超声加载条件下低合金钢疲劳裂纹扩展寿命

对低合金钢q345狗骨型试样进行了超声疲劳试验,应力比R=-1,研究其在超高周区域内的疲劳寿命特性及破坏机理。试验过程中发现试样疲劳裂纹的扩展会导致试样固有频率的降低,通过有限元模态分析确定了试样断裂瞬间固有频率大小与表面裂纹尺寸的关系,经过对比发现,有限元得到的裂纹半径与断口分析测出的裂纹大小十分吻合。根据实验过程中固有频率的减少情况预测了试样超高周疲劳裂纹扩展寿命的大小,发现其占到疲劳总寿命大小的0.2%～0.5%。     

改进主动形状模型算法在运动物体定位中的研究与应用

为提高彩色图像中目标物体的定位精准度和鲁棒性,改善传统主动形状模型采用的灰度模型单一搜索,提出了一种新的基于RGB色彩空间三通道的局部搜索策略.根据彩色图像的特点,充分利用目标的颜色信息,把一维灰度模型扩展成RGB空间彩色模型.结合该模型,提出一种基于各颜色分量所占比重权值的自适应综合匹配函数,并通过由粗到精的多级搜索,实现了彩色图像中运动物体的定位.实验结果表明,该方法降低了模型陷入局部最优的概率,并且提高了目标物体定位的精度和收敛速度.     

有限封闭环境中基于PCA的水声测距方法

有限空间中多途效应严重影响测距的准确性,针对该问题,提出一种基于主成分分析的水声信号测距方法,对信号协方差矩阵进行降维和特征抽取,在保留协方差矩阵信息量的同时抑制多途干扰信号的影响。实验结果表明,该方法能够提高有限封闭液态场环境中水声测距的准确性和稳健性。     

SOFTWARE IMPLEMENTATION OF AN ECC ENCRYPTION ALGORITHM OVER PRIME FIELDS

椭圆曲线密码是目前公认的每比特安全性最高的密码体制,它具有安全性高、速度快、密钥短、实现时所需占用资源少等优点,非常适合应用于银行结算、电子商务和通信等领域,因此研究椭圆曲线密码的实现有重要意义.首先讨论椭圆曲线密码基本理论,然后介绍安全椭圆曲线选取方法以及经典的ECC加密算法,最后在Core(TM)2 Duo CPU E7500 2.93GHz实验平台上用标准C语言对该算法进行实现,验证该加密算法的可行性.     

利用Ontology改进的自动化图像标注方法

图像检索系统大多是利用图像的底层特征如颜色、纹理和图像来分析图像,没有考虑图像内容及其对象的内容语义,导致对图像的理解不佳.为使系统能更准确的理解图像中的对象及其深层语义,分析了目前图像标注的优缺点,提出了一种以底层特征为基础,利用本体论建构的知识辅助计算机分析图像中实体对象,判断对象与对象间在现实世界中存在的合理相关性,进而对图像进行标注.实验结果显示加入本体论辅助标注图像大大提高了图像识别的准确性.     

JPEG Steganalysis Based on Feature Fusion by Principal Component Analysis

为了解决现有JPEG隐写分析方法特征冗余度高和未能充分利用特征间互补关系的问题,提出了一种基于主成分分析(principal component analysis,简称PCA)进行特征融合的JPEG隐写分析方法,并分析所选特征之间的互补性.通过融合将互补特征结合在一起,更全面地反映载体和隐写信号间的统计差异,并用PCA分离出冗余成分,最终达到进一步提升准确率的目的,实验结果表明,在不同数据集和嵌入率情况下,该方法分析高隐蔽性隐写(如F5,MME和PQ)的准确率高于主要PEG分析方法,在耗时上较现有特征层融合降维方法大为缩短.     

基于在线拉曼光谱仪预测石脑油组成的方法研究

研究石脑油的烃组成预测问题.针对石脑油组分极其复杂和冗余特点,传统的检测方法求解方法复杂、测定时间过长等难题,为了提高准确度,提出一种基于在线拉曼光谱技术结合主成分粒子群算法的预测方法.首先获得石脑油样品的拉曼谱图,利用主成分分析对数据进行降维处理,消除数据间的冗余信息,然后采用粒子群算法对主成分分析后的数据进行预测,得到各个组成成分在石脑油中的质量分数,并将样品预测值与真实值的相关性进行分析.实验结果表明:相对于其他预测方法,该方法准确性高,现场适应性强,测定时间短,是一种高效、实时性好的石脑油组成预测方法.     

基于拉曼光谱CCD信号的谱峰识别技术研究

针对在线拉曼光谱信号存在荧光背景和严重谱峰重叠的情况,提出了一种从含荧光背景信号中提取有用信号并对其进行充分分离的谱峰识别方法。首先采用小波变换扣除原始信号中的荧光背景(即低频成分),然后采用免疫算法对有用信号进行分离。由于免疫算法在组分较多情况下收敛速度慢甚至不收敛,因此,又采用主成分分析(PCA)法得到累计百分比,对免疫算法中的标准信号进行加权,从而完成对重叠拉曼光谱信号正确、快速地识别,并很好的满足了在线拉曼光谱仪在工业现场谱峰识别准确快速的要求。     

尺度与颜色不变性图像特征描述

尺度不变特征变换是目前公认的鲁棒性最强的图像特征描述方法之一,在尺度不变性和几何不变性方面具有较好的特性,但该方法主要适用于灰度图像,对图像颜色的区分能力不强,因此,一些对象可能会因为颜色的不同而被错误的区分.另外,尺度不变特征变换对关键点局部范围内描述子主方向的依赖性非常强,直接决定了匹配的正确率,但是研究表明,主方向分配产生的误差仅有三分之二左右能控制在[-20。,+20。]范围内,因此部分特征会有三分之一的概率因为主方向分配的误差较大而不能正确匹配.针对以上两个问题,本文提出了一种具有颜色和尺度不变性的局部特征描述方法,颜色不变性通过将RGB图像转换到高斯颜色模型下实现,特征描述过程中不再分配主方向,而用局部相对方向,尺度不变性通过构建高斯金子塔实现.实验选取阿姆斯特丹数据集图像进行了测试,结果表明本文方法比传统尺度不变特征变换方法,在特征点的数目、分布均匀性以及匹配精度方面均有所提高.     

基于灰关联分析的KPCA-LSSVM蒸发过程软测量

针对氧化铝生产蒸发过程铝酸钠溶液浓度难以在线检测问题,提出一种基于灰色关联分析和核主元分析相结合的支持向量机蒸发过程建模方法.该方法采用灰色关联分析和核主元分析过程可测参数确定出软测量模型的输入输出变量,再用混沌粒子群优化算法的最小二乘支持向量机构建软测量模型.通过灰关联和核主元分析,既可以全面广泛的筛选出输入变量,增强了模型的适应能力;又可以消除样本共线性,大大降低样本维数.以蒸发过程生产数据进行实验验证的结果表明,与KPCA-LSSVM和LSSVM相比,新模型收敛速度快、鲁棒性较强、精度较高、泛化性更好,能有效的实现蒸发过程铝酸钠溶液浓度的在线检测.