自构建小波神经网络的内模控制在深度脱硅中的应用

为了稳定氧化铝深度脱硅过程的热工制度和降低能耗,采用小波神经网络辨识的内模控制方法进行氧化铝深度脱硅工艺过程控制。根据小波基函数的激励强度和衰减程度可以添加或者删除小波神经网络隐含层神经元,从而优化小波神经网络隐含层结构。再用自构建小波神经网络辨识内模控制系统的正模型和逆模型,从而改进神经网络内模控制技术。实验结果表明,所提出的控制方法比传统方法在鲁棒性和抗扰性方面具有更好的性能表现,各项指标均优于传统控制方法,实现了氧化铝深度脱硅工艺优化。     

基于快速mean-shift聚类与标记分水岭的图像分割方法

针对传统分水岭变换算法在图像分割过程中容易产生过分割问题,提出基于快速mean-shift聚类和标记分水岭变换的图像分割算法。首先利用快速mean-shift聚类算法对原始图像进行预处理,确定分割区域和聚类数目;利用sobel算子进行梯度处理;对处理后的图像做形态学运算,并给每个集水盆分配不同的标记,按升序访问每个像素点,依次浸没到集水盆中,完成图像分割。实验结果表明,该方法可以有效分割医学影像,并解决了分水岭变换引起的过分割问题。     

基于加新型自卷积窗的频谱插值谐波分析方法

为了解决快速傅里叶变换在电力谐波分析方法中存在采样的不同与非整数周期截取而造成的栅栏效应和频谱泄露的问题,提出一种基于P阶三角自卷积窗改进FFT频谱插值的电力系统谐波分析方法。首先使用P阶自卷积窗截取信号,之后选取幅值最大的频率附近的离散的频谱3条谱线进行加权平均计算来确定谐波谱线的准确位置,进而可以得到谐波的幅值、相位和频率,最后通过多项式拟合的方法,提出谐波修正的公式。通过仿真分析,所提出的自卷积窗函数能降低频谱泄露和栅栏效应带来的影响。采用改进的频谱插值算法可以提高电力谐波的检测精度,有助于对谐波的应用分析。     

一种对时间连续数据进行分析查询的SQL扩展语言

在家庭电子医疗平台中,存在生理学时间连续数据,实现对其分析和查询是数据利用的基础。针对这类数据的特点,提出以关系型数据库结构化查询语言SQL为基础,定义相似查询算法,快速有效地从给定信号序列中找出符合某一相似度等级的相似子序列。相似匹配使用了分段聚合近似法和小波变换两种算法,易于进行子序列的相似度分级。实验结果表明,该试验系统能够高效、准确地完成设计功能。     

混合的SAR图像变化检测算法

为尽可能多地消除遥感图像变化检测过程中“伪变化”信息的影响,获得比较客观的感兴趣区域变化检测结果,针对遥感图像中SAR图像的特点,提出一种混合的SAR图像变化检测算法。对已配准好的图像进行Frost滤波,用邻域比值的方法构造差异图,对得到的差异图进行非下采样轮廓波变换（NSCT）,对变换得到的高频子带和低频子带分别处理,用模糊C均值（FCM）聚类算法得到变化检测的结果。实验结果表明,该算法模型很好地保留了图像变化区域的细节,提高了变化检测准确性。     

翼伞系统最优归航轨迹设计的敏感度分析方法

本文对三自由度翼伞系统归航轨迹优化问题进行了研究,采用控制变量参数化与时间尺度变换相结合的优化算法对翼伞系统的最优控制问题进行数值求解.该方法是基于灵敏度分析的优化算法,将控制量以及控制量转换时间转化为一系列参数优化问题同时进行求解.仿真结果表明,相对于基于两端边值优化算法而言,灵敏度分析法只需要正向积分进行求解,因而具有计算简单、耗时短等优点,其控制效果良好,距离偏差和方向偏差均满足实际需求,有效地提高了翼伞系统的着陆精度,验证了该优化算法的可行性.     

基于PSO-SVM的小电流接地故障选线方法

针对小电流接地系统,现有故障选线方法的精度不高,为此提出基于粒子群优化向量机（PSO‐SVM ）的选线方案。在搭建小电流接地系统仿真模型的基础上,采用M atlab进行PSO优化算法仿真实验,根据不同的接地情况获得故障时各线路零序电流,利用小波包变换（WPT ）与傅里叶变换（FFT ）从零序电流中提取暂态分量、谐波分量、五次谐波分量作为PSO‐SVM输入特征进行训练,用训练好的SVM 对测试样本行检测,得到选线结果。仿真结果表明,该方法使学习训练速度加快、自适应能力增强、选线精度提高进,且其不受接地电阻、故障距离等因素影响。     

CLAHE低频DCT系数重变换在人脸识别中的应用

针对光照变化显著影响自动人脸识别系统性能的问题,为了规范化光照变化以提高人脸识别率,提出基于对比度限制自适应直方图均衡化CLAHE(Contrast Limiting Adaptive Histogram Equalization)的低频离散余弦变换DCT(Discrete Cosine Transform)系数重变换算法。首先将图像划分成多个互不重叠的局部小块,使用CLAHE对局部小块进行局部对比拉伸以实现去噪;然后,通过缩减适当数目的低频DCT系数来消除人脸图像中的光照变化;最后,利用核主成分分析进行特征提取,稀疏系数重建和k-近邻分类器完成最终的人脸识别。在扩展Yale B及AR人脸数据库上的实验验证了算法的有效性。实验结果表明,算法在识别非常困难的Yale B子集5上的识别率可高达98.20%,相比其他几种规范化技术,该算法取得了更高的识别率,同时大大降低了识别所耗时间。     

基于形态学的口腔CT图像对比度增强方法研究

针对口腔CT图像软组织部位分辨率低,细节不清晰的问题,提出一种基于数学形态学的图像处理方法,较好地避免了目前常用的直方图均衡、反锐化掩膜以及小波阈值增强等方法在图像处理过程中产生的细节丢失、噪声放大等缺陷。该方法通过对图像进行小波变换预处理,增强表达软组织信息的低频小波系数并重构图像,并解决了增强信息的同时带来的噪声放大问题。同时引入形态学开闭级联滤波器,增强特征信息,进一步去除噪声平滑图像。实验结果证明了该方法的有效性,有助于临床口腔软组织病灶部位的区分和诊断。     

基于压缩感知理论的图像信号含噪的重构算法

针对含噪情形下机器人视觉图像信号重构问题,提出了一种基于小波变换的变步长自适应分块压缩感知重构算法.首先,对含噪图像信号进行离散小波变换,从而达到很好的去相关性;其次,对变换后的图像信号进行分块,对每个图像子块信号进行测量;接着,对每个子块测量信号进行变步长自适应匹配追踪重构计算,得到每一图像子块的重构值,并将其整合得到整幅图像的重构值;最后,对该算法进行了仿真研究.结果表明,相比传统重构算法,本文方法针对含噪图像具有更高的重构质量.