心电向量诊断系统中心电向量立方体图形的实现

主要介绍了心电向量立体图形及其旋转在计算机上的实现。由于在计算机中,图形的数据是以矩阵的方式来存储的,因而,立体图形在计算机上显示、旋转和平移等,都可以采用矩阵的运算来进行。系统用Mi-crosoftVisualC 实现。     

基于最优ＲＡＮＳＡＣ算法的非增加式多视图三维重建

摘要：非增加式的多视图三维重建算法不依赖于初始重建,而是首先求解全部的摄像机参数,然后 一次性重建所有三维点,其难点在于如何精确的求得全局旋转矩阵和全局平移向量．针对摄像机旋 转矩阵计算的问题,引入最优ＲＡＮＳＡＣ算法来稳定剔除错误的二视图关系,避免了人为设定阈值 的不可靠性,提高了全局旋转矩阵的计算精度．针对摄像机平移向量计算的问题,结合了黄金分割 方法与线性规划来精确计算三视图相对平移向量,提高了相对平移向量计算的精度,从而提高了最 终全局平移向量的精度．实验结果表明,设计的算法能有效的提高三维重建精度．     

任意旋转角三维坐标转换的微分罗德里格矩阵算法

为分析现有小旋转角和任意旋转角三维坐标转换模型存在的问题,利用罗德里格矩阵、反对称矩阵与向量积运算性质将矩阵微分形式转换为参数向量微分形式,从而提出微分罗德里格矩阵算法。该算法避免了现有算法普遍存在的矩阵求导问题,实现了函数模型和随机模型同步迭代更新,以提高精度和迭代效率。最后,通过文献算例和仿真算例对本文算法和3种现有算法进行比较分析。统计结果表明,所提算法在迭代次数、参数真误差等方面改进效果显著。     

基于优化内积模型的压缩感知快速重构算法

针对压缩感知理论中现有重构算法耗时过长的问题,提出一种基于优化内积模型的快速重构算法,且理论推导了迭代停止条件.该算法在重构的每次迭代过程中,仅在第1次迭代时采用传感矩阵与余量的矩阵求内积运算,在后续的迭代中则通过向量运算代替矩阵求内积的运算,迭代停止时只需进行一次最小二乘法即可获得重构信号.仿真结果表明,提出的快速重构算法在保证重构信号性能的基础上,大大减少了重构时间.     

基于Ⅱ类最优正规基的快速模乘算法及其实现

为提高椭圆曲线密码应用系统中有限域上乘法计算速度,在Ⅱ类最优正规基上,提出了一种改进的基域乘法实现算法,完成一次基域乘法,只需要进行2m+1次循环移位和1.5m次的向量XOR和m次向量AND运算.软件仿真和FPGA工程实践表明,使用本算法能够显著提高模乘算法的效率.     

一种基于MapReduce的Apriori改进算法研究

提出了一种基于MapReduce模型,利用向量矩阵和Apriori算法实现关联规则数据挖掘的新算法.算法利用MapReduce模型处理向量矩阵,结合Apriori算法思想,产生局部频繁项集,通过合并处理得到全局频繁项集.实验证明算法能提高关联规则挖掘的效率.     

一种带径向速度量测的Jerk-EKF机动目标跟踪算法

为了提高机动目标跟踪精度,在基于Jerk模型的扩展卡尔曼滤波算法(Jerk-EKF)基础上,提出了一种带径向速度量测的扩展卡尔曼滤波算法(Jerk-EKFrv).该算法通过引入径向速度量测扩充了量测矩阵的维数,然后利用展开泰勒级数的一次项,解决量测方程中状态向量和量测向量的非线性问题,最后采用卡尔曼滤波算法对目标状态进行估计.对Jerk-EKF和Jerk-EKFrv算法的仿真结果表明,Jerk-EKFrv算法能够有效提高机动目标的跟踪精度.     

旋转对称能量与旋转对称性检测

为检测图像的旋转对称中心和旋转对称角,通过引入旋转对称能量的概念,提出了一种新的旋转对称性检测算法.该算法分为3个步骤:1) 对图像中任一位置,计算该位置处的旋转对称能量和旋转对称角;2) 计算各点处的旋转对称能量获取整幅图像对应的旋转对称能量图;3) 在旋转对称能量图上进行局部极大值检测获得旋转对称图形的旋转对称中心并确定旋转对称角度.实验结果表明,该算法不仅能够准确鲁棒地检测出旋转对称图形的旋转对称中心与旋转对称角,还能成功应用于图像修复.     

基于二元向量矩阵算法的粗糙集方法

根据向量矩阵与向量之间的映射关系,研究了基于二元向量矩阵算法的粗糙近似、属性约简以及最优属性约简集的获取。提出基于二元向量矩阵的属性相对约简、最优属性集获取算法,解决原有矩阵算法属性核不一致性和属性约简集选择的盲目性。并提出了二元向量压缩矩阵算法,降低了原有矩阵算法的复杂度。通过实例分析,证明所提出的相关算法的有效性,为研究粗糙集数据挖掘提供了一种可行有效的计算方法。     

矩阵转置对图形变换的几何意义

鉴于矩阵与数字灰度图像的对应关系,首先解释了矩阵转置的代数和几何定义,通过矩阵对应的灰度图像进一步探索了矩阵转置对图形变换的几何定义.其次,经过设计案例观察并总结出了矩阵转置对图形变换的几何意义是先将图像沿轴中心线作镜面翻转,再将图形按逆时针方向旋转.最后验证了矩阵转置对图形变换几何意义的正确性.     

采用GWO优化SVM的燃气轮机气路故障诊断

将灰狼优化算法和支持向量机算法作为理论指导,并采用灰狼优化算法对支持向量机算法进行优化,以实现燃气轮机故障类型的分类。将灰狼优化算法与遗传算法优化支持向量机方法和粒子群算法优化支持向量机方法进行对比,结果表明,通过灰狼算法优化支持向量机的方法对燃气轮机故障分类的准确率要高于遗传算法优化支持向量机算法和粒子群算法优化支持向量机的故障分类方法。     

基于矢量传感器的高分辨频率估计算法研究

基于子空间分解的ESPRIT算法常用在阵列处理中对目标进行DOA估计．如果将空间的位移变成时间的延迟，单个矢量传感器可以实现高分辨率的频率估计．将ESPRIT与矢量传感器相结合，研究了高分辨率频率估计算法，建立了矢量传感器的数据模型，推导了矢量传感器的空时阵列流形，通过对协方差矩阵进行子空间分解，求得目标信号的频率估计值．仿真计算研究了不同信噪比、采样频率和数据长度条件下该算法的性能．结果表明基于矢量传感器的算法比基于声压传感器的算法具有更高的频率估计精确度．     

一种简化的鲁棒波束形成算法

在阵列导向矢量不存在误差的条件下,传统的最小方差波束形成器(MVB)具有良好的分辨精度和抗干扰能力.然而,MVB算法的主要问题在于不具有鲁棒性,不能克服未知导向矢量误差的影响.因此对角加载以及相应的扩展算法已经成为一种提高MVB算法鲁棒性的常用方法.该文对基于椭球形导向矢量不确定集的鲁棒MVB算法进行了简化,该简化算法是在对导向矢量附加一个球形不确定集约束的条件下推导出来的,具有较低的计算复杂度和更高的数字稳定性.仿真结果表明,在导向矢量误差存在的情况下该算法是有效的.     

基于支持向量机的增量式算法

为了扩展支持向量机在大规模数据集和成批出现数据领域的应用,提出了一种基于支持向量机的增量式学习算法.利用标准的支持向量机算法训练得到初始的目标概念,通过增量式步骤不断更新初始的目标概念.更新模型是求解一个与标准支持向量机具有类似的数学形式的凸二次规划问题.证明了在可分情况下,如果新增加的样本不是位于边界区,那么增量式过程既不会改变分类平面也不会改变分类平面的表达.与现有的增量式支持向量机算法相比,该算法无需额外计算就可实现增量式的逆过程并且训练时间与增量式步骤数成反比.实验结果表明,该算法满足稳定性、能够不断改进性能以及性能回复三个准则.     

一种稳健的特征空间线性约束波束形成器

基于特征空间的线性约束最小方差（eigenspace-based linearly constrained minimum variance,ELCMV）算法是一种稳健的波束形成方法,但其性能只能在一定的指向误差范围内保持稳定,当指向误差较大而使期望信号落在预设波束主瓣边缘时,其性能会严重恶化。对ELCMV算法进行改进,提出一种对零点约束方向和指向误差都具有稳健性的波束形成方法。该方法首先利用矢量旋转对预设导向矢量进行校正,再将校正后的导向矢量向信号子空间投影,最后结合线性约束用线性约束最小方差（linearly constrained minimum variance,LCMV）算法来求解权矢量。计算机仿真证实了该方法的有效性。     

一种改进的支持向量聚类算法

为了提高算法聚类精度,降低算法聚类耗时,根据支持向量聚类算法的统计性原理本文提出了一种改进的支持向量聚类算法。该算法通过预处理数据,提高样本质量;成功解决内部支持向量点扰乱提取簇轮廓的问题;利用支持向量点寻找局部最优点,采用SEP进行成对抽样确定簇标签。理论分析和仿真结果表明,改进算法有效的提高了聚类精度高,降低了算法的复杂度,取得了良好的聚类效果     

判定线性不等式围成的空间是否为空的梯度快速算法

给出一个判定线性不等式围成的空间是否为空的快速算法.这个算法利用空间中的投影矩阵将一个射线投影到约束仿射空间的一个向量,使得算法能够用最快的速度逼近交空间中的一个可行点.实验结果表明,这个算法比作者以前的分治算法要快很多倍,特别是在空间的维数很大的情况.     

一种抑制算法漂移率的四子样旋转矢量优化算法

针对高动态环境下,载体高速旋转会产生不可交换误差而影响姿态解算的精度,研究了基于旋转矢量法的捷联惯导姿态更新算法,在传统的四子样旋转矢量算法的基础上,通过引入前一更新周期的角增量改进算法以减少算法漂移率。推导了圆锥运动条件下利用前一更新周期角增量的四子样旋转矢量优化算法,确定了优化算法的表达式。选择圆锥运动为初始的输入条件进行仿真,并与传统的四子样算法进行比较,结果表明,该算法的漂移率减小,精度提高,适合高动态环境姿态更新计算。     

LBG与SOFM应用于矢量量化的比较研究

在介绍矢量量化以及LBG算法和SOFM算法的基础上,通过实验对比了LBG算法和SOFM算法在应用于图象矢量量化压缩过程时,码书大小、码字大小以及初始码书生成方式等因素对图像压缩性能的影响,得到了相关结论：固定码字矢量维数,码书越大,压缩比越小,重建图像质量越好;固定码书,码字矢量维数越小,编码性能越好;LBG算法对初始码书敏感,而SOFM算法由于所具备的自适应特性对初始码书不敏感。论文最后提供了一些改进思路,为改进传统矢量量化算法及设计新的矢量量化算法以提供了参考。     

基于自适应投影算法和修正核函数算法的混合支撑矢量机

提出了基于自适应投影算法和修正核函数算法的混合支撑矢量机，根据修正核函数算法的正形投影变换，将问题映射到黎曼空间来增大分类面，从而提高支撑矢量机的分类精度，但其缺陷在于它帅两步优化实现的，因此增加了时间复杂度，基于此，混合支撑矢量机使用自适应投影算法对支撑矢量进行预选取，即通过投影从训练样本中选择部分样本作为中心矢量进行训练，实验结果表明：此方法在可分性得到显著提高的同时提高了速度。