x-f-k变换快速实现频域解相方法

为了快速实现三维面形测量,提出一种x-f-k变换频域解相方法。相比传统方法,x-f-k变换在水平及垂直方向上分析变形条纹实现条纹相位解调,测量速度快、测量精度高并且内存需求小。该方法分别对变形条纹的行和列先做S变换,再做傅里叶变换,得到像素点的系数矩阵,进而得到相位信息,通过相位与高度分布的调制关系重建三维物体的面形。结果表明,所提方法能够快速实现以条纹形式提供测量结果的光学三维面形测量,测量误差在0.6%以内。     

快速S变换在电能质量分析中的应用

S变换是具有自适应分辨率的时频变换,近年来在电能质量分析中得到广泛应用。但是由于传统S变换计算量大(时间复杂度O(N3)),很难满足实时性要求。将一种新的S变换的快速算法(fast S-transform,FST)(时间复杂度O(N3log N))用于电能质量分析:对不同电压扰动在FST域的辨识;对含有噪声电压扰动去噪;与传统S变换运行效率进行对比。仿真结果表明不同的电压扰动在FST域内系数有不同表现形式;对于有噪声的电压扰动消噪后,能够较好地恢复原有时域电压信号。从计算时间和所占内存来看,该算法具有较好的实时性。     

电能质量扰动识别的快速DOST方法和FST方法比较

快速S变换(FST)是解决实时监测电能质量问题途径之一,离散正交S变换(DOST)也是一种冗余度小的变换且被用于电能监测中。为了比较两种方法在实时电能质量扰动识别中的异同,首先提出一种快速实现DOST的方法,论证其计算复杂度与FST等同;比较常用的七种电能质量干扰信号在不同时窗下的FST系数和DOST系数,发现DOST模系数和采用sinc窗的FST模系数在每一个频段内比值呈线性关系,并且和采用高斯窗的FST模系数频谱结构类似,进而把这两种方法与支持向量机结合对电能质量干扰信号进行分类比较。仿真识别结果显示,快速DOST方法和FST在电能质量识别的精度和速度是一样的,在时间和准确性方面都比基于S变换的方法有一定的优越性。     

改进随机森林算法的图像分类应用

针对随机森林算法中节点分裂方式单一且相似的问题,提出一种改进节点分裂方式的优化算法,将算法中独立的节点分裂方式ID3与CART进行重新组合,通过自适应参数选择得到新的分裂规则,用于最优属性的选择划分并应用于图像分类问题.首先以词袋模型为基础,加入空间金字塔结构来提取图像特征,并将其量化成视觉词汇,最后结合Spark平台用改进节点分裂方式的随机森林算法实现图像分类.实验结果表明,通过选择组合算法的最优系数,该算法有效提高图像分类准确率,并保证算法运行效率.     

Hadoop平台分布式SVM算法分类研究

随着大数据的发展,分布式支持向量机（SVM）成为该领域研究热点.传统层级分布式SVM算法（Cascade SVM）,在Hadoop平台下寻找全局最优支持向量的过程十分缓慢.本文提出了一种改进方法,先将传统的网格法与粒子群（PSO）算法结合,改进了单机PSO算法,再将单机PSO算法与Hadoop平台结合实现了一种新型卫星并行PSO算法（NPP-PSO）.实验结果表明,相比于单机SVM算法,本文的分布式SVM算法,在保证了准确率的前提下大幅提高了计算速度;而使用NPP-PSO参数寻优后的分布式SVM,分类准确率相比于分布式SVM算法又有了明显提高.     

压缩感知理论测量矩阵研究

压缩感知理论突破传统的奈奎斯特采样定律对数据进行采集,其研究的核心问题是随机测量矩阵的设计和恢复重构算法。本文主要将压缩感知理论应用于数字图像处理领域,在对压缩感知进行系统研究的基础上,主要分析了常用随机高斯测量矩阵对图像还原算法的影响,结合矩阵的相关性构造了由测量矩阵和稀疏矩阵所决定的格拉姆(Gram)测量矩阵,并对其进行相关性阈值和缩放处理。使用优化改进后的测量矩阵能获取更多有信息量的测量值,进而完成对测量值的优化,最后结合不同的恢复重构算法在MATLAB环境下对改进方法进行仿真验证,仿真结果证实了改进方法的正确性,具有较高的研究和实用价值。