用于结构解析的波谱智能数据库系统(Ⅰ)基于结构相似性的匹配算法

基于分子子结构相似性提出一种计算质谱相似性的算法， 可较有效地实现相似检索。     

用于结构解析的波谱智能数据库系统（Ⅰ）基于结构相似性 …

基于分子子结构相似性提出一种计算质谱相似性的算法，可较有效地实现相似检索。     

近红外分析网络共享平台中复杂工作流实现算法

近红外分析共享平台中的采集工作流是一个以数据为中心的工作流。对系统中复杂采集工作流的跳转执行过程进行了详细分析,针对自由工作流跳转造成的数据和状态不一致性的问题,提出了一个任务执行优先关系算法,计算采集工作流中各个活动任务执行次序关系值,并构造一个执行次序关系树,记录各任务活动的状态信息;在流程回退、撤销、跳转时保证了数据和状态的一致性,较好地实现了跨任务活动的跳转。应用结果表明,此算法能够正确高效地实现复杂流程的跳转。     

SVM分类器的风险评估算法研究

不论对分类问题还是回归问题,在构造实际可行的寻找决策函数f(x)的学习算法时,首先要有一个评价f(x)好坏的标准。而评价一个决策函数的性能时,一般是利用样本集估计其在检验集上推断时发生的错误率。给出了几个错误率估计算法,并详细分析了各估计函数的优缺点,最后的实验结果给出了从k-折交叉验证、RM-bounds和εα-estimator函数中预测出的测试错误率,进一步说明了不同的数据集可以选择不同的风险评估算法来预测出所选模型的最优参数。     

基于STL文件的快速成型分层算法与毗邻拓扑信息的快速提取

该文研究了实时的快速成型的分层算法,即从CAD模型转换成STL文件后,实时快速求出该模型与水平截面的轮廓线交线,为此,该文提出并建立了三角形网格的毗邻关系索引表,并构造相应的数据结构来表达STL文件的散乱三角形集合中的毗邻拓扑联系,而为了快速建立这种毗邻关系,该文进一步提出建立两套三角形网格的分组表,来缩小三角形网格的毗邻查找范围,为快速确定三角形网格的毗邻关系奠定基础。该文同时分析了该算法的时间与空间复杂度。计算实践表明,基于该文提出的毗邻关系索引表的分层算法能满足快速成型的实时要求。     

轮廓波域Entropy—Fourier旋转不变算子在纹理分类中的应用

针对图像的旋转问题,提出一种基于contourlet域的旋转不变纹理描述算子。对contourlet变换后的系数进行处理,提取子带香农熵作为特征向量,然后对各个尺度的特征向量进行离散傅立叶变换,得到旋转不变的纹理特征。利用傅立叶谱的对称性,将特征向量进一步降维。最后采用支持向量机和欧式距离对纹理图像进行分类。在包含1456幅图像的自建图像库中进行分类实验,结果表明该方法在低计算复杂度的优势下。能获得较好的分类性能。     

基于Contourlet广义高斯模型的纹理图像检索

Contourlet变换结合了不可分离的方向滤波组,具备小波所不能表达的多方向特性,能有效捕获自然图像的边缘轮廓信息。本文分析了图像Contourlet系数的统计特征,并利用广义高斯函数对各子带系数层进行建模。将此模型应用于基于V isTex的自建纹理图像库,采用矩匹配估计法,提取模型参数集,运用K-L距离计算图像间的相似度。对800幅纹理图像进行检索,本文方法比传统小波方法的平均检索查准率高出约2%到10%不等。实验结果表明,该方法改进了导向纹理的描述。     

集成数据库及KDD的复杂体系定性定量及结构解析智能系统

本文对如何构建一个全新的解析智能系统进行了描述。该系统的特点是把基于化学计量学的解析算法和专家系统柔性集成到一起,并把数据库知识发现（ＫＤＤ）技术和专家数据库（ＥＤ）技术作为构建专家系统知识库的核心工具。利用解析算法可使复杂化学体系简化,结合改进的专家系统可实现化学体系定性定量及结构解析的智能化。     

一种新的红外图像细节增强算法

红外成像系统在数字化时使用14位(或16位)数据来量化一个像素,具有动态范围大、含噪多和对比度低等特点,因此在进一步处理之前往往需要进行必要的增强。目前常用的红外数据增强都是基于普通方法压缩至8位后完成,许多细节信息已在压缩过程中损失,因而增强效果有限。本文把增强过程放在从14位到8位的压缩过程中,提出一种双域滤波及改进的最值归一化对比度增强算法的红外图像增强方法。首先使用双域滤波将原始14位图像的细节部分与基本部分分开,压缩基本部分的动态范围、保留或增强细节部分,然后使用改进的最值归一化方法增强图像对比度,最终得到可以在普通显示器上处理的8位图像数据。该方法在压缩红外图像数据宽度的同时保留了细节信息,取得了良好的实验结果。     

结合USFFT Curvelet变换的各向异性扩散图像去噪模型

提出了一种结合USFFT Curvelet变换的各向异性扩散图像去噪模型.它有机结合了Curvelet变换和各向异性扩散(P-M扩散)两者的优点.通过P-范数方法选择合适的梯度阈值K,P-M扩散过程通过处理经过Curvelet变换得到的图像的不同尺度的Curvelet系数矩阵,实现了建立在对图像多尺度分析的基础上的新P-M扩散模型.实验表明,新模型的处理结果能有效避免传统P-M扩散出现的阶梯效应,同时更好地保留图像的纹理和细节.