法的性能,推导了平均处理损耗公式。在给定最大多普勒频偏和载噪比的情况下,采用平均处理损耗最小准则,分析了全球卫星导航(GNSS)接收机最优中频积累时间的计算方法和变化规律。在载噪比45 dB-Hz和最大多普勒频偏2000 Hz的条件下,该算法比经典算法减小了13.5%的平均处理损耗。     

基于混沌粒子群和模糊聚类的图像分割算法*

模糊C-均值聚类算法(FCM)是一种结合模糊集合概念和无监督聚类的图像分割技术,适合灰度图像中存在着模糊和不确定的特点;但该算法受初始聚类中心和隶属度矩阵的影响,易陷入局部极小.利用混沌非线性动力学具有遍历性、随机性等特点,结合粒子群的寻优特性,提出了一种基于混沌粒子群模糊C-均值聚类(CPSO-FCM)的图像分割算法.实验证明,该方法不仅具有防止粒子因停顿而收敛到局部极值的能力,而且具有更快的收敛速度和更高的分割精度.     

改进的云自适应粒子群优化算法

为了提高基本PSO算法搜索性能和个体寻优能力,加快收敛速度,提出一种新的云自适应粒子群优化算法（CPSO）。此算法利用云滴具有随机性、稳定倾向性等特点,结合不同粒子与全局最优点的距离动态变化的性质,提出云自适应调整算法用于计算惯性权重,并对新算法进行了描述。通过典型函数优化实验表明,该算法较基本PSO明显提高了全局搜索能力和收敛速度,改善了优化性能。     

数字地球渲染中单精度浮点数误差改正

目的 针对全球大场景渲染中单精度浮点数的低精度导致的图像抖动和撕裂问题,提出了一套完整的解决方法。方法 首先,使用全球四叉树结构来寻找新的坐标原点,避免了现有算法需要频繁切换世界坐标原点的缺点;其次,在新坐标系下进行坐标转换和矩阵转换,解决了像素坐标计算的误差导致的抖动问题;最后,在GPU中使用基于对数的深度计算方式来提高深度的分辨率,解决了深度计算误差导致的Z-Fighting现象。结果 实验结果表明所提方法能很好地解决单精度浮点导致的渲染问题。结论 此方法具有适应性强、实现复杂度低、精度和效率可控等优点。     

l1优化在网格去噪中的应用

目的 网格去噪是计算机图形学中的经典问题,而如何在去除噪声的同时保持网格的特征结构是这一研究方向所面临的最大挑战。方法 提出一种具有稀疏性的全局网格去噪方法,该方法源于信号处理理论中稀疏表示的基本思想,通过优化全局能量函数来去除网格模型的噪声,同时能够保持网格模型的特征结构。该方法共分为两个步骤,第1步为网格面法向量的滤波,首先建立全局优化模型,对噪声网格的面法向量进行滤波优化,其中引入l₁范数来保证解的稀疏性,使得优化后新的面法向量能够保持网格的特征结构;第2步为网格曲面的重建,根据第1步得到的新的面法向量,按照面法向量的定义,建立最小二乘意义下的网格顶点的重建模型,求解得到新的网格曲面。结果 由于该模型是全局方法,避免了现有滤波方法可能出现的不收敛等问题,能够取得比较满意的去噪效果。结论 大量实验结果表明,本文方法在去除噪声的同时,能较好地保持网格的特征结构,尤其对于CAD模型有很好的实验效果。