基于属性相似度的属性约简算法

为解决粗糙集属性约简算法存在的诸多问题，从属性相似度出发推导出属性相似度与粒度相似度的一致性，进而提出了一种基于属性相似度的属性约简算法，主要包括采用分明矩阵法求条件属性集的约简，核的求取，可省属性的相似度计算和最简约简的求出等步骤，仿真与对比分析表明其计算简便、效果显著。     

使用二次特征选择及核融合的语音情感识别

为提高语音情感识别精度,对基本声学特征构建的多维特征集合,采用二次特征选择方法综合考虑特征参数与情感类别之间的内在特性,从而建立优化的、具有有效情感可分性的特征子集;在语音情感识别阶段,设计二叉树结构的多分类器以综合考虑系统整体性能与复杂度,采用核融合方法改进SVM模型,使用多核SVM识别混淆度最大的情感。算法在Berlin情感语音库五种情感状态的样本上进行验证,实验结果表明二次特征选择与核融合相结合的方法在有效提高情感识别精度的同时,对噪声具有一定的鲁棒性。     

感应测井的最小平方反滤波

感应测井响应是地层非线性时变滤波的结果。获得地层真电导率的方法就是将感应测井响应进行非线性时变的反滤波处理。本文用最小平方法设计出了一种非线性的反滤波因子,并对模拟的感应测井响应曲线进行了处理。结果表明,与传统的处理方法(包括三因子反滤波和趋肤效应提升)相比,该方法可大大地改进感应测井的精度。     

基于波前像差的图像质量评价方法研究

图像质量评价的研究已成为图像信息工程的基础技术之一。由于图像的最终接受者是人,所以评价图像质量应反映出人类的主观视觉感知。为构造一种符合人眼视觉特性的图像质量评价方法,利用点扩散函数针对人眼建立了含有波前像差信息的图像视觉评价模型,并用此模型分别对添加不同噪声的图像进行图像质量评价。实验结果表明,该方法是可行的、有效的,不同的人眼对同一幅图像的评价存在有差异,人眼波前像差越小观察到的图像越清晰。该方法不仅能够在评价图像质量时准确反映人眼的主观感知,而且能够直观地呈现不同人眼实际看到的图像。     

基于小波变换和NMF的人脸识别方法的研究

为了克服PCA、ICA等传统方法在人脸图像特征抽取时存在速度慢、识别率低的缺点,该文提出了一种将非负矩分解思想应用于人脸特征提取的算法。利用小波变换对人脸图像进行分解,对其中包含主要信息的低频子带运用NMF构造特征子空间,在子空间内实现识别。实验结果表明,该方法实用、有效,减少了计算量,提高了系统的识别率,使识别率达到90％以上,有着广泛的研究价值和应用 前景。     

基于QPSO算法的信道分配方法

由于传统的信道分配方法存在频率利用率低下和处理速度慢的缺点,为此,提出基于量子计算的PSO算法（QPSO）来快速实现信道最优化分配方法。这种优化方法利用了量子计算的并行计算能力强、全局收敛、运算速度极快等特点,主要包括初始化代表每个信道的粒子的速度和位置,根据信道分配的教学模型计算保证信道各种约束条件的适应度函数,根据量子粒子群的规律进行粒子位置更新,直至找到最佳信道分配方案等步骤。仿真结果表明其方法是行之有效的,优化效果优于基于遗传算法和PSO算法的信道分配方法。     

抑制空间行波管三阶交调失真的信号注入技术

为了抑制空间行波管非线性特性产生的交调失真,本文通过理论分析、计算机仿真和实验验证,分别研究了谐波、交调和混合信号注入技术对空间行波管三阶交调（IM3）分量的抑制情况。实验结果表明：IM3注入技术能够得到25.2 dB的IM3最大抑制量,明显大于谐波注入技术的12.7 dB,两者对IM3失真分量的抑制效果都很良好,且就窄带空间行波管而言IM3注入技术比谐波注入技术更具优势。通过进一步仿真实验,证明双IM3注入技术可以在两个IM3频率处分别产生46 dB和53 dB的最佳抑制量,且混合注入谐波和交调信号也能最大抑制36.9 dB。     

采用PSO算法对低压断路器的低能耗优化设计

在低压断路器的低能耗设计中,参数设置通常采用经验方式选取,因而很难实现能耗最低化。为此,在分析HSW6低压断路器能耗的数学物理模型的基础上,提出一种采用粒子群算法(PSO)进行低能耗参数优化设计的方法。首先对断路器的额定电流和内部功耗、铜耗、触头数、触头电阻等影响因素进行分析与建模,并转换成求解这一组参数的最优值问题;然后采用自适应PSO算法进行全局寻优得到参数最优解。实际应用表明,该文提出的基于PSO算法的低能耗参数优化设计方法不仅能实现断路器低能耗设计要求,而且提高了设计效率。     

结合分块噪声估计的字典学习图像去噪算法

图像去噪是图像处理领域的重要环节,也是对图像进行后续处理的基础。近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用。但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,本文先提出一种平滑图像块筛选方法,并将其与奇异值分解(Singular Value Decomposition, SVD)相结合实现对图像的噪声标准差估计。再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来,提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明,与Donoho小波软阈值去噪算法、全变分(Total Variation, TV)去噪算法相比,本文算法不仅能够使去噪后图像的峰值信噪比提升1~3dB,并且能较好地保留图像的细节信息和边缘特征。     

关于成象可视化技术

可社化技术是近几年发展起来的新兴学科之一，也是实现成象测井的重要手段，它通过表面造型的方法将三维数据影射到二维象平面上，断层图象可经过插值处理提高三维数据的显示效果。