降维技术与方法综述

为了更好地对数据实现降维,讨论了特征选择与特征变换两种技术。对于特征选择,按照特征子集的形成方法可分为穷举法、启发式方法、随机方法、智能优化方法等;按照评价函数的类别可分为筛选式、封装式、嵌入式。对于特征变换,传统的方法采用线性降维方法,主要有非负矩阵分解、因子分析、主成份分析、奇异值分解、独立成分分析等;目前的方法是非线性降维方法,以流形学习为代表。对各种不同方法详细探讨其原理与流程,并进行了性能比较。     

非光滑带钢在粗糙轧辊平整轧制过程中表面微观形貌的转印行为与演变规律

针对平整轧制过程不同用途带钢对表面微观形貌的特殊要求,在批量跟踪电火花毛化轧辊、磨削轧辊和冷轧后带钢表面微观形貌的基础上,建立工作辊与带钢都可考虑真实表面粗糙峰的带钢表面微观形貌轧制转印生成模型,采用工业实验验证了仿真模型的准确性,并据此模型分析轧制前带钢已经具有表面粗糙度分别大于、等于、小于轧辊表面粗糙度时,带钢表面微观形貌的轧制转印行为与遗传演变规律。提出了负转印和转印饱和的概念,定义了两种极限轧制转印状态的描述指标— —负转印最大和转印饱和,研究发现当带钢表面粗糙度小于或等于轧辊表面粗糙度时,存在负转印最大点和转印饱和点;当带钢表面粗糙度大于轧辊表面粗糙度时,负转印最大点和转印饱和点重合。在此基础上,采用负转印最大点与转印饱和点对应的临界板宽轧制力,描述带钢表面微观形貌的遗传及演变规律,并系统仿真分析带钢屈服强度、带钢轧前表面粗糙度、轧辊表面粗糙度等工艺条件参数对于负转印最大点与转印饱和点对应的临界单位板宽轧制力的影响规律,发现随着带钢屈服强度增大和轧辊表面粗糙度增加,该临界单位板宽轧制力均增大;随着带钢表面粗糙度增大,负转印最大点对应的临界单位板宽轧制力增大,但转印饱和点对应的临界单位板宽轧制力却减小。      

氮化硅反应烧结的研究进展

氮化硅作为高温功能陶瓷性能优越，但将其制备成陶瓷零件比较困难，目前一般用反应烧结法制备氮化硅陶瓷零件。此外，反应烧结制备氮化硅陶瓷还具有成本低、烧结温度低、产品成型好、陶瓷高温性能好等优点。综述了氮化硅陶瓷反应烧结工艺流程和工艺的优缺点，着重介绍了氮化硅反应烧结在成型工艺、烧结工艺、原材料影响、后处理和陶瓷增韧等方面所取得的进展。     

一种基于光全息的图像混合加密算法

为了使图像保密性更好,提出一种新的加密算法。研究了传统的Arnold变换,分析其周期性,指出Arnold变换的保密性能与图像尺寸有关。为保证图像直方图均匀化且增大密钥空间,进而提出一种基于随机数序列的像素置乱算法,比较了扭曲法、移位寄存器、修正SWB算法、混沌算法,发现扭曲法生成的随机数序列的周期与密钥空间最大。计算二维图像的光全息图作为加密图像。实验证实了该算法的有效性,对剪切攻击、噪声攻击、JPEG攻击等具有强脆弱性。     

最大模糊互信息用于图像分割

为了更好地选取图像阈值,将最大模糊熵(MFE)准则与最大互信息(MMI)准则结合,提出最大模糊互信息(MFMI)准则。同时为了有效确定最佳分割类数,提出根据模糊互信息差(dFMI)来判别的准则。综合上述的两点改进,提出一种新的多阈值分割算法——最大模糊互信息量分割算法(MFMI)。对合成图像、无损检测图像、标准测试图像进行仿真,同时对比结合前的MFE与MMI,经典的阈值分割法如OTSU和MET,以及流行的模糊C均值算法(FCM),可以发现MFMI误判率最小,代价是运行时间较长。综上,MFMI是一个有效的图像分割方法。     

多态细菌趋药性优化

在细菌群趋药性规则与细菌趋药性算法的基础上,提出一种新的函数优化算法——多态细菌趋药性算法。该算法克服了细菌趋药性算法收敛较慢、易陷入局部最优的不足,利用菌群之间的交互信息来修正其觅食过程。对不同函数优化结果表明该算法性能优于遗传算法、粒子群算法、细菌趋药性算法,是一种具有进一步研究价值的集群函数优化方法。     

一种径向基函数神经网络的参数求解方法

为了求解径向基函数神经网络的权值,首先分析了传统基于训练误差的方法,发现该方法容易造成数据过拟合,原因在于训练误差是风险函数的下偏估计;因此,文中提出采用缺一交叉验证得分代替训练误差,来实现无偏估计风险函数;实验对摩托数据与玻璃数据进行拟合,证实了基于缺一交叉验证的方法优于传统基于训练误差的方法,且所得到的径向基函数网络能够较光滑地拟合数据,不会造成过拟合.     

基于PCNN的改进Split-merge图像分割

为了更好地分割图像,对传统Split-merge算法作出改进:PCNN先进行分裂,用一种简化的Mumford-Shah模型进行合并,使得分裂阶段不仅无效分割减少,而且无方块效应,对边缘定位准确;合并阶段能够理想地将分裂后的区域合并为感兴趣的前景与不感兴趣的背景,误合并与欠合并大幅减小.对Papav, Monkey, Twoman图像的仿真表明,其分割结果和运行时间均优于AMS,MBMS算法.仿真结果证明,本文算法是一种适用于图像分割的有效算法.     

基于分割的彩色图像编码

文中基于第二代图像编码思想,提出一种新的静止图像编码方式:首先利用脉冲耦合神经网络对图像进行分割;接着对图像的边缘区,采用改进的链式编码来记录边缘形状信息,采用二维DCT编码记录边缘彩色信息,同时对图像的同质区与纹理区,则结合第二代小波采用一种改进的零树小波编码;然后采用零树关系重排量化系数;最后根据接收方的主观心理,给出算法相应的变型.实验表明,在不考虑信道噪声与接收方主观心理的情况下,文中算法优于流行的JPEG,CMP,EZW与JPEG2000.     

基于SPCNN和Nagao滤波的图像去噪

为了更好地滤除椒盐噪声,提出如下方法:首先借鉴非线性模板和模板匹配的思想,改进了Nagao滤波器;再利用简化脉冲耦合神经网络模型,提出一种定位噪声点的方法;最后将两者结合用于恢复被椒盐噪声污染的图像.实验证实,采用本文算法恢复图像的主客观效果均优于标准中值滤波、自适应中值滤波、中子集型中值滤波、简化脉冲耦合神经网络滤波,且当噪声密度大范围变化时仍然具有较好效果.