改进的拉普拉斯算法初轨计算的收敛问题

首先分析了人造卫星初始轨道计算的改进拉普拉斯算法,指出了该算法中存在的不可解和不收敛问题,并对这两个问题给出了解决的方法:半步后退法和增加惯性项,从而较好地解决了问题。     

拉普拉斯变换的图形分析

以单边指数函数为例，分析了拉普拉斯变换象函数F(s)在其收敛域内随σ和ω的变化规律，通过|F(s)|曲面图来观察这些规律，并解释了图中某些特定点及剖面的含义，以形象化的方式加深对拉普拉斯变换的认识。借助MATLAB的绘图功能绘制出F(s)的曲面图、剖面图及信号的频谱图，从中可以观察到频域与复频域的关系以及系统函数的零极点分布等。     

基于SIFT特征的遥感图像配准方法研究与实现

讨论了基于SIFT特征的遥感图像配准方法,重点介绍了基于特征点提取的算法描述以及针对基于特征点的遥感图像配准算法流程,并通过实验进行了验证。     

基于拉普拉斯特征映射学习的隐匿FDI攻击检测

智能电网中的隐匿虚假数据入侵(False data injection, FDI)攻击能够绕过坏数据检测机制, 导致控制中心做出错误的状态估计, 进而干扰电力系统的正常运行. 由于电网系统具有复杂的拓扑结构, 故基于传统机器学习的攻击信号检测方法存在维度过高带来的过拟合问题, 而深度学习检测方法则存在训练时间长、占用大量计算资源的问题. 为此, 针对智能电网中的隐匿FDI攻击信号, 提出了基于拉普拉斯特征映射降维的神经网络检测学习算法, 不仅降低了陷入过拟合的风险, 同时也提高了隐匿FDI攻击检测学习算法的泛化能力. 最后, 在IEEE57-Bus电力系统模型中验证了所提方法的优点和有效性.     

Weber定律下尺度空间的自适应构建

在Weber定律的启发下提出一种基于"恰可识别差异"的尺度空间自适应构建方法。Weber定律认为人类感知模式不仅与刺激的变化有关,而且与原刺激强度有关。基于此观点,在图像尺度空间的构建过程中,首先以Marr视觉理论的屋脊型边缘和阶梯型边缘的特征之和计算图像的信息量,再通过实验获得人类视觉能感知到"恰可识别差异"时的图像信息量变化,最后通过曲线拟合自适应构建图像的尺度空间。实验结果表明,该方法充分体现了人类视觉感知特性,与其他尺度空间构建方法相比,在目标匹配实验中,匹配数目提升了25%以上;在去噪实验中,本算法的去噪效果良好。     

脑电Laplacian空域滤波的改进算法

Laplacian空域滤波通过被关注的通道与相邻通道信号转换,能有效地提高脑电信号的信噪比,经典的Laplacian空域滤波矩阵由通道之间的距离确定.该方法依赖于相应通道定位的准确性,实际应用中不能保证电极精准安放并存在个体差异,影响了该方法的应用效果.为了提高该算法的通用性,采用高斯模型改进经典Laplacian空域滤波算法,根据用户调试数据确定模型相关参数,进而确定空域滤波矩阵.采用国际脑机接口竞赛BCI competition 2005 Ⅳ数据集验证滤波后的效果,总体比经典Laplacian方法识别准确度提高10个百分比,采用改进方法滤波后不同类间距离增大、同类间距离减小,提高了信号的信噪比.     

基于Gabor多尺度空间的不变兴趣点检测

针对以往仿射不变兴趣点的特征尺度不能直接断定的问题, 提出一种基于Gabor多尺度空间的不变兴趣点检测算法。该算法主要包括三个步骤：应用Gabor滤波器组与图像卷积建立图像Gabor多尺度空间; 通过极大值准则检测兴趣点并直接断定特征尺度; 采用二阶矩矩阵描述兴趣点局部结构。实验结果表明, 相比较其他Hessian-Affine、MSER等算法, 该算法在图像模糊和JPEG压缩情况下可重复率和可匹配率均取得最好结果, 是一种能有效直接提取特征尺度的兴趣点检测算法。