一类单一物品库存系统的最优控制

研究单一物品库存系统的最优控制问题 ,并借助于动态规划原理给出了最优控制律的表达式 ,以使在一个时间周期 [0 ,T]内系统的费用总和的期望值最小     

专家系统在修井作业中的应用实现

专家系统是一个具有智能特点的计算机程序,它的智能化主要表现为能够在特定的领域内模仿人类专家思维来求解复杂问题。修井作业是油田作业开发井中常见的操作,需要处理大量信息、专家指导,而现实情况是修井作业随意性和盲目性较大、操作不规范、修井资料和修井工具没有进行统一的分类管理、生产中遇到各种问题缺乏可以咨询的专家。所以修井专家系统的应用研究与实现具有实际的行业意义。本文介绍专家系统在修井作业中的应用实现。     

一种新的基于梯度方向直方图的图像配准方法*

构建了一种新的局部梯度方向直方图,同时定义了特征点的主方向,从而提出了一种具有旋转不变性的图像配准算法.首先采用高斯加权求模技术对特征点邻域内的像素的梯度作直方图统计,确定出具有旋转不变性和抗噪性的特征点主方向;然后用主方向作角度直方图统计,确定待配准图像之间的旋转角度.根据得到的特征点信息及旋转角度定义了特征点对互信息匹配准则,这样使得新配准算法对于图像间旋转角度的范围没有限制,获得了良好的配准效果.     

同塔双回路供电同一变电站不同时停电设计技术方案的探讨

近年来随着城市或电网的发展,不少输电线路被提出改线,在需满足N-1要求的线路中进行改线时,如果不采取相应的技术措施,将出现N-2情况导致电网供电可靠性差的问题,本研究将探讨几种处理措施,以提高供电可靠性以保障电网改线的顺利进行.     

基于B样条的改进型Harris角点检测算法

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而对一些图像进行角点提取时,存在角点信息丢失和位置偏移等现象,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法.实验表明,该方法对提取角点非常有效.     

基于二元树复小波特征表示的人脸识别方法

二元树复小波变换（DTCWT）具备近似平移不变、多方向选择、完全重构和高效计算等优点，适合于人脸特征提取。提出了一种新的基于二元树复小波变换的人脸特征表示方法，用二维DTCWT提取了人脸图像不同尺度、位置和方向的局部特征，并用多尺度多方向的信息生成DTCWT人脸特征图。实验证明了DTCWT人脸特征表示方法提取了最具可判别性的人脸特征，获取了高识别率和泛化能力，优于其他特征表示方法。     

基于改进启发式优化算法的无线网络资源分配

无线通信网络资源的分配优化通常可描述为混合整数非线性规划（Mixed integer nonlinear programming,MINLP）问题,其本质是非凸的非确定性多项式（Nondeterministic polynomial, NP）困难问题。为了降低计算复杂度,确保分配方案的最优性能,提出利用二进制鲸鱼优化算法进行无线资源分配。在原鲸鱼优化算法（Whale optimization algorithm,WOA）的基础上,基于数值1和0之间的切换进行位置更新。根据座头鲸螺旋移动计算出的概率,来决定当前位的变化。同时,使用不同的传递函数将连续搜索空间映射到离散动作,引入惩罚方法和优化约束处理。实验分析了两个无线网络资源分配案例：保密率最大化的功率分配问题和移动边缘计算迁移。结果表明所提方法综合性能优秀,取得与同类方法相当的效果,但收敛速度更快,复杂度更低。     

一种证券价格及投资风险模型

在已知无红利支付证券的价格遵循伊藤随机微分方程的基础上 ,利用随机微分方程与偏微分方程的关系 ,对由该扩散型随机过程所描述证券的投资风险进行了估计 ,得到了关于风险指标的动态特性     

二维投影非负矩阵分解算法及其在人脸识别中的应用

建立在最小化非负矩阵分解损失函数上的人脸识别算法需同时计算基矩阵和系数矩阵, 导致求解这类问题十分耗时. 本文把非负属性引入二维主成分分析(2-dimensional principal component analysis, 2DPCA)中, 提出了一种新的二维投影非负矩阵分解(2-dimensional projective non-negative matrix factorization, 2DPNMF)人脸识别算法. 该算法在保持人脸图像的局部结构情况下, 突破了最小化非负矩阵分解损失函数的约束, 仅需计算投影矩阵(基矩阵), 从而降低了计算复杂度. 本文从理论上证明了所提出算法的收敛性, 同时, 使用了YALE、FERET和AR三个人脸库进行实验, 结果表明2DPNMF不仅识别率高, 而且速度优于非负矩阵分解和二维主成分分析.     

基于光滑性和主成分的非负矩阵分解算法

非负矩阵分解(NMF)存在收敛速度慢的缺点,其根本原因是基图像（基矩阵）包含大量的噪声点。另外,系数矩阵相关性很大,不利于区分不同图像。鉴于以上缺点,提出了基于光滑性和主成分的非负矩阵分解（SPNMF）：一方面通过添加常数矩阵来增强基矩阵的光滑性,平抑噪声点,达到减少迭代次数的目的;另一方面在原损失函数基础上,将系数矩阵不同列之间的方差作为惩罚项,提高系数矩阵的区分度。在PIE和FERET人脸库中的实验表明,SPNMF不仅能够提高人脸识别的正确率,而且速度比NMF快2~4倍,使得基于非负矩阵的人脸识别系统更具有实用价值。