基于SVM用户建模的核函数选择研究

用户建模是从用户偏好数据中建立用户偏好模型的过程,用户偏好数据具有系统运行初期的稀疏性和非线形的特点。支持向量机(Support Vector Machine,简称SVM)具有小样本学习、非线形处理的能力,是合适的用户建模工具。SVM的非线形处理能力主要依赖于核函数,采用不同的核函数进行建模对模型的预测效果有重大影响。本文重点研究核函数的选择对基于SVM建模方法的影响,从中选取了表现较优的小波核函数,构建性能突出的SVM进行用户建模。实验证明该建模方法可以有效地从小样本数据中学习用户偏好信息,建立反映用户真实偏好的用户模型。     

基于JESD204B的多通道超声成像系统设计

本文分析了目前多通道超声成像系统设计中的关键问题,提出基于JESD204B标准的超声成像系统设计方案。该方案相比目前主流多通道超声成像系统,大大减少了模拟前端与后端数字处理部分的连线,降低了电路设计的复杂度和成本,有效缩减了多通道超声成像系统的功耗。     

基于小波变换和混沌映射的彩色图像加密方法

本文提出一种基于小波变换和混沌映射的彩色图像加密算法。首先利用3D混沌猫映射来置乱明文图像的RGB三通道的小波变换系数,然后在空域上,利用耦合映像格子模型(CML)对置乱后明文图像进行扩散。该算法充分利用了空域和频域加密的优点,增强了加密效果。仿真实验结果表示了该算法的有效性。     

自适应SUSAN扩散的超声图像去噪算法

为了降低超声图像斑点噪声的影响,提出一种自适应SUSAN(ASUSAN)扩散的超声图像去噪算法.通过引入SUSAN算法检测出图像的边缘,然后采用K均值法对模板区域特征值进行分类,自适应获得图像的全斑点噪声区域和相关参数,最后将SUSAN算法与非线性扩散方法相结合,提出一种新的扩散方程对图像进行非线性去噪.实验证明,相比于其他的各向异性扩散算法,本算法能得到更高的PSNR值和FOM值以及更小的MSE值,且在细节保留方面也能取得更好的效果.     

基于复小波方向信息的SAR图像斑点噪声抑制

针对一般小波去噪方法在去除合成孔径雷达(Synthetic Aperture Radar-SAR)图像斑点噪声时不能有效保持图像边缘信息的问题,提出结合双密度双树复小波变换（Double-Density Dual Tree Complex Wavelet Transform –DD_DTCWT）方向信息进行边缘检测的SAR图像噪声抑制算法。本文对边缘检测指标进行改进,利用DD_DTCWT方向复小波系数的相对方差作为边缘检测指标,通过相对方差分布密度函数获取阈值处理的自适应门限,由此实现SAR图像的自适应滤波。实验结果表明,本文提出的边缘检测和主方向高频复系数提升方法可以有效保持并增强图像的边缘信息。与SRAD算法和基于DD_DTCWT的双变量收缩函数（Bivariate Shrinkage Function--BSF）算法相比较,本文算法具有更好的边缘保持能力。