基于畅通度度量的无尺度网络中关键节点的选取方法 

现实世界中大量存在着的无尺度网络的抗蓄意攻击能力的不足,决定了从无尺度网络中选择关键节点的重要性。网络中节点的重要性程度可用将该节点从网络中删除前后,网络的连通性能的变化进行度量。文章提出了无尺度网络畅通度的概念,从3个不同的角度对无尺度网络的畅通度进行评价,构造出无尺度网络畅通度的综合度量公式,构建了无尺度网络的关键节点的选取模型,并利用分布估计算法对模型进行求解。仿真结果表明,利用分布估计算法得到的结果要好于直接选取度数最大的节点作为关键节点的方法。     

基于树修剪和多特征融合的场景文本检测

为了解决最大稳定极值区（MSER）提取过程中产生的大量重复文本区域和非文本区域难以被剔除影响算法精度的问题,提出了一种基于树修剪和多特征融合的场景文本检测方法。首先提取出边缘叠加的MSER作为文本候选区域;其次设计了一种MSER树修剪算法剔除重复文本区域;然后采用贝叶斯分类器融合多特征剔除非文本区域;最后设定了一系列相似性标准合并文本区域。ICDAR 2011数据集（f=76.8%）上的实验结果低于目前最好的算法\[19\],但算法在速度上具有明显的优势。     

基于改进差分演化算法的无功优化

针对电力网络无功优化问题,增加考虑了电压稳定指标,采用改进的差分演化算法同时对网损和电压稳定指数进行优化.该算法基于一般差分演化算法,在进化的不同阶段对算法参数缩放因子F和杂交概率CR进行自适应调整与控制,增加种群多样性的同时,能够调整搜索方向快速找到最优化方案.应用IEEE 30节点和IEEE 57节点系统进行了测试,结果表明所用算法相比遗传算法和一般差分演化算法,不仅能够有效减少有功网损,还能让PQ负荷节点远离电压崩溃点,并具有计算速度快、鲁棒性好等优点.     

基于Zadoff-Chu序列的移动数字电视接收系统频偏估计算法

针对移动数字电视接收系统频偏估计算法存在的频偏估计均方差和误码率高等问题,提出了一种基于Zadoff-Chu （ZC）序列频偏估计算法。首先通过建立信号模型,利用仿真分析了载波频率偏差对接收系统影响;其次,信标结构中的两个同步信号以半周期形式选择ZC序列,1个导频符号序列由2个ZC序列构成。因此,接收端接收的2个符号是完全相同的ZC序列,通过对1个ZC序列半周期进行自相关运算并计算频偏值,即可以完成对整个周期符号的频偏估计。仿真结果表明,相比于其它算法,频偏估计均方差可降低20~30%,增益提升约2dB。     

立体图像对亮度差异对立体视融合的影响研究

针对具有亮度差异的立体图像对如何影响立体融合,提出了对不同亮度差异的立体图像对识别融合的影响范围。通过8名被试对亮度差异分别为0,10,20,30,40,50,60,70,80,90的立体图像对融合识别的反应时和正确率进行分析,给出了亮度差异对立体视融合的定量影响范围。结果表明:反应时随着亮度差异的增大逐渐增加,但识别正确率逐渐降低。亮度差异为20以下,立体识别可达到较好的识别效果,反应时较短并且正确率很高。当亮度差异介于20~60之间,反应时急剧增加,正确率稍有降低。但当亮度差异达到60以上,不仅反应时急剧增加,而且正确率急剧降低,达到很难识别的程度。     

基于多传感器数据融合的供水管网故障报警系统

针对传统的供水管网故障监控系统存在的误报次数多、抗干扰能力差、可信度低等缺点,研究利用多传感器监测供水过程的压力、电流、流速和液位等参数,采用基于D-S证据理论的多传感器数据融合技术,并对D-S证据理论进行了时间域和空间域融合方法的改进,以实现对供水管网故障的早期检测报警。结果表明:该方法可以有效避免监测数据的失误,解决了多传感器鲁棒性导致的证据冲突问题,提高了供水管网故障报警的可靠性。     

自适应噪声谱估计抵消技术及其应用

为扩大虚拟暗室EMI(electromagnetic interference,电磁干扰)测试系统的应用范围,提高系统测量精度,改善其在复杂环境下的测试效果,借助自适应滤波及维纳滤波理论对基于传统自适应噪声抵消模型建立的测试系统进行分析,传统测试系统的参考通道存在的设备辐射分量制约了系统应用范围,从而不能实现任意信噪比环境下的高精度测量.同时,提出基于谱估计的自适应噪声抵消模型,该模型建立的虚拟暗室系统通过对测试系统主通道信号进行谱估计,得到设备辐射信号及噪声信号的功率谱密度,并根据该功率谱密度对参考通道信号进行针对性抑制,以滤除参考通道辐射信号分量,从而提高测试系统的适用性及精度.仿真实验表明:该方法在高、低信噪比环境下均能准确地提取设备辐射信号并准确复现受试设备的辐射信号,提高了虚拟暗室系统对环境噪声的抑制能力,增强了虚拟暗室系统的环境适应性.     

多小波基的设计与地震图像并行融合实现

面向地震图像解释中的具体问题,开展图像融合算法研究,增强目标识别的准确性,提高对地震图像的解译能力.设计了一种具备对称性、短支撑性、二阶消失矩和正交性的高性能多小波基,提出了其并行融合算法实现.算法考虑了对配准误差的适应性问题,提高了图像空间频率.从实验结果来看,图像的整体和细节特征比单小波融合方法有较大的提高.通过将地震图像融合技术与并行程序设计相结合,在多核处理器下采用虚拟节点技术搭建多机并行图像融合平台.实验结果表明:针对多核系统的并行融合方法省去了并行处理的数据寻址时间,相比并行化前,算法执行时间随着节点数增加而减少,并且各并行操作更为规范、简洁,符合算法操作规则性强的实现特点.     

基于视觉及多特征的前方车辆检测算法

针对现有视频车辆检测算法受光照、噪声等环境因素影响大,漏检和误检率高,难以同时满足鲁棒性及实时性的问题,提出了一种完整的前方车辆检测算法.该算法在改进的Hough变换提取车道线的基础上,首先对图像进行自适应二值化处理,通过腐蚀、膨胀法滤除干扰点;使用简洁有效的方法进行阴影线的合并及ROI区域的提取;算法利用目标区域内的信息熵、车尾对称性特征对感兴趣区域(region of interest,ROI)进行筛选和判别,降低了算法的漏检和误检率;使用改进的Robinson方向检测算子提取车辆边界,取得了较好的效果.结果表明:在处理分辨率为640×480的视频时,检测正确率89%,运算速度平均为17.6帧/s.     

基于约束满足和贝叶斯网络的大规模定制产品配置方法

针对在产品配置过程中忽略了用户兴趣这一不足,提出了一种基于约束满足问题(constraint satisfaction problem,CSP)与贝叶斯网络(Bayesian network,BN)二者结合的产品配置方法.在CSP与BN的理论基础上,建立了基于CSP与BN的配置模型,给出了求解的具体方法.最后以组装电脑为例,开发了组装电脑产品的配置系统,该系统验证了这种配置方法能对配置结果进行优化,具有一定的可行性和有效性.