基于局部自相似性的遥感图像港口舰船检测

针对高分辨率可见光图像中靠岸舰船的灰度特征和纹理特征与港口设施极为相似而难以自动检测的问题,提出了一种利用邻域自相似局部特征提取算子提取港口舰船局部显著性特征,经过特征空间分析,并利用先验知识信息,自动检测港口舰船的算法和处理流程。实验结果表明,该处理方法具有较好的可操作性和鲁棒性,能够快速准确地检测出港口舰船目标。     

抄纸过程水分定量自抗扰控制仿真研究

针对抄纸过程水分定量系统控制中的强耦合、时滞、不确定等特点,在常规PID控制的基础上提出了自抗扰控制这种新的法,方法的特点是可以动态补偿系统模型扰动和外扰,即克服了常规PID控制中存在的快速性与超调之间的矛盾.自抗扰控制器由微分一跟踪器、扩张状态观测器和非线性状态误差反馈三部分组成.最后对自抗扰控制和PID控制算法分别进行了仿真.并分析比较了这两种不同控制算法的仿真效果,结果表明自抗扰控制系统具有良好的动态性能,控制器具有很强的鲁棒性.     

基于CAZAC序列的OFDM时频同步算法

针对Schmidl和Minn算法存在符号定时和频率同步精度不高,频率同步运算量大的缺点,提出一种新的基于CAZAC序列的OFDM同步算法.算法利用2个相同的CAZAC序列作为一个训练符号,并对第二个序列用CAZAC序列进行加权,在接收端利用训练符号所包含数据的重复性和CAZAC序列的相关性,进行符号定时同步;然后利用CAZAC序列具有的时域移位特性进行整数倍频偏估计.算法在时域完成,因运算量较小.仿真结果表明,新算法克服了Schmidl和Minn算法的缺点,在AWGN和多径信道下,均能精确同步并进行较大范围的频偏估计.特别是在信噪比较低时采用该算法能实现更准确的同步.     

米力农互变异构的理论计算

采用B3LYP/6-311G(d,P)法,分析米力农分子的酮式与烯醇式构型的构象.再采用相同方法,在气相和水相中计算并考察烯醇式与酬式结构互变时,质子迁移的两种可能途径:(a)分子内质子迁移,(b)水助质子迁移.结果表明,后者所需的活化能较小,氢键在降低反应活化能方面起重要作用,PCM溶剂化对分子几何结构参数和反应活化能的影响较小.     

高炉炉顶布料的自学习控制

传统的炉顶料流调节阀开度控制是由生产操作人员凭自身经验进行人工操作,难以达到最为合理的布料效果。采用自学习控制算法使料流调节阀能根据不同的原料特性及炉况条件,自动的、适时的调节布料速度,以达到理想的布料效果。笔者在本钢3、4高炉开发成型,红钢3高炉成功稳定运用,效果良好,程序模型稳定。     

Ad hoc网络拓扑发现算法综述

Ad hoc是一种无线自组织多跳网络。采用无中心的分布式控制,无线节点或终端相互合作而成,独立于固定的基础设施。各节点平等、无中心,动态拓扑。网络拓扑对网络规划、仿真、管理都有非常重要的意义。针对Ad hoc拓扑结构频繁、快速变化的特点,本文主要提出了N种移动自组网络拓扑发现的算法,并基于笔者的实践提供了一个简单的算法实现,该算法主要针对同一个管理机构下的IP网络的拓扑自动发现,更复杂的拓扑发现算法可在此基础上进一步扩展。     

多阶段车牌定位算法

车牌定位是车牌识别系统中的关键环节.针对车牌图像区域丰富的边缘信息以及独特的特征,提出一种实用而有效的车牌定位方法.首先,将原始图像转换到HSI空间上,利用图像的字符边缘特征信息和数学形态学操作对目标区域进行粗定位;然后,根据车牌固有的特征定义4种不同的特征值,通过自组织神经网络的训练,实现对车牌区域的精确定位.最后,对80幅彩色图像进行测试,其有效率可达96.25%.     

基于访问结构上秘密共享的自治愈群组密钥分发方案

自治愈的群组密钥分发能够在不可靠的网络中建立安全的群组会话密钥.基于用户可自行选取子秘密访问结构上的秘密共享方法,提出了一个自治愈的群组密钥分发方案,该方案能够让群组成员自行选取个人秘密信息,而不需要在群组管理员和每个群组成员之间建立安全信道.安全性分析表明,该方案是一个具有撤销能力的、保证前向保密性和后向保密性的、计算上安全的自治愈群组密钥分发方案.性能分析表明,该方案具有较小的存储开销和通信开铕.     

移动自组网安全技术研究

移动Ad Hoc网络由于其动态拓扑和无线通信等特点,容易受到安全威胁.将现有的移动Ad Hoc网络的网络安全技术分为入侵检测与防范、安全路由协议技术、架构模型技术、密钥技术和其他技术.其中,入侵检测与防范主要基于移动Ad Hoc网络的特点,在一定教学模型的基础上对于网络节点的行为进行分析和监测,以保证整个移动网络的网络安全.安全路由协议技术包括全新的安全路由协议技术和现有路由协议的安全化改进技术.密钥技术主要是基于移动Ad Hoc网络的特点对现有密钥技术进行改造.对上述移动Ad Hoc网络的网络安全技术分别进行了介绍和分析.     

一种基于元启发式策略的迭代自学习K-Means算法

类内误差平方和最小化的聚类准则求解是NP难问题,K-Means采用的迭代重定位方法本质上是一种局部搜索的爬山算法,因此聚类结果对初始代表点的选择非常敏感,只能保证局部最优.为此,引入元启发式策略,通过建立评估函数对K-Means初始代表点和目标函数之间的依赖关系进行近似,然后利用近似评估函数指导新的初始代表点的选择,构成一种迭代自学习框架下的K-Means算法.实验表明算法可以很好地克服K-Means对初始代表点的依赖性,获得较高质量的聚类结果.