融合粗糙集与小生境免疫优化的属性约简方法

在粗糙集核属性的基础上,融合小生境免疫优化提出一种决策属性约简方法.将核属性参数作为抗体编码的先验信息,通过疫苗自适应提取算法对抗体群接种疫苗,提高抗体群多样性及稳定性.为降低属性约简的计算复杂度,引入属性集合的分类近似标准作为免疫优化的亲和度,采用小生境免疫共享机制动态调整抗体群的亲和力,提高算法局部搜索能力.通过免疫记忆算子操作促使优良个体的保存,在保证收敛速度的同时具有较强的全局和局部寻优能力.通过滚动轴承故障诊断及UCI数据集的属性约简实验,显示本算法在属性约简精度和效率方面具有较好效果.     

基于多重核的稀疏表示分类

稀疏表示分类（SRC）及核方法在模式识别的很多问题中都得到了成功的运用.为了提高其分类精度,提出多重核稀疏表示及其分类（MKSRC）方法.提出一种快速求解稀疏系数的优化迭代方法并给出了其收敛到全局最优解的证明.对于多重核的权重给出了两种自动更新方式并进行了分析与比较.在不同的人脸图像库上的分类实验显示了所提出的多重核稀疏表示分类的优越性.     

基于并行处理的一种新型有效的网络架构 BSN-MOT

摘 要：结合BSN及MOT架构的双重优势,提出一种新型的双层架构体系BSN-MOT(mesh of tree),并研究了其上的拓扑性质及在并行处理中应用的基本的通信操作算法。算法包括行、列树广播、单向广播、数据求和、矩阵乘积、最短路径路由及多项式求根。最后,本文通过与其他2种有效的树形双层网络架构Multi-Mesh of trees(MMT)及OMULT比较说明,基于BSN-MOT架构的通信算法要比其他2种网络有着更小些的时间复杂度,且BSN-MOT是一种更具有竞争力的体系结构形式。     

TEMlab1.0:基于Matlab的透射电镜衍射花样分析软件包

本文主要介绍了在Matlab环境下编写的用于透射电镜电子衍射花样分析的软件包。此软件包主要包括建立已知物相的结构数据库、已知物相花样的标定和模拟、未知物相布拉菲点阵的推导、孪晶花样的标定、取向关系分析、菊池线分析和找特征平行四边形等功能。满足了电子衍射花样分析时的多方面需求。     

基于高双折射光纤环镜的可调谐光滤波器

为了得到具有全光纤结构和中心波长可调谐的光滤波器,采用3阶高双折射光纤环镜,提出了一种电磁力的悬臂调谐单元构成的新型可调谐光滤波器,对环镜传输过程和悬臂调谐单元原理进行了理论分析,通过控制悬臂调谐单元的输入电流,实现了滤波器通带的调谐。结果表明,该滤波器具有调谐灵活、输出光谱精细等特点,可应用于不同波长光波的选频输出。     

反射式离轴数字全息再现像中的噪声抑制

为了抑制反射式离轴数字全息再现像中的零级像和散斑噪声对再现像的影响,利用高斯核函数在空域对数字全息图进行低通滤波,再用原数字全息图减去滤波后的低频信息来抑制零级像,采用非局部均值滤波来抑制散斑噪声。实验结果表明空域高斯核函数处理法能有效地抑制零级像,非局部均值滤波可以抑制散斑噪声但对部分细节的保持能力不强,改进后的非局部均值滤波在抑制散斑噪声的同时能很好地保护细节信息,提高了离轴数字全息再现像的质量。     

多掺杂一维各向异性光子晶体的缺陷特性

为了研究多掺杂一维各向异性光子晶体的光学特性,采用传输矩阵法计算了光波通过多掺杂一维各向异性光子晶体的透射率。经数值模拟得到:光通过该结构光子晶体后,TE波和TM波的透射谱中随掺杂层个数的变化出现了单、双及多缺陷模,禁带中缺陷模的个数随掺杂层数的增大而增多,缺陷模的位置随掺杂层光学厚度的变化向短波方向移动,TE波和TM波的缺陷模能完全分开,透射谱的这一特点为设计制作单、双通道滤波器提供了理论依据。     

航空雷达故障诊断的β上近似属性约简及规则融合

航空雷达故障诊断的一个主要目标是求出某种程度上可能发生的故障类型,为此,首先引入β上近似属性约简,定义了β上近似决策辨识集和辨识矩阵,给出了求取β上近似约简集的方法;其次,提出了一种基于包含度的规则融合方法,该方法充分挖掘属性值信息,可以得到全部属性条件下的带可信度的决策规则,有效解决了在各类型故障样本数目相差较大的情形下的规则融合问题;最后,以某型航空雷达的整机测试为例,在基于β上近似约简对其测试参数进行约简的基础上,应用基于包含度的规则融合方法,得到了全部属性取值条件下的航空雷达故障诊断规则。结果表明：该方法直观有效、计算简便,为航空雷达故障诊断提供了新的思路和途径。     

多站测向定位新算法

无源测向定位在信息对抗、导航等领域应用非常广泛。针对如何充分使用同时获得的多站测向数据,提出由两站向多站逐渐递推的目标定位新方法。仿真结果表明,最终定位精度得到了提高,给出的协方差能够真实反映目标的分布概率,新方法具有一定的工程应用价值。     

脑部CT图像的三维重建及纹理特征研究

本文提出了一种使用灰度共生矩阵提取三维重建后的脑部图像的三维纹理特征的方法。分别对10组正常脑部CT图像与10组脑瘤患者的脑部CT图像进行了去噪和增强的预处理,并进行了三维重建,随后使用了灰度共生矩阵的方法对重建出的模型进行了纹理特征的提取。计算26个方向的能量、熵、惯性矩和相关性,并进行统计分析。结果证明,此方案提取的特征值在统计分析中存在差异,并且正常大脑与患病大脑的特征值形成了对比,对脑室内肿瘤的诊断具有重要价值。