非结构矢量场的特征区域可视化方法

基于特征比对的可视化方法涉及的问题主要包括,如何判断一个矢量场中是否存在另一个矢量场中的一些特定结构,如何评价两个矢量场结构间存在的相似性,如何从诸多矢量场中将这些特定的结构检测,定位并绘制出来.给出了一种基于曲线结构的矢量场特征区域可视化方法,该方法通过构造与曲线结构相关联的柱坐标系,保证了提取特征的平移、旋转和尺度不变性;采用曲线积分的Clifford Fourier变换,获取了曲线结构的频域特征并简化计算;利用多曲线结构匹配和多尺度逼近等方法,实现了区域结构的特征可视化.     

基于Nonsubsampled Contourlet变换的虹膜特征提取与匹配

为了鲁棒地获得高品质的虹膜纹理特征矢量,提出了一种新的无参数滤波器堆与虹膜感兴趣区域获取技术相结合的特征矢量提取方法.分析了基于Nonsubsampled Contourle变换(NSCT)滤波器的结构与性能,给出了无参化NSCT滤波器的设计步骤和设计要点.提出了采用坐标变换、剪切、平移和组合的虹膜感兴趣区域预处理技术.用NSCT滤波器滤波该虹膜感兴趣区域来获得信息丰富且少干扰的虹膜图案的特征矢量.实验结果表明该方法是更为有效的.     

均衡竞争神经元获胜机会的方法

竞争型神经网络存在"死点"问题,某些神经元在竞争中可能始终未能获胜而成为"死神经元",不仅造成神经元的浪费,而且造成训练误差偏大,无法达到训练误差的精度要求,不能很好完成它所担负的聚类或分类任务.针对该问题,研究竞争型神经网络的切入点,深入探讨了LVQ神经网络并且通过引入阈值学习规则,均衡神经元获胜的机会,较好地解决了该类网络在遇到"死"点时训练误差偏大的问题,仿真实验结果表明了该方法的有效性.     

矢量信号分析中匹配滤波器的参数寻优与仿真

研究数字调制系统和信号测试问题,为了方便、快捷的设置与优化匹配滤波器的相关参数,为了得到精确矢量信号和优化参数,在深入研究矢量信号分析技术的基础上,分析了滤波器参数对矢量信号分析结果的影响,提出了以误差矢量幅度(EVM)最小为准则的匹配滤波器参数自动寻优方法,并在MATLAB平台上进行仿真结果表明,方法具有较好的可行性与有效性.     

永磁同步电机空间矢量控制方法设计实现

针对永磁同步电机结构复杂、模型非线性从而导致难以控制的问题,通过推导建立了其基于矢量控制下的简化的数学模型,仅通过控制电机交轴电流就可对其进行控制.在此基础上,对交轴电流进行调节,将其转换为基于两相静止坐标系下的电压矢量,设计了以两相静止坐标系下的参考电压作为输入变量的空间矢量控制方法,借助于数字信号处理器(DSP)的强大功能对系统进行实现,给出了所设计的硬件结构图及软件流程图,并进行了仿真验证,且效果良好,证明了所建模型的正确性和系统的可行性.     

矢量中值滤波改进算法研究

在众多彩色图像滤波算法中,矢量中值滤波算法应用最为广泛,但VMF算法在处理每一像素时,计算复杂度较高,这就限制了它在一些领域中(例如实时系统)的应用.在保留VMF算法优点的前提下,通过数据的重用,降低计算的复杂度.实验结果表明,一定程度的数据重用能有效提高算法的运行效率.     

像素与矢量

智能对象的出现使得在Photoshop和Illustrator中使用像素和矢量之间的差别迅速消失。Derek Lea将会在制作一个结构完美且矢量明显的作品的同时为你解释原因。     

SVPWM教学研究之重点解析

SVPWM是电力电子技术教学中的重要内容,本文对空间矢量调制的教学重点做了一个较为全面系统的梳理。重点阐述SVPWM的核心思想,特别是三相正弦交流电SVPWM的基本原理,严格证明了三相电压的空间矢量相等与线电压相等等价。同时,证明在SVPWM下,逆变器输出的最大圆为基本空间矢量构成的正六边形的内接圆、直流母线电压利用率提高了约15.4%。     

基于VQ和LBG的移动AdHoc网络中分簇算法

应用信息论与数据压缩中的矢量量化理论和LBG算法,在簇和Voronoi胞腔、簇首和码矢、节点和矢量之间建立起——对应的关系,把分簇的过程转换成二维矢量量化中胞腔的分裂过程。设计一个以簇结构稳定性高和负载均衡度好为目标的移动自组网分簇算法,仿真结果显示,分簇算法能够迅速地进行分簇,并且簇的结构具有较高的稳定性。     

基于小波分解和鉴别共同矢量的人耳识别

针对高维、小样本的情况下使用Fisher线形鉴别分析进行特征提取存在的病态奇异问题,提出一种新的特征提取方法,即先对人耳样本图像进行二维离散小波分解,再利用DCV算法对小波分解后的低频信息分量作进一步的降维处理。不仅克服了小样本问题,也解决了直接使用DCV算法对人耳图像降维所引起的计算量大和计算速度过慢的问题。实验证明,该方法具有较好的识别率,是一种有效的特征提取算法。