人工免疫系统进展与展望

 本文评述人工免疫系统的历史、研究现状和进一步发展的方向.着重论述人工免疫系统的机理、算法和应用,总结了免疫算法的一般步骤,比较了其与神经网络、进化计算以及一般确定性优化算法的异同.在总结人工免疫系统存在问题的基础上,探讨了进一步研究的方向.  

图像的多尺度几何分析:回顾和展望

 多尺度几何分析旨在构建最优逼近意义下的高维函数表示方法.本文以二维函数的非线性逼近为主线,分析了推动多尺度几何分析发展的深刻数学和生理学背景,综述了图像多尺度几何分析方法的最新进展及存在的问题,指出了进一步研究的方向.  

压缩感知理论及其研究进展

 信号采样是联系模拟信源和数字信息的桥梁.人们对信息的巨量需求造成了信号采样、传输和存储的巨大压力.如何缓解这种压力又能有效提取承载在信号中的有用信息是信号与信息处理中急需解决的问题之一.近年国际上出现的压缩感知理论(Compressed Sensing,CS)为缓解这些压力提供了解决方法.本文综述了CS理论框架及关键技术问题,并着重介绍了信号稀疏变换、观测矩阵设计和重构算法三个方面的最新进展,评述了其中的公开问题,对研究中现存的难点问题进行了探讨,最后介绍了CS理论的应用领域.  

盲信号分离

 阵列处理和数据分析的一个典型问题是从混合的观测数据向量中恢复不可观测的各个源信号.盲信号分离是解决这一问题的一门新技术,近几年吸引了信号处理学界和神经网络学界众多学者的研究兴趣.本文将以独立分量分析和非线性主分量分析为主要对象,综述盲信号分离技术的理论、方法及应用等方面的发展,并作有关展望.  

模糊c-均值聚类算法中加权指数m的研究

 加权指数m是模糊c-均值(FCM)聚类算法中的一个重要参数.本文从FCM算法出发研究了m对聚类分析的影响,m的最佳选取方法及其在聚类有效性中的应用三个问题.实验结果表明:m不合适的取值将严重影响算法的性能;在实际应用中m的最佳取值范围为 ,这与Pal的实验结论相一致;另外基于最优加权指数m^*的类别数确定方法是相当有效和灵敏的.  

图像纹理的灰度共生矩阵计算问题的分析

 图像的灰度共生矩阵(GLCM)已知被理论证明并且实验显示它在纹理分析中是一个很好的方法,广泛用于将灰度值转化为纹理信息.然而,由于GLCM是像素距离和角度的矩阵函数,因此完整的GLCM的计算,其参数的选取范围很广,这样GLCM的计算量很大,通常是不能这样用的.为了解决这个问题,本文应用马尔可夫链的性质,从理论上证明了GLCM的计算结果,当像素距离足够大的时候趋于一致性.这样只需较少的参数值就可以完整的描述图像的纹理特征.最后,通过对Brodatz纹理库中自然纹理图像和几幅SAR图像进行仿真,仿真结果验证了上述结论.  

基于特征加权的模糊聚类新算法

 在聚类分析中,针对不同类型的数据,人们设计了模糊k-均值、k-mode以及k-原型算法以分别适合于数值型、类属型和混合型数据.但无论上述哪种方法都假定待分析样本的各维特征对分类的贡献相同.为了考虑样本矢量中各维特征对模式分类的不同影响,本文提出一种基于特征加权的模糊聚类新算法,通过ReliefF算法对特征进行加权选择,不仅能够将模糊k-均值、k-mode以及k-原型算法合而为一,同时使样本的分类效果更好,而且还可以分析各维特征对分类的贡献程度.对各种实际数据集的测试实验结果均显示出新算法的优良性能.  

舰载无源综合脉冲/孔径雷达及其若干关键问题

 本文根据综合脉冲/孔径雷达采用多个天线同时向全空域辐射多个载频信号,而在接收端通过信号处理获得发射方向图的特点,提出一种新的雷达体制——舰载无源综合脉冲/孔径雷达.该雷达既利用在岸上发射、在舰船上接收而构成岸-舰双/多基地"广播式"雷达,又由于在接收站不发射信号而相当于无源定位.本文介绍该雷达的基本组成、工作原理及其特点;分析其性能;讨论该雷达需解决的关键问题.  

基于加权模糊c均值聚类与统计检验指导的 多阈值图像自动分割算法

 图像分割是计算机视觉中一个重要的研究课题.本文提出一种基于直方图的多阈值灰度图像自动分割方法,该方法利用加权模糊c-均值聚类算法快速实现分割过程,同时通过单峰统计检验指导来自动确定多阈值的合适数目.实验结果表明了该方法的有效性.  

量子进化策略

 本文将进化策略和量子理论相结合,提出一种新的学习算法—量子进化策略(Quantum Evolutionary Strategies)算法.它是一种基于量子计算的概念和理论(诸如量子比特和量子叠加态)的进化策略算法,在这一算法中,采用量子编码来表征染色体,使用量子变异实现染色体的进化.由于量子变异中融入了当前最优解的信息,同时采用“全干扰交叉”操作克服早熟现象的发生,因此它比传统进化策略具有更快的收敛速度和全局寻优的能力.本文不仅从理论上证明了它的全局收敛性,而且仿真计算也表明了此算法的优越性.