基于图像熵值的加权分块2DPCA人脸识别

在分块2DPCA(Modular 2DPCA)算法的基础上,提出一种基于图像子块熵值加权的Modular 2DPCA算法(Entropy Modular 2DPCA)。Modular 2DPCA法直接计算测试图像与训练图像特征矩阵的距离,而Entropy Modular 2DPCA根据测试样本自适应确定图像子块的权值,增强包含分类信息多的子块权值,加入测试样本的信息,解决2DPCA人脸识别算法完全依赖人脸库的问题。将Entropy Modular 2DPCA算法、2DPCA算法以及Modular 2DPCA算法在ORL、自建人脸数据库上进行对比测试实验,实验结果表明,Entropy Modular 2DPCA算法具有良好的识别性能和计算速度,提高了对人脸姿态、光线、遮挡等问题的鲁棒性。     

分块多线性主成分分析及其在人脸识别中的应用研究

主成分分析(Principal Component Analysis,PCA)是人脸识别中一个经典的算法,但PCA方法在特征提取时考虑的是图像的整体信息,并没有考虑图像的局部信息,而分块PCA(Modular Principal Component Analysis,Modular PCA)则可以有效地提取图像中重要的局部信息,所以在人脸识别实验中获得了比传统PCA更好的识别效果。但PCA和Modular PCA都要进行图像的矢量化,这会破坏原始数据的空间结构,也有可能会导致"维数灾难"。多线性主成分分析(Multilinear Principal Component Analysis,Multilinear PCA)作为PCA在高维数据上的扩展,直接使用矩阵或者高阶的张量来获得有效特征,既可以避免"维数灾难",又可以体现直接将张量数据作为处理对象时保留原始数据较好基本结构信息的优点。在研究Modular PCA和Multilinear PCA的基础上,提出了分块多线性主成分分析(Modular Multilinear Principal Component Analysis,M2PCA)算法,用于识别人脸。在Yale、XM2VTS和JAFFE人脸数据库上进行了人脸识别实验,结果表明,在同等的分块条件下,所提出的方法的识别效果要优于Modular PCA的方法。     

基于Modular网络和EM-SFM算法的模糊Sugeno模型

基于Modular网络重新解释了广为使用的模糊Sugeno模型。随后,EM算法,提出了该模型的新算法EM－SFM。证明了该算法的线性收敛法,分析了它的收敛速度。     

分块MMC及其在人脸识别中的应用

用最大间距准则(Maximum Margin Criterion,MMC)算法进行特征提取时,提取的是全局的特征,对局部的特征不能有效地抽取。因此,对MMC算法进行改进,提出一种基于分块MMC(Modular Maximum Margin Criterion,MMMC)的人脸识别方法。首先对图像矩阵进行分块,然后对分块后的矩阵进行MMC特征抽取,对每一子块抽取的特征进行整体融合,最后采用最近邻判决准则进行分类识别。在ORL、Yale人脸图像库进行的实验结果表明,新算法相比于MMC算法有更好的识别性能。     

一种求受顶点数限制的最短路径的新算法

提出了一种基于逆邻接表求受顶点数限制的最短路径的新算法，其时间复杂度为O(m-2)^*w)(m是受限制的顶点数，w是有向图中弧的条数)，优于同类算法。采用逆邻接表作为图的存储结构，该算法很容易实现。     

基于J2摄动模型的卫星轨道预测算法精度评估

介绍了基于J2摄动模型的经典轨道六根数预测卫星轨道的算法,并验证算法实现的正确性;以典型的卫星轨道为例,利用STK软件以两行根数(TLE)对卫星轨道的预测结果作为精度评价的参考,分析评价基于J2摄动模型的轨道六根数预测卫星运行轨道的精度。并根据评估结果研究不同卫星轨道所受到的摄动的影响因素,分析基于J2摄动模型的轨道六根数预测卫星轨道算法的适用性。     

基于支配强度的NSGA2改进算法

NSGA2是一种简单、高效且被广泛使用的多目标进化算法(Multi-objective Evolutionary Algorithm,MoEA),但在求解实际工程领域中的高维、复杂非线性多目标优化问题(Multi-objective Optimization Problems,MOP)时,存在无法有效识别伪非支配解、计算效率低、解集收敛性和分布性较差等设计缺陷。对此,文中提出一种基于支配强度的NSGA2改进算法(INSGA2-DS)。新算法采用快速支配强度排序法构造非支配集,引入了考虑方差的拥挤距离公式,并通过自适应精英保留策略动态调整精英保留规模。基于标准测试函数的仿真实验表明,INSGA2-DS算法较好地改善了NSGA2算法的收敛性和分布性。     

浅谈M~2W发射机的功放模块

M~2W发射机全称Modular Medium Wave Transmitter,是原法国Thomcast公司(现为THALES泰雷兹公司)生产的全固态模块式中波发射机,本文对M~2W50KW发射机射频功率模块进行了简单介绍,希望能够为维护此类型发射机的技术人员提供借鉴。     

基于2D-KPCA的拉普拉斯特征映射人脸识别*

针对拉普拉斯特征映射(LE)只能保持局部近邻信息,对新测试点无法描述的不足,提出一种基于二维核主成分分析的拉普拉斯特征映射算法(2D-KPCA LE)。与核二维主成分分析算法(K2DPCA)不同,该算法首先对训练样本空间进行二维主成分分析（2DPCA）,在保留样本空间结构信息的同时通过去相关性得到低秩的投影特征矩阵;然后用核主成分分析法(KPCA)提取全局非线性特征;由于其核函数需要大量存储空间,再用拉普拉斯特征映射(LE)进行降维。在ORL和FERET人脸数据库中的仿真实验结果表明,基于2D-KPCA的拉普拉斯特征映射算法不但可以有效处理复杂的非线性特征,又可以降低算法复杂度,提高流形学习的识别率。     

大规模天线系统中基于软判决的MIMO信号检测算法

在大规模多输入多输出(MIMO)系统下,提出了一种基于软判决的改进MMSE(IMMSE)信号检测算法。在IMMSE算法中,把MMSE算法检测值作为算法的初始值并采用迭代干扰消除技术。进一步使用对数最大似然比(LLR)将检测序列进行排序,提出一种有序的IMMSE(OIMMSE),并使用软判决技术来提高算法的检测性能。在不同天线数的MIMO系统下,对IMMSE算法和OIMMSE算法进行误码率性能仿真。仿真结果表明,OIMMSE算法和IMMSE算法性能明显优于MMSE。而且提出的新算法随着天线数的增加,越来越接近单输入单输出(SISO)在加性高斯白噪声下的性能。由此可见,新算法对大规模MIMO系统是有效的。     

A novel approach for bit-serial AB2 multiplication in finite fields GF(2m)

This paper presents a new inner product AB² multiplication algorithm and effective hardware architecture for exponentiation in finite fields GF(2^m). Exponentiation is more efficiently implemented by applying AB² multiplication repeatedly rather than AB multiplication. Thus, efficient AB² multiplication algorithms and simple architectures are the key to implementing exponentiation. Accordingly, this paper proposes an efficient inner product multiplication algorithm based on an irreducible all one polynomial (AOP) and simple architecture, which has the same hardware equipment as Fenn's AB multiplier. The proposed bit-serial multiplication algorithm and architecture are highly regular and simpler than those of previous works.     

基于资源复用的RSA加速器层次化架构

为了解决RSA在模频繁变化情况下性能不足的问题,在已有蒙哥马利模乘器的基础上采用层次化架构设计复用硬件资源,实现了基于改进扩展欧几里德算法的偶数模逆器和[R2modM]运算器。实验结果显示,在14%的额外硬件资源开销下RSA加速器性能在模频繁变化应用下比原来提高2倍。其中,模逆器性能较其他设计提高了3倍,[R2modM]运算器性能比复用模幂电路的实现方法提高了一个数量级。     

一种M2DPCA和NSA相结合的人脸识别方法

将非参数子空间分析方法（NSA）和模块化2DPCA方法相结合,提出了一种模块化2DPCA+NSA方法。NSA方法需将图像矩阵转化为向量后进行特征提取,导致数据维数很大,没有考虑到图像的局部特征,对图像矩阵进行分块,采用2DPCA进行特征提取,得到替代原始图像的低维新模式,施行NSA。该法能有效提取图像的局部特征,而由于考虑到类内、类间的差异,可弥补PCA 的缺陷。在ORL人脸库和XM2VTS人脸库上对LDA方法、NSA方法以及该方法分别进行了评价和测试,结果显示,所提方法在识别效果上优于LDA方法和NSA方法。     

有限域GF(2m)模逆算法的改进与实现

在椭圆曲线密码体制中,有限域GF(2m)中模逆运算是最重要的运算之一。在分析一种通用有限域GF(2m)模逆算法的基础上,提出改进算法。改进算法减少了原算法快速实现时的缺点,能够有效地提高算法效率。基于FPGA分别实现了GF(283)和GF(2233)中模逆算法模块,并与2种已有实现结果进行了对比。结果表明,选取有限域GF(283)和GF(2233)时,改进算法效率提高率分别约为72.9%和59.5%。     

A Method of Splitting Cochain Complexes for Computing Cohomology: Lie Algebra of Hamiltonian Vector Fields H(2|0)

Computation of homology or cohomology is inherently a problem of high combinatorial complexity. Recently, we have proposed a new algorithm for computing cohomology of Lie (super)algebras. This algorithm is based on splitting a complete cochain complex into minimal subcomplexes. The algorithm is implemented in C as a program LieCohomology. This paper presents results of computation of cohomology in a trivial module for a Lie algebra of Hamiltonian vector fields H(2|0). We demonstrate that the new approach is much more efficient than the traditional one. In particular, we have revealed some new cohomology classes for the H(2|0) algebra and the related Lie algebra of the Poisson vector fields Po(2|0).     

动态组合RSA算法

大整数模幂乘运算一直是制约RSA广泛应用的瓶颈,研究该课题具有重要的实际意义。提出了一种新的动态组合RSA算法。该算法在运用SMM算法和2k进制算法的基础上,结合模n和可变底数a对指数m动态取最优的幂后进行模幂乘运算。理论分析和试验证明新算法的最优时间复杂度可达到O（ln^2n）。     

适于进化算法的迭代式MapReduce框架

MapReduce模块化的编程大大降低了分布式算法的实现难度,但同时也限制了它的应用范围。介绍了MapReduce的基本结构及其实现迭代算法的缺陷,并针对基于MapReduce进化算法效率低下的问题,在对MapReduce的计算框架进行研究的基础上提出了一种适用于进化算法的迭代式MapReduce计算框架。描述了迭代式MapReduce计算框架的实现需求及其具体实现,提出并证明了异常机制的可行性,且在公有的Hadoop云计算平台上对提出的框架进行了验证。实验结果表明,基于迭代式MapReduce计算框架的并行遗传算法在算法的加速比上与基于MapReduce的并行遗传算法相比有较大的提高。     

分块二维主成分分析鉴别特征抽取能力研究

基于二维主成分分析(2DPCA),文章提出了分块二维主成分分析(M2DPCA)人脸识别方法。M2DPCA从模式的原始数字图像出发,先对图像进行分块,对分块得到的子图像矩阵采用2DPCA方法进行特征抽取,从而实现模式的分类。新方法的特点是能有效地抽取图像的局部特征,正是这些特征使此类模式区别于彼类。在ORL人脸数据库上测试了该方法的鉴别能力。实验的结果表明,M2DPCA在鉴别性能上优于通常的2DPCA和PCA方法,也优于基于Fisher鉴别准则的鉴别分析方法:Fisherfaces方法、F-S方法和J-Y方法。     

AnO(n 2) incremental algorithm for modular decomposition of graphs and 2-structures

This paper gives anO(n ²) incremental algorithm for computing the modular decomposition of 2-structures [1], [2]. A 2-structure is a type of edge-colored graph, and its modular decomposition is also known as the prime tree family. Modular decomposition of 2-structures arises in the study of relational systems. The modular decomposition of undirected graphs and digraphs is a special case, and has applications in a number of combinatorial optimization problems. This algorithm generalizes elements of a previousO(n ²) algorithm of Muller and Spinrad [3] for the decomposition of undirected graphs. However, Muller and Spinrad's algorithm employs a sophisticated data structure that impedes its generalization to digraphs and 2-structures, and limits its practical use. We replace this data structure with a scheme that labels each edge with at most one node, thereby obtaining an algorithm that is both practical and general to 2-structures.     

RSA密码系统有效实现算法

大整数模幂乘运算一直是制约RSA广泛应用的瓶颈,在对传统算法剖析的基础上,提出了一种新的快速模乘算法,借鉴生成Wallace tree的思想,结合查找表和并行乘法运算进行RSA模幂运算。理论分析和试验证明新算法时间复杂度降低到O(logn)。