脉冲响应函数辨识的随机A-最优输入设计及其渐近性质

本文研究了相关噪声下线性离散SISO系统脉冲响应函数辨识的随机A-最优输入设计及其统计特性.     

用量子广义测量控制消相干

本文探讨了把量子广义测量和无消相干子空间 (DFS) 结合起来抑制消相干的潜力. 证实了: 把量子广义子空间投影测量 (QGSPM) 和量子广义分类投影测量 (QGCPM) 与 DFS 算子条件结合起来, 可以有效增强 Markovian 和非 Markovian 量子开放系统抑制消相干的能力. 强调了量子测量可以作为操控量子态的重要手段. 本方法的优点在于可以构造性地设计相干控制哈密顿量.     

脑光学功能成像低频振荡信号分析及其在功能映射中的应用

 在脑光学功能成像领域,传统的比差法由于受到背景低频振荡信号的影响和算法参数选择的随意性,无法有效地消除背景干扰.本文在仔细研究强0.1Hz低频振荡在脑区域分布的前提下,提出了一种基于低频振荡的比差检测方法.该方法利用0.1Hz低频振荡特性进行跨周期比差,极大的消除了背景图像对激活模式图像的干扰,从而有效地提高了算法的检测性能和鲁棒性.此外研究中还发现,在某些刺激加载时刻,由于比差法和基于低频振荡的比差法受低频振荡相位的影响,当算法参数选择不当时,即使在高信噪比下也无法获取好的检测效果法.为此,本文在设计了一种新的像素点时间序列选择策略的基础上,成功地将非参数化的时间解相关盲源分离算法引入到脑光学功能成像领域,从而提高了检测性能.     

芦岭矿Ⅱ一采区瓦斯涌出影响因素及其特征分析

探讨了芦岭矿Ⅱ一采区瓦斯涌出量与回采强度的关系;研究了瓦斯涌出量与回采煤层厚度的相应变化特征;通过对比分析澄清了相对瓦斯涌出量、绝对瓦斯涌出量之间及其与煤层埋藏深度的关系.     

在“计算机视觉”教学中引入人类视觉系统知识

本文讨论在＂计算机视觉＂课程中如何引入人类视觉系统知识。讨论在感觉层次、感知层次和认知层次三个层次上的结合点。笔者期望在课程中通过对计算机视觉系统和人类视觉系统的对比讲授,便于学生理解计算机视觉中边缘提取、区域分析、颜色认知和立体视觉等技术的内涵、局限性和改进方向,引导学生深入思考各种技术的本质。     

ARMAX 模型全结构辨识——偏倚校正递推算法

文献[1]提出了ARMAX模型控制部分结构辨识的七步递推算法,本文以此为基础,进一步提出控制部分参数及阶次辨识的偏倚校正算法,同时利用输入信号的特有性质,得到观测噪声自相关函数估计的简单公式,以此得到AR型噪声模型的阶次与参数。本算法共分十步,具有运算速度快、辨识精度高的特点。文中最后给出了仿真结果。     

综合结构和纹理特征的场景识别

当前在计算机视觉领域,场景识别尽管取得了较大进展,但其对于计算机视觉而言,仍然是一个极具挑战的问题.此前的场景识别方法,有些需要预先手动地对训练图像进行语义标注,并且大部分场景识别方法均基于"特征袋"模型,需要对提取的大量特征进行聚类,计算量和内存消耗均很大,且初始聚类中心及聚类数目的选择对识别效果有较大影响.为此本文提出一种不基于"特征袋"模型的无监督场景识别方法.先通过亚采样构建多幅不同分辨率的图像,在多级分辨率图像上,分别提取结构和纹理特征,用本文提出的梯度方向直方图描述方法表示图像的结构特征,用Gabor滤波器组和Schmid滤波集对图像的滤波响应表示图像的纹理特征,并将结构和纹理特征作为相互独立的两个特征通道,最后综合这两个特征通道,通过SVM分类,实现对场景的自动识别.分别在Oliva,Li Fei-Fei和Lazebnik等的8类、13类和15类场景图像库上进行测试实验,实验结果表明,梯度方向直方图描述方法比经典的SIFT描述方法,有着更好的场景识别性能;综合结构和纹理特征的场景识别方法,在通用的三个场景图像库上取得了很好的识别效果.     

基于蚁群优化算法的碎纸拼接

对于碎纸拼接问题,找到一个全局一致的最终解决方案是非常关键的。本文提出了一种基于蚁群优化算法(ACO)的全局拼接方法。首先运用基于ψ-s分析的局部匹配方法进行局部拼接,然后利用局部拼接产生的候选匹配对构建搜索图、信息素与节点相关联。在迭代过程中,利用候选匹配对之间的矛盾和由蚁群构建的全局拼接路径更新信息素:对于在迄今最优路径上的候选匹配对,人工蚂蚁释放信息素;而位于构建失败的路径上的候选匹配对的信息素以一定比例蒸发。候选匹配对的信息素最终向一定方向收敛。最后,根据信息素来筛选候选匹配对。实验证明了这种方法的有效性。     

芦岭矿断裂构造特征及对生产影响研究

利用钻探、井下实际揭露等资料对芦岭井田断裂构造进行了分析研究,给出了芦岭井田断层、褶曲等构造的性质、特征和发育的一般规律,总结出了断裂构造对芦岭矿安全生产的影响规律。     

脑功能光学成像的迭代广义指示函数分析法

在脑光学功能成像领域,由T.Yokoo等人提出的广义指示函数法(Generalized Indicator Functions; GIF)能够在极低信噪比下有效地提取大脑行为模式图.但进一步研究发现,该算法在处理脑功能光学图像序列时存在计算量大的缺点.为解决一问题,本文将Weng等在处理FERET人脸数据库时提出的一种迭代算法与GIF算法相结合,给出了一种迭代格式的GIF算法——RGIF (Recursive GIF),RGIF算法利用迭代计算的特点能大幅削减计算量.利用仿真和实验数据对GIF和RGIF算法进行了对比分析,结果表明RGIF不仅能够大大节省计算时间,同时检测效果与GIF相当.