基于生成对抗网络的SAR图像降噪模型

合成孔径雷达(SAR)是相干成像系统,生成的图像经常会被相干斑噪声污染,继而造成了SAR图像在后续分割、识别中准确率低的问题。针对图像被污染问题,设计了一种结合生成对抗网络(GAN)与残差网络(ResNet)的SAR图像降噪网络模型Re-GAN,其中,GAN中的生成器加入了ResNet中的残差块以增强对SAR图像降噪的能力,模型中的组合损失函数在降噪时可以更好地保留图像细节。在MATAR数据集上,Re-GAN分别与BM3D算法、小波降噪算法进行比较,实验结果证明,Re-GAN在视觉效果和定量分析方面都具有良好的性能。     

多元时间序列特征降维方法研究

针对常见的降维方法难以有效地保留多元时间序列主要特征的问题,分析了传统PCA方法在多元时间序列降维中的局限性;提出一种基于共同主成分分析的线性降维方法;把共同主成分与核技巧相结合,通过数学推导,将其拓展为基于共同核主成分分析的非线性降维方法;最后分析两种方法的降维有效性.与传统PCA方法相比,基于共同核主成分分析的降维方法可以表达变量间的非线性关系、能够选取合适的核函数和形状参数,因此降维手段更为灵活、对数据的适应性更强.实验结果表明,本文提出的降维方法能够更有效地对多元时间序列进行降维.     

多元时间序列相似性搜索研究综述

多元时间序列相似模式挖掘是数据挖掘领域的研究热点,它主要包括特征表示、相似模式度量和相似性搜索3个方面.目前,大部分研究成果主要集中在特征表示和相似模式度量,相似性搜索则成为制约问题突破的关键环节.为此,主要针对多元时间序列的相似性搜索进行综述,归纳了主要的相似模式度量方法,对比了不同相似模式度量下的序列搜索方法,并分析了不同方法的优缺点,以期为进一步研究多元时间序列相似性搜索提供帮助.     

铝合金阳极氧化膜干燥方式对其粘接性能的影响

利用拉剪实验及楔子实验等测定2A14铝合金粘接件的结合强度和耐久性,结合扫描电镜及红外分析等方法,研究铝合金粘接前阳极氧化膜的微观结构及含水量对其粘接性能的影响.结果表明:铝合金磷酸阳极氧化膜经过冷风吹干、50℃烘干和100℃烘干处理后,粘接试样的拉剪强度随烘干温度升高略有增加;粘接试样的湿热耐久性以50℃烘干处理后的稍好,而100℃烘干处理后,由于氧化膜中产生大量微裂纹,使其耐久性有所下降;氧化膜经过沸水封闭处理后,由于膜中含水量很大及封孔处理限制了粘合剂的渗透,导致其拉剪强度和湿热耐久性皆明显降低.     

汽车发动机电子控制半实物实时仿真的实现

研究利用Simulink建立发动机电子控制中进气系、供油系和点火系等系统仿真模型。利用半实物实时仿真，可在线修改发动机系统参数和控制参数，仿真的结果可以同时体现在真实发动机与计算机上，用来开发、调试及检测汽车发动机电子控制系统。     

PE可执行文件RSA验证加密机制的分析

在深入研究RSA验证加密算法和分析PE可执行文件格式的基础上，提出了PE可执行文件SRA验证加密方法．实现了PE可执行文件的RSA1024验证加密方法。实践证明该验证加密方法具有很好的安全强度。     

基于全局-局部散度的多元时间序列无监督降维方法

针对传统降维方法不能直接应用于多元时间序列,现有的多元时间序列降维方法难以在保证降维有效性的同时大幅降低数据维度的问题,提出一种基于全局-局部散度的多元时间序列无监督降维方法。首先,提出一种特征序列提取方法,提取多元时间序列协方差矩阵的上三角元素,将其组合为特征序列。然后,以“局部散度最小、全局散度最大”为基本思想,提出一种无监督降维模型,在保持局部近邻关系的同时,尽可能保留全局信息。将特征序列作为输入,最小化所有样本点邻域方差之和,最大化邻域中心点方差。求解模型得到的投影矩阵能够实现多元时间序列的降维。最后,在20组公开数据集上,对所提方法进行了实验验证。结果表明,所提方法能够在保证降维有效性的同时,较大幅度地降低多元时间序列的维度。     

基于UML的订单处理系统的分析和设计

UML(Unified Modeling Language)是一种标准的、功能强大的建模语言.以订单处理系统的分析和设计为例,详细介绍了UML(统一建模语言)的实际建模过程.     

基于模糊层次分析法的威胁估计

以地面防空警戒网为背景，提出基于模糊层次分析法的目标威胁估计模型。通过建立多层次的评价指标体系。采用递推算法给出目标层对威胁等级的隶属度。给出目标威胁的代数值，由数值的大小给出威胁等级，是对不完全、不确定信息利用的一种可靠有效的方法。     

参数据挖掘中的预处理算法研究

针对飞参数据的特点．从野值剔除和属性选择两个方面对飞参数据预处理进行了研究，提出了基于残差检验的野值别除方法和基于神经网络的两阶段属性选择方法。在野值剔除方法中，首先计算原始序列和拟合序列的残差．再用门限值对残差进行检验；在属性选择方法中，先用神经网络对属性的相对重要度进行排序，再用神经网络进行属性选择。最后用实验验证了两方法的有效性。