模糊粗糙集在碳通量属性约简应用研究

寻找碳通量的主要影响因素是摸清碳循环规律的关键环节。由于与碳通量密切相关的生态因素众多且具有不确定性,存在大量冗余信息,致使特征选择面临极大的困难。提出利用模糊粗糙集理论约简碳通量数据属性的方法,不仅能有效处理复杂不确定问题,而且善于处理连续属性。实验结果表明,用模糊粗糙集约简的属性建立BP网络的碳通量预测模型具有较高的预测精度,这充分验证了该方法能够在有效保留信息量的同时,大幅度提高约简效率。     

在形式验证和ATPG中的布尔可满足性问题

介绍布尔可满足性(SAT)求解程序在测试向量自动生成、符号模型检查、组合等价性检查和RTL电路设计验证等电子设计自动化领域中的应用．着重阐述如何在算法中有机地结合电路拓扑结构及其与特定应用相关的信息，以便提高问题求解效率．最后给出下一步可能的研究方向。     

基于TDR-3的土壤水分传感器标定模型研究

无线传感器网络为土壤水分实时采集提供了经济、方便的途径,对分析土壤含水量时空变异和作物生长气候变化意义重大.将无线传感器网络与TDR-3土壤水分传感器结合实现土壤水分实时监测.为了克服TDR-3土壤水分传感器的非线性缺陷,提出利用最小二乘法对土壤水分曲线进行分段线性标定的方法,并采用相关性系数进行精度验证.实验结果表明,分段线性法所建立模型的精确度较高,而且标定模型简单实用、可行.通过标定模型的研究,使得土壤水分的无线传感器网络能够较精确地进行土壤水分的实时监测.     

pH传感器温度补偿模型研究

水质pH值在线监测对提高水产品健康养殖至关重要,本文将无线传感器网络与pH值传感器相集成,设计了pH值监测的无线传感器网络系统。为克服pH值测量过程中温度对测量结果的影响,提出了一种pH传感器温度补偿模型,该模型通过pH传感器和PT100铂电阻温度传感器分别测量溶液的pH值和温度,利用最小二乘法对pH值和电压进行线性分析,建立pH传感器的温度补偿模型。实验结果表明,该补偿模型测量精度高,能够实现较精确的pH值在线监测。     

基于结构组稀疏表示的遥感图像融合

目的 稀疏表示在遥感图像融合上取得引人注目的良好效果,但由于经典稀疏表示没有考虑图像块与块之间的相似性,导致求解出的稀疏系数不够准确及字典学习的计算复杂度高。为提高稀疏表示遥感图像融合算法的效果和快速性,提出一种基于结构组稀疏表示的遥感图像融合方法。方法 首先,将相似图像块组成结构组,再通过组稀疏表示算法分别计算亮度分量和全色图像的自适应组字典和组稀疏系数;然后,根据绝对值最大规则进行全色图像稀疏系数的部分替换得到新的稀疏系数,利用全色图像的组字典和新的稀疏系数重构出高空间分辨率亮度图像;最后,应用通用分量替换（GCOS）框架计算融合后的高分辨率多光谱图像。结果 针对3组不同类型遥感图像的全色图像和多光谱图像分别进行了退化和未退化遥感融合实验,实验结果表明：在退化融合实验中,本文方法的相关系数、均方根误差、相对全局融合误差、通用图像质量评价指标和光谱角等评价指标比传统的融合算法更优越,其中相对全局融合误差分别是2.326 1、1.888 5和1.816 8均远低于传统融合算法;在未退化融合实验中,除了在绿色植物融合效果上略差于AWLP（additive wavelet luminance proportional）方法外,其他融合结果仍占有优势。与经典稀疏表示方法相比,由于字典学习的优越性,计算复杂度上要远低于经典稀疏表示的遥感图像融合算法。结论 本文算法更能保持图像的光谱特性和空间信息,适用于不同类型遥感图像的全色图像和多光谱图像融合。     

时空混沌的自适应模糊控制

对模型不确定的子系统是多维的耦合Henon映射链提出用离散自适应模糊的方法控制混沌,该方法综合了自适应模糊逻辑系统的逼近能力和带有域变结构控制策略的优点。仿真结果证明了所提方法的有效性。     

数字电路的层次化测试生成新趋势

与传统的门级测试生成方法相比，数字电路的层次化测试生成方法采用层次化模块的方式，利用不同抽象级的电路信息，包括结构信息和功能信息，有利于加速测试生成，提高故障覆盖率，分析和综述了几类主要的层次化测试生成算法：预先生成低层模块测试法、模块在约束下直接生成全局测试法、高层模块动态展开法、高层软件测试与低层门级结构测试结合法等，并讨论今后有待解决的主要问题。     

数字电路的层次化测试生成新趋势

与传统的门级测试生成方法相比.数字电路的层次化测试生成方法采用层次化模块的方式,利用不同抽象级的电路信息,包括结构信息和功能信息,有利于加速测试生成,提高故障覆盖率.分析和综述了几类主要的层次化测试生成算法:预先生成低层模块测试法、模块在约束下直接生成全局测试法、高层模块动态展开法、高层软件测试与低层门级结构测试结合法等,并讨论今后有待解决的主要问题.     

基于角点光流与SVM的增氧机工作状态检测

在水产养殖中,实时检测增氧机的工作状态非常重要。因此,提出了一种基于角点光流与支持向量机SVM模型的增氧机工作状态检测方法。该方法首先通过摄像机采集增氧机停止/运行状态的视频,然后对相继前后两个视频帧,利用Harris算法检测前一帧图像的水花角点,再根据后一帧,用金字塔Lucas-kanade光流法计算角点的光流量,从而得出水花角点在两帧之间的帧间平均位移;然后,利用学习阶段视频的角点帧间平均位移数据训练SVM模型;最后利用训练好的SVM模型对增氧机实时工作状态进行判断。在工作阶段,采用一种过滤异常视频帧的方法,提高检测的准确率。通过实验表明,该方法适应于对不同光照、不同视频获取角度和不同拍摄距离条件下增氧机工作状态的实时监控,检测准确率高于直方图阈值分割方法。同时,该方法具有较好的鲁棒性和实时性。     

改进的自适应混合高斯前景检测方法

针对混合高斯背景模型计算量大、存在阴影和鬼影的不足,提出一种基于混合高斯模型的改进前景检测算法。通过分析背景的稳定性来选择连续或隔帧更新方式对背景模型中的参数进行更新,提高算法的运算速度。在背景更新方面,让更新率与权值相关联从而使更新率随权值改变并且对目标移动后显露的背景像素给予更大的更新率,提高背景的稳定性并解决鬼影现象及前景与背景转化的问题。对检测出的目标,用适应性更高的RGB颜色空间畸变模型进行阴影检测和消除,并进行高斯金字塔滤波和形态学滤波处理,以得到更好的前景目标。实验结果表明,该方法能提高算法的计算效率且准确地分割前景目标。