基于秩4约束的遮挡点恢复方法

提出了一种基于秩4约束的遮挡点恢复方法.该方法 首先假设所有的遮挡点及深度因子已知,利用所有遮挡点及深度因子组成一个秩4矩阵的特 性,构造一个投影矩阵,并利用该投影矩阵求得所有的遮挡点及深度因子.然后将求得的遮 挡点及深度因子代替图像中的遮挡点和深度因子,再求投影矩阵.经过多次迭代,最后求得 遮挡点的真实图像位置.该方法的优点是平等地看待所有的图像及图像点.模拟实验和真实实 验表明,该方法具有鲁棒性好、收敛性好及误差小等优点.     

基于混沌遗传算法的铜闪速熔炼过程操作模式智能优化系统

提出了一种铜闪速熔炼操作模式智能优化系统．该系统首先采用动态T-S递归模糊神经网络（Dynamic T-S Recurrent Fuzzy Neural Network, DTRFNN）对工艺参数进行软测量,再采用模式分解的方法对海量数据进行分解,最后对模式子集采用基于神经网络和混沌遗传算法的铜闪速熔炼操作模式智能优化方法进行优化．将该控制系统应用到铜闪速熔炼中,提高了铜闪速炉的生产效率．     

一种新颖的基于混沌映像格子的图像保密通信方案

基于混沌映像格子(CML)提出了一种新颖的图像保密通信方案.发送方利用CML快速产生二值时空混沌序列,并将其与原始图像进行异或加密处理,经通信双方同步后,接收方即可解密出原始图像.由于混沌序列对CMI.中的耦合系数、驱动序列初值等比较敏感,增加了序列抗攻击能力.数值实验结果表明本方案是可行的,并对系统密钥空间、密钥敏感性等密码学特性进行了分析.     

多Agent信息系统知识发现研究

本文根据信息系统的定义,提出了采用集合方法描述的多Agent信息系统,研究了在多Agent交互中规则的形成过程.对规则表示和存储方法进行了研究.鉴于各Agent的规则可存储在数据库中,采用ID3算法对这些规则进行挖掘是可行的.对该方法用实例进行了验证.     

基于P2P的流媒体点播技术研究与展望

视频点播数据传输的离散程度,给P2P流媒体点播技术带来了极大的挑战.分析了P2P流媒体点播技术的基本问题,从媒体资源定位和分发两个方面介绍各种已提出的协议和算法,结合P2P视频点播的特点和网络应用的实际需求分析其优点和不足,并以此为基础提出有待解决的主要问题,为进一步的研究和应用提供有益的参考.     

三维地震数据场的并行体绘制算法

光线投射算法是一种应用广泛的体绘制基本算法,其存在的主要问题是绘制速度较慢.为了提高光线投射算法的绘制速度,利用光线间和光线内的并行性,结合三维地震数据场的特点和文件存储特性,提出了一种基于工作站机群的三维地震数据场的并行体绘制算法.地震油气解释实际应用表明本算法能满足地震解释的要求.     

湘中地区发育于黑色页岩上的土壤重金属污染特征

对湘中地区的安化、桃江、宁乡系统采集了黑色页岩土壤及其相应的黑色页岩样品,并运用ICP-MS对样品进行微量元素和重金属分析.结果表明:在黑色页岩及其风化形成的土壤样品中,Cr、Cu、U、Mo、Sn、Sb、Tl、Ba等重金属元素都呈明显的富集状态;同时,土壤与母岩的稀土元素在陨石粒径标准化后均表现为相同的右倾型分配模式.运用富集指数法对该区黑色页岩土壤进行评价,发现湘中地区黑色页岩发育的土壤都不同程度地受到了重金属的复合污染,且以桃江的污染最为严重;地质累积指数分析结果进一步表明,黑色页岩土壤中普遍受污染的元素主要有Cr、U、Mo、Sb、Ba等.土壤中重金属元素的污染程度排序为:安化:Sb＞Ba＞Mo＞Co=Cu=U;桃江:Sb＞Pb＞V=Mn=Co=Cu=U=Mo=Ba＞Cr=Cd;宁乡:Mo=U=Sb=Ba＞Th.     

基于ICA与聚类分析的支持向量机分类研究

在ICA与聚类分析的基础上提出了一种改进的支持向量机分类模型——ICSVM模型。ICSVM模型中利用一种指标筛选算法与独立成分分析的方法将各数据指标转化为互相独立成分的数据指标。接着运用K-means方法对独立成分样本数据集进行聚类分析,再由获得的各子类中心数据构造初始的超平面,筛选出靠近初始超平面的支持类与亚支持类,并展开支持类与亚支持类中的样本数据点重新构造超平面,以便对数据进行分类。实验表明,对于样本比较多的数据集,与标准的SVM算法相比,ICSVM算法能够节约训练时间,同时能够提高分类的正确率。     

基于FP-Tree含正负项目的频繁项集挖掘算法

借鉴FP_growth算法中频繁模式树的思想,提出包含正负项目的频繁模式树的构造方法.通过对该频繁模式树进行模式扩展,可以挖掘出包含正负项目的频繁项集.该算法与直接使用FP_growth算法挖掘含负项目的频繁项集相比,无需对原始数据库进行负项目的扩展,也不用再构造并销毁额外的数据结构,只需在原始的频繁模式树上修改,在时间和空间的开销上都具有一定优势.实验表明,本文算法比现有的同类挖掘算法和直接FP_growth算法具有更好的效率.     

粒子群优化算法在点模式匹配中的应用

点模式匹配技术是计算机视觉和模式识别领域中的一个重要课题.将每个点模式编码为一个称为粒子的实值向量,并利用两幅图像的灰度矩阵来构造粒子的适应度函数,提出一种基于粒子群优化算法的点模式匹配新算法.系统初始化为一组随机解,通过迭代使粒子在解空间中追随当前较优的粒子进行搜索,从而找到最优解.仿真实验结果证明算法的有效性.