无约束物体动力学普适方程的变分导出

用张量形式通过变分原理导出了无约束物体的动力学普适方程,该方程简化后可得到 体动力学方程和弹性变形体动力学方程。普适方程用于分析运动物体考虑其变形或由刚体和变形体组成的混合系统的动力学问题是方便的。     

一种基于无约束最优化的多用户检测算法

在码分多址（CDMA）系统中提出了一种基于无约束最优化的近最大似然多用户检测算法。最大似然检测算法可以看成是一个具有约束条件的组合优化问题,所提出的算法通过放松这个组合优化问题的约束条件,将最大似然检测算法转化成为一个无约束最优化问题,并利用无约束最优化问题的解来近似得到最大似然解。数值结果显示：无论在加性高斯白噪声信道（AWGN）下,还是在随机时变多径信道下,该算法都与最大似然检测的性能都十分接近,同时其复杂度在用户数比较大时仅与线性检测算法相当。     

无约束优化问题的一种新的变尺度法

借助于三角分解和直接列修正技巧，对无约束优化问题提出一种新的变尺度法，并给出算法的收敛阶和在不精确线搜索下的大范围收敛性；数值结果及与ＢＦＧＳ法等其它变尺度法的数值比较。     

基于总变分和各向异性扩散方程的图像恢复模型

提出了一个基于总变分和各向异性扩散方程的图像恢复模型,该模型通过引进“纯粹的”各向异性扩散方程的扩散项．实现了偏微分方程去噪方法中非线性扩散方程与能量泛函变分法的有机结合．实验表明该模型不但能够提高去噪性能。而且可增强边缘并保持边缘的位置;能够保持图像中的纹理特征和不能用边缘刻画的大尺度细小特征,使得处理后的图像清晰度和对比度大大增强,而且有意义的细节特征也被保留。     

一种基于混合高斯模型的运动目标阴影检测策略

视频的目标分割与阴影检测技术是计算机视觉领域中最主要的研究方向之一。基于混合高斯模型,提出一种双重阴影检测策略。先通过HSV模型下的颜色夹角确定疑似阴影,再对运动目标和疑似阴影进行混合高斯建模从而消除实际阴影。实验结果表明,该策略在不影响目标识别的情况下可以较好地检测并消除在不同光照环境下的随伴运动目标阴影,具有较高的鲁棒性,从而能保证目标检测的连续性和准确性。       

二阶总广义变分图像修复模型及其算法

为更好地修复图像,提出了一种新的图像修复模型． 通过分析新模型的性质,给出了一种有效的原始对偶修复算法．实验结果表明,相比于总变分图像修复模型,新模型在修复结果上有更高的峰值信噪比和更好的视觉效果．     

无约束最优化问题的一类变尺度方法的收敛性分析

分析了求解无约束最优化问题的一类变尺度方法的特性，证明了该方法具有二次收敛性并给出了数值例子。     

基于总变分规整化的湍流退化图像复原RL算法

根据RL（Richardson-Lucy）不需要点扩散函数尺寸先验信息的优点和湍流退化模式的特点,将RL图像复原算法应用到气动光学效应退化图像的复原中．针对RL算法极易引起噪声放大和过度平滑的缺点,提出了基于总变分最小化的RL图像盲复原算法．仿真结果表明,该算法在噪声抑制和细节保存方面都优于非规整化的RL算法。     

基于改进变分自动编码器的入侵检测模型构建及仿真

针对现有网络流量入侵检测查准率低的问题,提出了一种基于改进变分自动编码器的入侵检测方法,先在变分自动编码器上增加判别器实现网络流量的入侵检测,之后在CICIDS2017数据集上对所提方法进行验证。结果表明,所提方法对正常流量与异常流量检测的平均查准率、召回率、F1值均达到87%以上,且平均AUC值达90%。相较于CE-SAE模型和传统变分自动编码器,所提方法在各项指标上的表现更好,具有明显优势。     

一种基于非均匀惩罚因子的序列无约束最优化外点新算法

增广拉格朗日乘子方法（Augmented Lagrange multiplier method）是拉格朗日乘子方法（Lagrange multiplier method）的推广,它是一种序列无约束的最小化技术,包括内点法和外点法,内点法适用于仅有不等式约束的情形,其主要思想是对违背可行性的约束给予一个惩罚。传统的做法是：对所有约束以相同的罚因子,自适应调整Lagrange乘子。提出了一种非均匀惩罚的自适应更新罚因子的方法,即根据近似解对约束违反的严重程度施行不同惩罚的新方法。算例表明,本方法是有效的。     

An efficient approach for shadow detection based on Gaussian mixture model

An efficient approach was proposed for discriminating shadows from moving objects. In the background subtraction stage, moving objects were extracted. Then, the initial classification for moving shadow pixels and foreground object pixels was performed by using color invariant features. In the shadow model learning stage, instead of a single Gaussian distribution, it was assumed that the density function computed on the values of chromaticity difference or bright difference, can be modeled as a mixture of Gaussian consisting of two density functions. Meanwhile, the Gaussian parameter estimation was performed by using EM algorithm. The estimates were used to obtain shadow mask according to two constraints. Finally, experiments were carried out. The visual experiment results confirm the effectiveness of proposed method. Quantitative results in terms of the shadow detection rate and the shadow discrimination rate（the maximum values are 85.79% and 97.56%, respectively） show that the proposed approach achieves a satisfying result with post-processing step.     

基于全变差和小波方法的图像去噪模型

用小波系数范数代替OSV模型中的H^-1范数，得到了一个新的全变差去噪模型,通过求解该模型的极小化，推导出其相应的Euler—Lagrange方程为小波域中的二阶非线性偏微分方程，根据有界变差泛函中的Poincare等式和下半连续性．证明了该模型极小值的存在性．数值实验表明新模型在有效去噪的同时可以保持较好的视觉质量。     

基于Delaunay三角化的二维无约束优化EMD方法

提出一种改进的基于Delaunay三角化的二维无约束优化经验模态分解(empirical mode decomposition, EMD)方法,对二维图像极值点重新定义,利用对定义的极值点进行Delaunay三角化构建无约束的优化模型对图像进行迭代分解,能够将原始图像自适应分解为尺度从细到粗的内蕴模态图像分量和一个余量。试验结果表明:本研究提出的方法较原始的二维无约束优化EMD方法具有更强的细节获取能力,能够更好地体现原始图像的不同尺度特征。     

一类无约束优化问题的的共轭梯度法

共轭梯度法是求解非线性优化问题的一种重要方法，尤其适用于大规模优化问题的求解。提出一个新的非线性共轭梯度公式，采用该公式和Wolfe非精确线搜索的方法，使之全局收敛。经数值实验验证该算法是有效的。     

基于FrFT变换和全变分正则化的异常检测算法

针对低秩稀疏表示的高光谱异常检测算法中背景字典易被污染、空间信息利用不足的问题,提出基于分数阶傅里叶变换（FrFT）和全变分正则化约束的高光谱图像异常检测算法. 通过聚类算法,将图像高维数据映射至多个子空间;构造FrFT-RX算子,增大背景和异常的可分性,得到较纯净的背景字典. 为了表示FrFT变换后中间域内背景与异常的空间特征,在低秩稀疏表示模型中引入全变分正则化项约束. 采用交替方向乘子法对模型进行优化求解,得到异常检测的结果. 在3个真实高光谱数据上开展目标检测实验,实验结果表明,与其他5种异常检测算法相比,本文算法具有更高的检测率和较低的虚警率.     

一类无约束优化问题的的共轭梯度法

共轭梯度法是求解非线性优化问题的一种重要方法,尤其适用于大规模优化问题的求解.提出一个新的非线性共轭梯度公式,采用该公式和Wolfe非精确线搜索的方法,使之全局收敛.经数值实验验证该算法是有效的.     

基于AR模型的反辐射导弹检测算法

根据反辐射导弹(ARM)的特点及其雷达回波信号中速度、加速度等特征,提出了一种新的基于AR模型的ARM检测算法．该方法通过建立二阶AR模型、估计代表不同目标的模型极点并由此估算目标加速度来判断目标性质．该方法不仅可以在雷达已跟踪上ARM载机后采用,而且可以适用于雷达搜索扫描时．仿真结果表明该方法具有分辨率高,对雷达脉冲重复频率PRF及积累脉冲数要求不高的特点,在低的PRF、及少的积累脉冲下,利用该方法仍可有效地识别检测出ARM．     

一个HS和DY公式合成的新共轭梯度算法

提出一个基于HS和DY方法的新共轭梯度法展公式,证明了该方法在σ∈（0,1/3）的SWP搜索下全局收敛,数值试验表明该方法具有良好的数值结果。     

基于彩色信息和边缘特征的运动阴影检测

基于RGB彩色信息建立自适应背景模型,通过背景抽取检测快速运动目标,同时利用运动目标的边缘特征作补充,在色调、色饱和度、光强(hue,saturation,intensity,HSI)彩色空间,根据运动阴影的运动属性及自身的物理特性检测阴影,通过阴影的抑制进一步提高运动目标检测的准确性.实验结果表明,该方法能够有效地检测快速运动目标、抑制阴影、提高智能交通系统的性能.