双面镜多元并扫遥感图像的几何校正方法

双面镜多元并扫成像方式在星载仪器中已得到越来越广泛的应用,但相应的遥感图像的预处理工作的重要性也日渐突出.文中从成像方式和仪器结构方面考虑,针对双面镜多元并扫成像方式提出了一套0级数据的几何方法,并对处理前后的图像质量进行了比较.结果表明,该校正方法可有效地改善图像的几何质量,校正效果良好.     

钢铁企业高炉煤气发生量异常数据检测

从高炉煤气生产的实际工况出发,对异常数据产生的原因和特点进行分析。针对现有异常检测方法运算效率低下的问题,提出一种改进的局部异常因子检测算法。该算法首先利用五数总括法剔除掉大量的正常数据,然后再用一种相对k距离的比值表示剩余离群点的异常程度,进而判断异常数据。仿真实验表明:改进方法检测所需的时间比传统的局部异常因子方法检测所需的时间更少,且检测效果更加准确、直观。     

改进Elman神经网络在短期热负荷预测中的应用

热电厂的短期热负荷预测在城市集中供暖中起着至关重要的作用,直接影响热电厂的经济效益和热能利用率。电厂的短期热负荷一般采用神经网络预测模型进行预测,而BP神经网络应用最为广泛。Elman神经网络算法在BP神经网络基础上加入了承接层,作为一步延时算子,实现记忆能力,使系统具备适应时变能力,增强系统全局稳定性。但Elman神经网络算法模型的构造依然需要大量样本的支撑,而且输入层的变量多,导致预测时间依然很长,收敛速度慢。该文在Elman神经网络预测前,进行了相关系数预处理和对样本中异常值的平均化预处理,通过数据归一化运算,使Elman神经网络输入层变量大幅减少。仿真实验表明,改进的Elman神经网络算法使预测模型快速寻优,减少预测时间的同时明显提高预测精度。     

基于Agent网的知识网的自重构研究

提出了一种新的基于知识网和Agent网的知识化制造系统的自重构方法。首先给出知识网及其多重集的定义，定义了知识网多重集的并、交、差等运算；其次，根据知识网的多重集，研究了知识网重构运算的算法，并深入探讨了运算后多重集的预处理规则及多重集到知识网的映射；最后通过复杂系统自重构的例子介绍了基于知识网和Agent网的自重构方法，证实了自重构方法的有效性。     

基于局部纹理描述算子的手掌静脉身份识别

由于手掌生理结构特性和采集环境因素影响,手掌静脉识别系统中所获取图像容易出现噪声过大、光照不均匀等现象,导致识别性能降低.为了解决这一实际问题,提出一种基于局部纹理描述算子的掌脉识别方法.首先使用Gamma校正、DoG滤波、对比度均衡等手段对掌脉图像进行预处理,降低光照影响.然后将掌脉图像分成互不重叠的区块,使用局部三值模式(LTP)提取每一小块的纹理特征,并加以融合,最后利用卡方距离进行匹配识别.在香港理工大学接触式掌脉图库和自建的非接触式掌脉图库上进行实验测试,结果表明,当图像分块大小为16×16像素时,本方法获得了最高的正确识别率,分别为99.981 6％,99.299 4％,优于其他典型方法,提升了掌脉识别系统的性能,增强了系统的鲁棒性,具有实际应用价值.     

对应用型本科生开设数据挖掘课程的尝试

本文对数据挖掘课程的特点以及应用领域、数据预处理方法以及关键的四项技术、Web挖掘与个性化推荐以及算法实现及应用上做了分析,并且在教学实践中做了尝试,提出了一些经验和不足。     

地震多属性综合分析的应用研究

由于地震属性与储层特征对应关系复杂，利用地震单一属性进行储层预测往往存在多解性。然而随着地震属性研究的深入，地震属性的数量和分类也更为细化，因此地震多属性的优化组合与综合分析成为必然。为此总结了多属性综合分析的技术流程并将其应用于实际数据分析。其主要步骤为：①不同种类的属性提取和分析；②属性的预处理，即剔除异常值并进行滤波等处理；③结合钻井、采油资料寻找和筛选敏感属性；④利用K—L变换来对优选出的地震属性进行降维处理；⑤利用线性、非线性等综合分析技术进行储层预测。将该分析技术应用于CN工区某一储层的含油气性预测中，然后利用波阻抗反演结果对研究成果进行相互验证，发现综合分析结果有效地减少了预测目标的多解性，取得了较为理想的预测效果。     

XML描述的三维模型检索技术的研究

基于内容的三维模型检索正逐渐成为研究的热点.三维模型描述方式的多样性使三维模型在互联网上实现检索变得困难,采用XML方式描述三维模型可以有效地解决这一问题.探讨了XML方式描述的三维模型的基于内容的检索技术,论述了三维模型检索的原理和系统框架,对其中涉及的关键技术进行了详细的讨论,内容包括三维模型数据结构、三维模型的XML描述方式、三维模型规范化预处理、特征提取、索引建立、相似性匹配以及检索界面的设计.     

不平衡数据集中的组合分类算法

为提高少数类的分类性能,对基于数据预处理的组合分类器算法进行了研究.利用Tomek links对数据集进行预处理;把新数据集里的多数类样本按照不平衡比拆分为多个子集,每个子集和少数类样本合并成新子集;用最小二乘支持向量机对每个新子集进行训练,把训练后的各个子分类器组合为一个分类系统,新的测试样本的类别将由这个分类系统投票表决.数据试验结果表明,该算法在多数类和少数类的分类性能方面,都优于最小二乘支持向量机过抽样方法和欠抽样方法.     

用Daubechies小波软阈值法对近红外光谱数据进行预处理

提出了一种基于Daubechies小波软阈值的近红外光谱预处理方法,并用该方法处理了两类不同苹果的近红外光谱数据。该方法选用归一化相关系数(Normalized Correlation,NC)和峰值信噪比(Peak Signal to Noise Ratio,PSNR)作为定量分析指标.与常用的矢量归一化法(Vector Normalization,VN)和标准正态变量校正法(Standard normal Variate,SNV)相比,该方法优势明显,既能有效去除噪声,又能很好地保留光谱的特征细节信息,提高了后续光谱分析过程中建模的稳健性和模型预测的精确度.