基于混合瑞利分布的三维医学图像分割算法

水平集算法是当前比较重要的分割算法,研究该算法的三维分割技术.提出高斯分布和瑞利分布相结合的方法进行概率密度函数的确定与分析,通过随机极大似然算法(SEM)把瑞利分布引入到水平集三维分割演化模型中.该方法成功应用于多种医学组织的三维分割,提高了分割速度和分割效果,减少了参数的设置.     

基于Agent的分布仿真平台原型系统设计与实现

基于Agent的分布仿真是基于Agent的建模与仿真ABMS(Agent-Based Modeling and Simulation)研究的重要组成部分。在提出的基于Agent的分布仿真软件框架和通信系统设计与实现的基础上,利用Java语言和面向对象的方法设计实现了一个基于Agent的分布仿真平台原型系统ADSimE。介绍了该分布式仿真平台的主要实现细节,给出了全系统的主要Agent类的UML设计,重点阐述了保守策略仿真Agent类和乐观策略仿真Agent类的设计、处理流程以及KQML消息解析的实现细节。最后以闭合排队网络为例,说明了怎样在该环境下进行基于Agent的分布仿真应用的开发。     

基于改进的Capon滤波器组谱估计新方法

为了解决Capon滤波器组谱估计方法在α稳定分布噪声下性能出现退化的问题,提出了一种改进的Capon滤波器组谱估计方法,利用分数低阶协方差(FLOC)对传统的Capon滤波器组进行重构.由于分数低阶协方差的作用范围是0＜α≤2整个分数低阶空间,因此在α稳定分布噪声下其谱估计性能比基于二阶统计量方法的谱估计性能更好.计算机仿真结果显示了这种方法的优越性能,并且在高斯噪声环境下,其性能与二阶统计量下的方法类似.     

T-S模糊离散多时滞系统的H∞控制

提出了一种新型非二次型Lyapunov函数, 在非并行分布补偿控制策略框架下, 研究了一类基于T-S模糊模型的离散多时滞系统的H∞控制. 通过引入一个矩阵变换, 所得控制律均以线性矩阵不等式的形式给出. 现有的并行分布补偿控制律可视作该新方法在某些条件下的特例. 仿真算例显示, 该函数方法保守性较低, 系统控制性能良好.     

求解弹头散布均匀度的分布估计算法

未来空域窗射击体制是一种新型的高炮射击体制, 这种射击体制对近程防空反导具有显著的效果. 在对未来空域窗进行设计和评价时, 必须计算未来空域窗内弹头散布的均匀度, 并要求算法具有全局收敛以及解的精度高. 文章描述了未来空域窗弹头散布均匀度的问题, 提出了一种求解弹头散布均匀度的分布估计算法; 然后, 提出了一种变焦算法用来提高算法的搜索效率和解的精度, 并给出了混合算法的流程图. 仿真结果表明, 混合算法具有全局收敛、解的精度高以及搜索效率高的优点, 适合于在实际工程中用来求解弹头散布均匀度.     

基于网络控制系统平均时延的模糊控制器设计

针对网络控制系统（ＮＣＳ）中的随机时延问题,根据实际网络时延的分布情况,提出一种新的具有随机时延的网络控制系统的建模方法———离散Ｔ Ｓ模型,并在此基础上应用并行分布补偿原理（ＰＤＣ）设计模糊控制器．同时提出一种新的模糊控制系统隶属函数的确定方法,利用Ｌｙａｐｕｎｏｖ定理和线性矩阵不等式（ＬＭＩ）研究系统的稳定性问题,给出了基于ＬＭＩ的模糊控制器的设计方法．最后通过仿真实例验证了该控制方法能使具有时延的网络控制系统稳定．

     

一类基于物种迁移优化的进化算法

借鉴自然界中的物种迁移机制,提出一类基于物种迁移优化的进化算法．该算法是根据生态系统中物种分布的迁移模型而提出的一种优化算法．参考其他智能算法的思想,通过物种迁移实现信息交换和共享,从而完成进化过程．讨论了物种迁移优化算法的基本原理和实现过程,同时进行一些基准函数的性能测试．实验结果表明所提出的算法是有效的,具有一定的参考和应用价值．

     

第八届全国信息获取与处理学术会议征文通知

由中国仪器仪表学会主办,沈阳市仪器仪表与自动化学会与高等学校联合承办的全国信息获取与处理学术年会,从2003年至2009年分别在沈阳、大连、金华、贵阳、秦皇岛、河南和桂林连续举办了七届。由于投稿地域分布广泛,投稿与参会人数多,投稿受国家地方基金资助比例逐年提高,会议学术气氛浓厚,组织规范,在相关学校、各位作者和热心朋友的共同努力下,已经成为国内仪器仪表领域具有重要影响的学术会议。     

运用MATLAB进行军用软件可靠性评估

军用软件的可靠性已成为影响武器装备系统质量的关键因素。介绍了非齐次泊松过程类软件可靠性增长模型的原理以及如何运用MATLAB绘制软件故障数据曲线、模型参数估计及分布拟合检验,进而建立可靠性增长模型,进行可靠性评估。     

随机分布控制系统的自适应迭代学习控制

介绍输出概率密度函数（PDF）常规的迭代学习控制（ILC）的收敛条件,并利用此条件设计相应的迭代学习律。主要讨论如何解决输出PDF迭代学习控制（ILC）中的过迭代,收敛速度等问题。以离散输出概率密度函数（PDF）控制模型为基础,介绍了直接迭代学习控制算法收敛的必要条件,提出自适应的迭代学习参数调节方法和避免过迭代的迭代结束条件,这些措施能够保证输出PDF的迭代控制收敛且具有较快的收敛速度。仿真结果表明,输出PDF的自适应迭代学习控制具有较快的收敛速度,而学习终止条件能很好地避免过迭代。