基于Curvelet变换的多次波去除技术

本文基于波动方程的自由表面多次波压制预测减去法,采用近期迅速发展的多尺度变换系统中的Curvelet变换替代减去法,收到了较好的效果。该变换具有最优稀疏约束条件,能使一次波在一组基函数上的投影能量尽可能小。其主要实现过程为:对地震记录数据进行Curvelet变换,以预测多次波的Curvelet域的系数为阈值,采用类似去噪的手段去除多次波。该方法能满足去除多次波过程的能量最小准则。文中在Curvelet算法数值实验中尝试了先把地震记录做Radon变换,并用Curvelet阈值法减去Radon域的多次波,再把去除了多次波的数据做反Radon变换即为多次波去除结果。数值实验结果表明,在Radon域进行Curvelet变换去除多次波的效果更好,并能更好地保留一次波的能量。     

基于掩膜预处理的稀疏表示和压缩感知图像重建

近年来兴起的压缩感知（compressive sensing, or compressed sampling,CS）理论对信号稀疏性的要求,使信号的稀疏表示得到了前所未有的关注。考虑到现实信号往往是非稀疏性的,而压缩感知理论要求被测信号必须满足稀疏性或在某个规范正交基下满足稀疏性,因此信号的稀疏性表示变得十分重要。主要研究探索了二值掩膜预处理的稀疏表示方法。结合二值掩膜的算法去除人眼不敏感的DCT系数,在不影响图像主观质量的前提下提高测量系数的稀疏度。实验表明提出的预处理方法减少了CS的重建时间,并且提高了图像的重建质量。     

基于稀疏强特征提取的三维地震数据完备方法

随着复杂储层地震资料特征筛选的机器学习技术的进步,如何有效地对参与地震属性优选和储层反演的地震样本进行采集和分析,成为目前智能地震预测领域的一个研究热点。目前的方法多着重于模型分类算法的改进,在标签的制作和采集方面不仅耗费大量时间进行人工标注,还存在标签不平衡情况下类内可靠性、类间平衡性不强等问题。为此,提出基于稀疏强特征提取的三维地震数据完备方法。首先,基于多数决原则的样本分割(Sample Segmentation Based on Majority Rule, SSMR)寻迹多尺度、多标签三维地震样本,进行采集、自动标注;然后,改进标签洗牌平衡方法(Improved Label Shuffling Balance Method, ILSB),通过“2+1”的样本增广平衡策略进行数据完备处理,改善样本采样不平衡性导致的模型训练偏向性;最后,利用基于最小L₁范数稀疏表示对奇异值分解结果进行强特征提取(Minimum L₁-norm Based Sparse Representation for Feature Extraction, L     

Iris Recognition Using Wavelet Features

The traditional iris recognition systems require equal high quality human iris images. A cheap image acquisition system has difficulty in capturing equal high quality iris images. This paper describes a new feature representation method for iris recognition robust to noises. The disc-shaped iris image is first convolved with a low pass filter along the radial direction. Then, the radially smoothed iris image is decomposed in the angular direction using a one-dimensional continuous wavelet transform. Each decomposed one-dimensional waveform is approximated by an optimal piecewise linear curve connecting a small set of node points. The set of node points is used as a feature vector. The optimal approximation procedure reduces the feature vector size while maintaining recognition accuracy. The similarity between two iris images is measured by the normalized cross-correlation coefficients between optimal curves. The similarity between two iris images is estimated using mid-frequency bands. The rotation of one-dimensional signals due to the head tilt is estimated using the lowest frequency component. Experimentally we show the proposed method produces superb performance in iris recognition.     

非线性扩频序列的三项式特性

讨论了三类非线性扩频序列(GMW序列、No序列和Kasami序列)的三项式特性，利用这三类序列的迹表示，证明了GMW序列、No序列和Kasami序列均具有正则三项式对。     

电离层电子密度剖面EoFs解析研究

离子密度随高度的解析展开是电离层物理模式参数研究中的一个关键技术.用经验正交函数分析了(EoFs)电离层电子密度剖面解析中的应用,研究并给出了利用EoFs进行电离层电子密度剖面解析展开和剖面重构的算法.以海口站(20°N,110.3°E)为例,给出了电子密度剖面解析与重构算法的应用实例,分析结果表明数值解析的重构剖面与模式计算结果有很好的一致性.     

"时钟表示法"的应用

论述了“时钟表示法”在三相变压器联接组别和在其他方面的应用。其基本思想是,将选定作为参考的电动势始终指向时钟的“0”点,并将该电动势标号为数字0。再利用三相变压器电动势相位之间的关系。计算出变压器各电动势与参考电动势的相位差。这些相位差的值可以换算为时钟的标号。变压器各电动势之间的相位关系就可以通过时钟的标号直接简单计算了。这种方法的最大特点是简单、实用且不用画相量图。     

扩展超二次曲面:一种新的光滑变形曲面模型

本文提出了构造变形曲面的一种新的特征模型－扩展超二次曲面。     

一种有效的分段光滑信号逼近方法

传统的Fourier变换,连续小波变换等方法在逼近具有分段光滑特性的非连续信号时,因 Gibbs现象的干扰会产生比较大的误差。本文提出了一种有效的分段光滑信号逼近方法。首先根据给定信号的分段点位置,构造一组标准正交分段多项式系,该函数系具有正交性,收敛性及再生性。然后将信号在该函数系下进行正交分解及重构,即可得到该信号的最佳平方逼近结果。数值实验表明,本文方法比传统的正交基具有更好的逼近结果。     

Semi-supervised Software Defect Prediction Using Task-Driven Dictionary Learning

We present a semi-supervised approach for software defect prediction.The proposed method is designed to address the special problematic characteristics of software defect datasets,namely,lack of labeled samples and class-imbalanced data.To alleviate these problems,the proposed method features the following components.Being a semi-supervised approach,it exploits the wealth of unlabeled samples in software systems by evaluating the confidence probability of the predicted labels,for each unlabeled sample.And we propose to jointly optimize the classifier parameters and the dictionary by a task-driven formulation,to ensure that the learned features (sparse code) are optimal for the trained classifier.Finally,during the dictionary learning process we take the different misclassification costs into consideration to improve the prediction performance.Experimental results demonstrate that our method outperforms several representative stateof-the-art defect prediction methods.