对抗样本三元组约束的度量学习算法

针对已有三元组约束的度量学习算法大多利用先验知识构建约束,一定程度上制约了度量学习算法性能的问题,本文借鉴对抗训练中样本扰动的思想,在原始样本附近学习对抗样本以构造对抗三元组约束,基于对抗三元组和原始三元组约束构建了度量学习模型,提出了对抗样本三元组约束的度量学习算法(metric learning algorithm with adversarial sample triples constraints,ASTCML)。实验结果表明,提出的算法既克服了已有固定约束方法受先验知识影响大的问题,也提高了分类精度,说明区分更加难以区分的三元组约束能够提升算法的性能。     

荆江门弯道近期滩槽演变特点及影响因素分析

三峡水库运用改变了下泄水沙条件,坝下游弯曲河型均呈现“凸冲凹淤”演变规律,以致碍航问题日益突出。为研究弯曲河型滩槽演变特点及其成因,以下荆江河段荆江门弯道为例,利用三峡蓄水后近15 a实测地形资料,采用逻辑推理及统计分析方法分析其影响因素并预测了航道变化趋势。结果表明:三峡工程运用后,凸岸边滩年际间呈持续冲刷趋势,冲刷位置不断下移导致河段展宽引起航道条件恶化;在平滩流量(20 000~25 000 m³/s)持续时间＞15 d的年份,凸岸边滩冲刷后退,反之淤长;冲淤幅度与年均来沙量,尤其细沙(d≤0.125 mm)含量密切相关,基本呈同步变化趋势;荆江一期工程实施后,在当前水沙条件下凸岸边滩会继续受冲,形成枯水双槽,航道条件将恶化。水沙过程的改变是弯曲河型滩槽演变的主要原因,遇大水且来沙量较少的年份,荆江门河段很可能出浅碍航,这可为下荆江弯曲河段航道治理提供一定的参考价值。     

具反馈控制和Holling-III类功能反应的修正Leslie-Gower捕食系统研究

利用微分方程比较原理和构造适当的Lyapunov函数研究具反馈控制和Holling-III类功能反应的修正Leslie-Gower捕食系统,得到了保证系统永久持续生存和全局吸引的充分性条件,所得的结果补充了文献[6]的工作.     

保证全局收敛的随机粒子群新算法

针对粒子群算法未成熟收敛的弱点进行了改进。给出了保证算法全局收敛的充分条件,即全局性假设条件和单调性假设条件,进而依据提出的全局收敛的充分条件,设计了具有柯西随机和高斯随机性质的粒子群算法。实验结果表明,本文提出的具有全局收敛性的粒子群算法能够有效地求解全局优化问题。     

一类非凸全局最优化问题的新的凸凹化法

研究了一类非凸连续全局最优化问题的凸化、凹化方法。对于目标函数非凸、非凹的非线性规划,给出了一个新的凸、凹化法,通过含有参数的函数变换方法,对目标函数进行凸化或凹化,从而将原目标函数变换为相应的凸函数或凹函数,推广了凸化、凹化方法在求解非线性规划方面的应用。     

一种植被覆盖区利用闭凸锥约束收敛提取有用信息的方法

世界上许多地方被植被所覆盖,在植被覆盖区提取有用信息一直为一个难题,例如植被覆盖下矿产信息等。常见的植被抑制方法主要是利用信号本身采用同态滤波或者方程式解算进行植被去除,主要缺点依赖经验或者多期数据,实际应用存在困难。本文提出一种利用闭凸锥约束收敛的算法对植被覆盖下有用信息进行提取,这种方法处理后的数据增强了有用信号的强度同时有效减弱植被信号的干扰,对植被覆盖区工程探测、矿产地质调查、水利农业等都具有重要意义。     

一种高效的全局K-均值算法

针对全局K-均值算法时间复杂度大的问题,提出一种增量选择初始聚类中心的新方法。选择数据集中周围分布最密集的样本作为第一个初始聚类中心,选择最小化目标函数贡献大,并且和已有聚类中心距离远的样本作为下一个初始聚类中心。改进算法减少了增量选取初始聚类中心时的计算量,降低了时间复杂度。实验证明,改进算法与全局K-均值算法、快速全局K-均值算法相比,在不影响聚类效果的基础上,减少了聚类时间,与优化初始聚类中心的算法相比,聚类效果更优。     

具有媒体效应和接种的传染病模型的稳定性分析

讨论了一类具有媒体效应和接种的传染病模型.首先分析了各平衡点存在的充分条件,然后应用Hurwitz判据得到了平衡点的局部渐近稳定性,通过分析极限环的存在唯一性得到了平衡点的全局渐近稳定性,最后探讨了接种率和媒体效应对疾病的防控作用.     

多尺度协同搜索简化粒子群算法与性能分析

针对标准粒子群算法容易早熟的问题,模仿自然界中蚂蚁的不同分工和协作,提出了一种全局搜索和局部精细搜索协同进行的多尺度协同搜索简化粒子群算法(MSPSO),并对算法中粒子的搜索轨迹和算法的收敛性进行了分析和证明。为了验证和比较MSPSO和SPSO算法的性能,采用了VB6.0编程对3个常用的测试函数进行了数值实验,实验表明,该算法具有良好的搜索性能,特别适合于高维函数优化问题。     

一种虹膜色素块检测与分类方法

针对现有虹膜识别系统中全局纹理特征提取方法忽略了纹理类型信息的问题,提出了一种针对全局性纹理中虹膜色素块的检测与分类方法.该方法利用灰度聚类法实现虹膜图像中色素块可能存在区域的初定位,依据坑洞和色素斑这两类色素块的灰度空间分布特性,定义一组区域特征参数作为分类特征向量,利用支持向量机实现二者的检测与分类.算法对图库中图像的坑洞和色素斑的检测正确率分别为99.2%和86.5%,对无特征纹理存在的虹膜图像检测正确率为87.2%.实验结果表明,该方法具有较高的正确率,能够满足虹膜识别系统的纹理特征提取要求.