基于模拟退火并行进化规划的MIMO-CDMA多用户检测器

为解决最佳多用户检测计算复杂度高的难题,将多种群并行进化规划和模拟退火两种思想有机地融合起来,提出一种新的模拟退火并行进化规划算法,并应用到MIMO-CDMA系统多用户检测问题求解中。在新算法中,不同的子群并行进行进化过程,利用模拟退火的局部寻优能力,避免单个种群在进化过程中出现的早熟现象,从而加快整个算法的收敛速度。实验结果证明,新的多用户检测器抗远近效应和抗多址干扰的能力都优于传统检测器和单种群的模拟退火进化规划多用户检测器,并且在远近效应和多址干扰存在的条件下,该检测器的收敛速度比单种群模拟退火进化规划检测器提高了约108%和100%。     

局部梯度DT-CWT主方向模式的表情识别

提出一种采用局部梯度双树复小波变换(dual-tree complex wavelet transform,DT-CWT)主方向模式(dominant direction pattern,DDP)的人脸表情识别方法。首先,对归一化后的表情图像进行4层DT-CWT,每一层得到8个方向的DT-CWT特征图像,其中包括6个高频方向和2个低频方向,构建一种新的主方向模式(IDDP)对每个DT-CWT特征图像进行编码;然后按照基于梯度方向的融合规则将每一层上IDDP编码特征图融合到一起,将融合图进一步划分为若干个不重叠且大小相等的子块,分别计算每个子块区域的直方图分布,将其联合起来得到人脸表情图像的特征;最后,采用基于Fisher加权的Chi平方概率统计最近邻方法进行分类识别。大量实验表明,算法在识别率和识别时间上都体现出了一定的优势。     

D-S证据理论融合多特征的油菜病害识别方法

针对单一特征在识别油菜病害上存在的局限性,提出一种基于D-S证据理论融合多特征的油菜病害识别方法。首先对预处理后的油菜图片提取颜色矩、颜色共生矩阵两种特征,通过欧氏距离来构建D-S证据理论所必需的基本概率分配(BPA),最后运用D-S证据组合规则进行决策级融合,依据决策条件输出最终分类识别结果。针对存在最终识别结果被误识别为不确定问题,通过引入方差来对决策方法进行改进,避免了这一现象的产生。利用该方法在采集到的油菜样本上进行实验,取得了97.09%的识别率。实验表明,该方法能有效提高油菜病害识别率。     

单细胞模型微观剂量学的Monte Carlo模拟研究

研究电离辐射在生物体内的能量沉积及相应的生物效应时,有必要研究单个细胞或部分细胞中能量吸收的统计特性。本工作利用蒙特卡罗软件Geant4,开发了计算单细胞微观剂量学程序,依据微观剂量学理论,对α释放子211At在单细胞模型中的微剂量学特征进行了研究。分析了不同大小细胞中单事件比能与存活分数的特点,并对真实细胞模型中微剂量学特征进行了分析。通过与简单数学模型结果对比,分析了细胞不同材料及形状对模拟结果的影响。本工作建立的体元单细胞模型为单细胞微剂量学研究提供了工具,同时也很易于扩展到真实组织模型。     

PSpice在数字电路课程设计中的应用

PSpice软件是目前应用最广的仿真软件,他可以根据电路结构和元器件参数对电路进行仿真分析,从而可以方便、准确地判断电路设计的正确性。因此为数字电路的分析和课程设计提供了一个有力的工具。本文以节日彩灯控制器为例,介绍了PSpice在数字电路课程设计中的应用。     

基于多群竞争的并行进化规划多用户检测器

在CDMA系统的多用户检测器中,求解最佳矢量问题可以转化为在进化规划中求解具有最高适应度函数的问题,利用进化规划能全局寻优的优势,提出了一种基于多群竞争的并行进化规划多用户检测器.在该检测器中,进化在多个不同的子群中并行进行,不同的子群根据其竞争能力使用不同的变异策略,实现种群既具有大范围的搜索能力,也具有局部寻优能力,避免了进化规划算法中的易早熟收敛的问题.通过性能分析和计算机仿真结果表明,这种新的多用户检测器在抗多址干扰的能力和抗远近效应的能力都优于并行进化规划的多用户检测器,并且该检测器的收敛速度明显比并行进化规划检测器快.     

DS-CDMA系统的一种进化规划多用户检测算法

针对码分多址接入（CDMA）系统中最优多用户检测的指数计算复杂度问题，结合CDMA通信的实际特点，利用进化规划免去了交叉操作因而计算复杂度小的特点，提出了一种基于进化规划的多用户检测问题的优化处理方法。实验结果表明本方法可获得接近最佳检测的性能，但计算复杂度降低。     

局部均匀模式描述和双加权融合的人脸识别

目的 针对LBP算法对边缘及噪声信息比较敏感,提出一种统一化的局部均值模式(ULMP)描述算子。考虑到全局和局部特征在识别上的互补性,提出一种ULMP描述和双加权融合的人脸识别方法。方法 首先利用ULMP算法获得整幅图像的编码图,接着将其分块,统计每一子块的直方图获得局部纹理特征,并结合BP神经网络得到局部分类结果。引入云模型求取不同子块的权值,对局部分类结果进行加权融合。整体纹理特征的获取是将不同子块的直方图特征串联。在得到全局和局部的分类结果后,将两者加权集成,获得最终的识别结果。结果 在ORL和Yale人脸库上进行实验,ULMP具有很好的识别性能。5幅测试样本时,在ORL库上取得了95.9%的平均识别率,分别比局部二值模式(LBP)、MCT、局部方向模式(LGP)、统一的LBP(ULBP)和局部中心二值模式(CSLBP)高11.3%、10.6%、9.5%、8.9%和3.9%;在Yale库上取得了97.4%的识别率,分别比LBP、MCT、LGP、ULBP和CSLBP高19.9%、17.7%、10.7%和0.7%。在ORL和Yale人脸库上,本文提出的双加权融合模式分别取得了98.5%和98.34%的平均识别率,高于任何单一模块。结论 本文提出的纹理提取算法ULMP,具有很好的平滑噪声及边缘信息的作用,适用于面部纹理特征的提取。利用云模型求取的权值的方法能够较好地发挥局部分类器间的集成作用,最终有效地提高了系统的整体性能。双加权融合模式是一种精确且有效的人脸识别方法,适用于静态人脸图像的匹配识别。     

基于模拟退火并行遗传算法的Otsu双阈值医学图像分割

模拟退火和并行遗传算法是两种较好的改进进化算法性能的方法.将这两种思想有机地结合起来,利用遗传算法能全局寻优的优势和模拟退火算法的爬山性能,提出T一种基于模拟退火并行遗传算法的Otsu双阈值医学图像分割算法.在该算法中,进化在多个不同的子群中并行进行,利用模拟退火算法的爬山性能,避免单种群进化过程中出现的过早收敛现象,...     

像素级的皮肤分割与面色分级

皮肤是人体最大的器官,面色相对于人体其他生物属性具有更便捷、更稳定的特性。因此,设计一个完整有效的面色分级系统是非常有意义的。本文中,面色分级系统被分为皮肤分割和面色分级2部分。针对皮肤分割任务,在生成对抗网络框架下搭建了一个多尺度特征融合网络,相对于传统的语义分割网络,本文的分割模型充分地利用了每一层特征图的信息。在面色分级实验中,首先在归一化rgb、HSV和Lab颜色空间下使用1 000幅图像分别训练了支持向量机(SVM)和BP神经网络分类器,128幅皮肤图像被用作测试集,正确率在73%～76%;之后将颜色特征与皮肤区域纹理特征融合进行学习,使用SVM分类的正确率为85%,使用BP神经网络分类的正确率达到了91%。