基于多尺度自适应LDA的人脸识别方法

在人脸提取特征时,线性判别分析(LDA)方法受到光照、姿态等因素引起的高频部分影响较大,忽视了可能含有重要鉴别能力的低频信息.同时,人脸识别属于小样本问题,会使类内散布矩阵发生严重退化.针对以上两个问题,提出了一种基于多尺度自适应线性判别分析(MA-LDA)的人脸识别方法,并在ORL和Yale人脸库中进行了验证.MATLAB编程实验结果表明,该方法比传统方法有更好的性能.     

多尺度最小二乘小波支持向量机的回归建模

普通最小二乘支持向量机算法用于多尺度回归建模时精度较低。针对该问题,选取墨西哥草帽小波函数作为最小二乘支持向量机的核函数,设计一种基于小波核的多尺度最小二乘小波支持向量机。在此基础上,通过解二次优化问题求出多尺度回归建模问题的全局最优解,最终得出的多尺度回归模型能够有效地逼近多尺度信号。仿真结果表明,该算法具有较高的精度。     

多传感器组合导航系统的多尺度滤波算法

基于多尺度的思想,首先将在最细尺度上建立的状态方程、量测方程改写为以数据块形式描述的对应方程;然后利用小波变换技术将最细尺度上的块状态向量向粗尺度上分解,并将在最细尺度上建立的量测方程表达为粗尺度上状态向量的函数;最后结合常规Kalman滤波技术,建立了一种动态系统的多尺度单模型滤波方法.将上述算法应用于多传感器组合导航系统,仿真结果验证了该算法在不增加计算量量级的情况下,具有较好的融合精度.     

采用小波变换检测和定位电能质量扰动

从小波变换能够突出信号局部特征的特性出发,探讨了多尺度小波变换模极大值与信号突变点之间的关系,分析了对电网电压跌落及周期脉冲等典型电能质量扰动进行检测与定位的方法。为验证方法的有效性,进行了相应的仿真研究。结果证实了小波变换能更精确地检测和定位电能质量扰动。     

基于多尺度和多结构元的形态边缘检测

图像的边缘检测是图像处理中的基本，并且又十分重要的内容，它是图像分割、模式识别和计算机视觉的基础．当前存在许多边缘检测的方法，如Robert算子、Sobel算子、Laplaccian算子等，但是这些算子大都基于邻域平均的方法，使得处理后的图像边缘模糊，影响人的视觉．提出了一种基于多尺度多结构元的形态边缘检测算法，并通过试验证明文中算法的有效性，也得到了比较好的效果，得到了比较清晰的，多类型的边缘．     

小周期结构Helmholtz方程的多尺度计算

本文研究小周期结构Helmholtz方程的多尺度计算。我们用各向异性多尺度方法(HMM)求解小周期结构Helmholtz问题。借助于渐近分析技术,在对HMM方法深入分析的基础上,我们给出了精确与HMM方法近似解之间的误差估计,并讨论和分析了利用微结构信息校正HMM逼近解的技巧。最后,我们用数值例了验证了理论结果的正确性。     

基于稀疏分解和背景差分融合方法的图像处理技术

针对传统融合算法处理聚焦区域能力弱、边缘效果差以及目标轮廓提取存在缺陷等问题,提出了基于稀疏分解和背景差分融合的方法.稀疏分解经过鲁棒主成分分析方式提取多聚焦图像轮廓,从而为源图像的准确分离奠定基础;背景差分融合依照源图像与增强图像的差异图提取轮廓信息以准确定位聚焦区域,从而防止引入人工干扰.结果表明,与传统方法相比,本文提出的方法在很大程度上提升了融合效果,能够很好地加强其对噪声的鲁棒性,同时表现出很好的视觉效果.     

The two-regime method for optimizing stochastic reaction–diffusion simulations

Spatial organization and noise play an important role in molecular systems biology. In recent years, a number of software packages have been developed for stochastic spatio-temporal simulation, ranging from detailed molecular-based approaches to less detailed compartment-based simulations. Compartment-based approaches yield quick and accurate mesoscopic results, but lack the level of detail that is characteristic of the computationally intensive molecular-based models. Often microscopic detail is only required in a small region (e.g. close to the cell membrane). Currently, the best way to achieve microscopic detail is to use a resource-intensive simulation over the whole domain. We develop the two-regime method (TRM) in which a molecular-based algorithm is used where desired and a compartment-based approach is used elsewhere. We present easy-to-implement coupling conditions which ensure that the TRM results have the same accuracy as a detailed molecular-based model in the whole simulation domain. Therefore, the TRM combines strengths of previously developed stochastic reaction–diffusion software to efficiently explore the behaviour of biological models. Illustrative examples and the mathematical justification of the TRM are also presented.