基于相对距离的复杂网络谱粗粒化方法

复杂网络的同步作为一种重要的网络动态特性,在通信、控制、生物等领域起着重要的作用.谱粗粒化方法是一种在保持原始网络的同步能力尽量不变情况下将大规模网络约简为小规模网络的算法.此方法在对约简节点分类时是以每个节点对应特征向量分量间的绝对距离作为判断标准,在实际运算中计算量大,可执行性较差.本文提出了一种以特征向量分量间相对距离作为分类标准的谱粗粒化改进算法,能够使节点的合并更加合理,从而更好地保持原始网络的同步能力.通过经典的三种网络模型(BA无标度网络、ER随机网络、NW小世界网络)和27种不同类型实际网络的数值仿真分析表明,本文提出的算法对比原来的算法能够明显改善网络的粗粒化效果,并发现互联网、生物、社交、合作等具有明显聚类结构的网络在采用谱粗粒化算法约简后保持同步的能力要优于电力、化学等模糊聚类结构的网络.     

随机反应扩散格气模型上钙动力学的粗粒化模拟

发展了一种基于随机格气模型的粗粒化方法,该方法能有效模拟内质网表面钙动力学信息. 首先将相邻的微观节点合并成粗粒化节点,再根据局域平均场近似推导出粗粒化反应速率,然后执行粗粒化动力学蒙特卡洛模拟. 发现粗粒化动力学蒙特卡洛模拟结果和微观模拟结果非常吻合. 有趣的是,存在一个最佳的粗粒化比m,使得粗粒化模拟与微观模拟的相变点偏差最小. 固定m,发现临界点随体系尺度增加而单调增加,而且相变点的偏差与体系尺度存在一个标度关系.此外,该粗粒化方法大大地加快了蒙特卡洛模拟速率,并且与微观模拟直接相关. 该方法可以广泛用来研究体系尺度效应,而节省大量计算时间.     

基于K-均值聚类与夹角余弦法的多光谱分类算法

近年来对高光谱与多光谱进行分类去混的研究方法很多,K-均值聚类算法与光谱相似度计算算法都属于成熟的分类算法.作者在对其研究基础上,将K-均值算法进行改进,并融入光谱相似度匹配算法,形成一种新的光谱分类算法,找出两条距离最远的光谱作为参考光谱,用欧氏距离法或夹角余弦法对数据立方体进行分类,并且从数据立方体中删除属于这两条谱线的其余谱线,同时找出与两条参考光谱距离最远或者夹角最大者作为第三条参考光谱,对剩余数据立方体进行新的分类,并在此算法上用多光谱数据立方体进行了试验验证.通过ENVI用K-均值(K-means)进行分类,与改进的K-means算法和夹角余弦法Matlab仿真结果进行比较,后两种对于两种气泡的分类效果都很好,对背景的分类改进的K-means算法效果较好,尤其是欧氏距离法能将背景完整地分离出来.     

采用单元进化限制策略的RWCE算法优化换热网络

针对强制进化随机游走算法（RWCE）优化换热网络时后期进化缓慢的不足,提出一种采用单元进化限制策略的改进RWCE算法（RS-RWCE）优化换热网络.通过限制每次迭代个体中参与进化的换热单元数,在保持进化前期年综合费用收敛速度较快的同时,保证进化后期的精细搜索能力.通过对两个经典算例的比较验证,证明改进后的算法应用于换热网络优化问题时兼顾了整型变量与连续变量的优化,使计算效率和精度均得到提高,同时获得了较好的换热网络优化结果.     

基于散斑成像技术的扩展目标高分辨率复原

大气湍流对实现扩展目标的高分辨率重建具有重要影响.针对此问题,本文提出了一种改进的散斑成像算法.传统散斑成像算法在相位恢复计算中存在双谱数据量大和计算复杂等问题,改进算法利用图像的厄米特对称性和查找表技术将相位恢复和双谱计算紧密结合,通过计算截止频率内的每个空间频率点邻域双谱和添加双谱坐标约束使得双谱数据量减小.建立傅里叶频域相邻两象限共用的坐标查找表,确定双谱和相位恢复计算顺序,避免了双谱的对称操作从而使得整个计算简单易行.仿真实验结果表明:改进算法相对于双谱截切法使得双谱数据量至少减少了24%并准确恢复出目标相位谱,恢复相位谱经过傅里叶逆变换后清晰地显示了目标的轮廓和结构,再结合Labeyrie-Kroff法得到了目标的高分辨率图像;最后对实际天文图像进行处理,使恢复后图像的分辨率相对于原始图像得到明显提高,并且改进算法以更少的计算时间获得了与双谱截切法几乎同样的恢复效果.     

一种水下对空成像图像增强算法

针对水下对空成像图像的低对比度增强问题,在对两种直方图均衡化技术详细分析的基础上,提出了一种改进的直方图均衡化的快速算法.该算法将图像划分为不同子区域,计算子区域的均衡化函数,然后设置移动子块的大小和移动步长,最后采用插值方法实现图像的平滑处理.该算法在较好地突出图像细节信息、消除块状效应的同时,避免了复杂的数学运算,取得了较好的效果.     

扩散方程的守恒型并行计算格式

辐射流体力学实际问题计算中扩散方程的计算量极大,必须采用并行计算.研究易于在并行机上实施的高效的并行计算方法,通过采用预估修正等多种方式,构造和发展既保持隐式格式的守恒性、同时能保持所需精度与无条件稳定性的并行计算格式,以满足大规模数值求解辐射流体力学问题的需求.     

二维泊松方程的遗传PSOR改进算法

针对二维泊松方程在实际应用过程中几种常用方法存在计算量大、易发散、局部收敛等不足,提出了一种改进算法.该算法基于并行超松弛迭代法,采用遗传算法对松弛因子进行全局寻优,解决了超松弛迭代法求解泊松方程时最佳松弛因子难以确定的问题.构建了多目标适应度函数,优化了遗传算子参数,分析了算法的计算量、计算时间与误差精度,与传统方法进行了对比研究.结果表明:松弛因子对泊松方程求解的速度与精度影响显著;改进算法能减少迭代次数,节省计算时间,加快方程的求解;算法适合于求解计算量较大、精度要求较高的时域有限差分方程,而且精度要求越高,算法的性能越好,节省的时间也越多.     

灰度人脸识别形态学相关的一般理论研究

提出一般形态学相关概念，并提出一种小型联合变换相关器的硬件设计以实现一般形态学相关.提出两种改进的一般形态学相关算法，灰度图像按某种分解方法分解成一系列二值图像片.在第一种算法中，每片二值联合图像片的边缘被检测，其功率谱求和.在第二种算法中，一种情况是每片的联合变换功率谱被二值化或细化再求和；另一种情况是这些片的联合变换功率谱的总和被二值化或细化.计算机模拟结果表明，改进后的算法能改善高相似度灰度人脸图像识别的鉴别率.     

高阶谱元区域分解算法及其在流动稳定性中的应用

以无时间分裂误差的区域分解Stokes谱元算法为基础构建整体稳定性分析方法.用Jacobian-free的Inexact-Newton-Krylov算法求解不可压缩Navier-Stokes方程的定常解,将Stokes算法的时间推进步作为Newton迭代的预处理,在此基础上采用Arnoldi方法计算大规模特征值问题,对复杂流动进行稳定性分析,该方法能统一处理定常和非定常计算,没有时间分裂误差,无需显式构造Jacobian矩阵,可以减少内存使用,降低计算量,并加速迭代收敛.对有分析解的Kovasznay流动的计算表明,高阶谱元法具有指数收敛的谱精度.对亚临界方腔对称驱动流的各种定常解的计算及其稳定性分析验证了方法的可行性.     

多物理耦合计算中动态输运问题高效蒙特卡罗模拟方法

多物理耦合计算在众多领域都有重要应用.如果其包含粒子输运过程,用蒙特卡罗方法模拟粒子输运常占据大部分的计算时间,因此多物理耦合计算中动态输运问题的高效蒙特卡罗模拟方法意义重大,其不可避免地依赖于大规模并行.基于动态输运问题的特点,本文提出了两种新方法:一是针对输运燃耗耦合计算的新型计数规约算法;二是动态输运计算样本数自适应算法.两种算法都能在保持计算结果基本不变的前提下使计算时间大幅减少,从而提高了效率.     

基于Contourlet变换的自适应SAR图像相干斑噪声抑制算法

为了保持高岛分辨率合成孔径雷达(SAR)图像中的纹理结构,提出了一种基于BivaShrink模型的Contourlet 域SAR图像相干斑噪声抑制算法.联合当前层和父层的Contourlet系数,通过计算局部方差一致性范数和区域能量比,自适应地确定方差估计区域的形状和大小.从而对原始图像方差进行最优估计.实验结果表明,算法在噪声的去除和结构信息等细节的保持上均不同程度的优于小波BivaShrink去噪算法和Contourlet 阈值去噪算法,主观效果和数值指标都有较好改进.     

基于双边滤波算子的医学脊椎去噪

为了有效滤除医学脊椎模型的噪声点,同时更好地保持模型细节,提出了一种基于双边滤波算子的医学脊椎去噪模型.采用双边滤波在多尺度条件下进行脊椎三维模型轮廓线的提取,设计改进自适应扩散系数,以更好的优化控制整个扩散过程.根据图像的离散特征,建立相应的离散迭代方程,使迭代过程离散化,并设计迭代停止准则,当去噪平滑后的图像模型与噪声相关性最小时停止迭代.与经典的向异性扩散模型方法实验结果相比,本方法在解决去噪方面达到了很好的滤波效果,同时也较好地保持了医学图像的边缘细节特征,大大优于传统滤波算法.     

基于暗通道先验的无人机图像去雾算法研究

对于单幅图像去雾处理,暗通道先验算法具有较好的效果,但该算法处理时间长,对储存资源与计算资源要求很高,很难应用于无人机图像去雾。在暗通道先验算法的基础上进行改进,提出了一种快速的去雾算法,首先通过优化滤波器直接获得高精度的透射率,避免了原算法后续的抠图处理,显著降低了计算复杂度;然后针对去雾图像偏暗、灰度分布偏离原始图像的情况,以原始图为参考,采用直方图规定化方法进行增强处理,提高了亮度,改善了去雾图像的视觉效果,与He算法相比,该算法不仅极大地降低了计算复杂度,速度提高了近5倍,而且保持了原始算法的去雾能力。     

激光诱导击穿光谱的自组织特征映射结合相关判别对天然地质样品分类方法研究

激光诱导击穿光谱技术具有微损、原位、快速分析的特点,在样品分类识别、成分分析等领域有广阔的应用前景。为探索该技术在天然地质样品识别应用的可行性,提出了一种自组织特征映射神经网络结合相关判别对天然地质样品LIBS光谱分类识别的方法。为减小全谱中背景噪声等不相关数据干扰、降低计算量,在元素谱线归属的基础上进行了特征谱线提取,实现了高维光谱数据的降维。以特征谱数据为输入建立网络训练模型,得到具有输入样本特征的权向量,通过权向量与待测样本进行相关分析可以实现样品分类。对16种天然地质样品的分类算法实验证明,在全谱、主成分降维和特征谱段三种数据处理方法中,特征谱的降维和提取LIBS数据主特征效果最优。改进的SOM网络结合相关判别算法比支持向量机方法和直接应用SOM网络方法的分类准确度更高,初步证实了该方法的有效性。     

一种新的基于倒谱的共振峰频率检测算法

共振峰频率是语音信号的一个重要参数。传统的基于线性预测的共振峰检测算法由于受到计算量的限制,很难实现实时处理。本文提出一种基于倒谱变换的共振峰频率检测算法,采用后置处理,比较声道冲击响应对数幅频特性的二次导数和相频特性一次导数检测出的结果,删除伪峰数值和甄别合并共振峰,提高检测精度。仿真结果证明,该算法计算效率高,低信噪比下仍能保持较好的检测性能。     

基于密集连接结构的超分辨精简网络

近年来, 随着深度神经网络的发展并被应用在超分辨领域, 图像超分辨率重建的效果得到了明显的提升。但是之前的工作大都把精力放在如何设计深度模型来提高重建的效果上, 而忽视了设计模型需要大量参数与计算量这一问题, 严重制约了深度学习方法在图像超分辨率重建方面的实际应用范围。针对该问题, 基于密集连接结构设计了一种新的网络。在以下3个方面进行了算法改进:1)提出了一种基于密集连接结构的新模型; 2)加入1×1卷积层作为特征选择层, 同时进一步减少计算量; 3)探讨了通道数量与重建精度、计算量之间的关系。实验结果表明本文提出的模型取得了与其他卷积神经网络模型相近的复原精度, 同时计算速度只有之前最快深度模型FSRCNN的一半以下。     

基于噪声方差来计算变分图像反卷积的规整化参数

采用定点迭代进行变分图像恢复并在这个计算框架下提出利用噪声方差选择规整化参数的方法.假定已知观测图像中初始噪声统计特性.为了在反卷积过程中正确地估计噪声的方差,构造一幅纯噪声图像跟实际的观测图像同步进行反卷积计算,并把纯噪声图像的方差作为观测图像中噪声方差的估计值来辅助计算规整化参数.针对规整化的各项异性,提出了能够保持两种噪声同步变化的特殊的规整化项.在能够准确知道迭代过程中图像包含噪声的方差的时候,建立了规整化参数λ与图像噪声方差之间的关系式.实验证明新的算法不但更好地抑制了噪声而且避免了过平滑,明显提高了基于定点迭代法计算变分图像恢复的适应性.     

基于扩散滤波的多尺度分解和重构方法及应用初探

从各向异性PM方程出发,推导多维扩散滤波微分方程的离散格式及其稳定性条件,首次构建基于扩散滤波的多尺度分解和重构方法,给出两种具体实施方案及其关键步骤.地震资料应用表明,所提方法分解和重构信号的过程合理可靠,其中方案①的2D傅里叶波数谱能量随尺度的增加而远离谱中心点,其残差信号表现为高波数信号,在随机噪声压制中取得了较好的效果;方案②的2D傅里叶波数谱能量随尺度的增加而靠近谱中心点,其残差信号表现为低波数信号,在低频逆时噪声压制中取得了较好的效果.所提方法计算过程简单易实现,对于信号处理提供了一种多尺度分解和重构方法,在地震信号处理领域具有较高的应用价值.     

一种改进型保持形状的图像对比度增强算法

提出了一种改进的保持形状的图像对比度增强算法.改进包含两个方面：1) 修改并推广了原有的基于PDE的灰度增强方法,使之可适用于任何设定的灰度拉伸函数;2）给出了一种通用的分段线性拉伸函数设计方法,它较采用累积直方图作为灰度变换函数可达到更好的直方图均衡化效果.还提出了一种松弛阈值化方法用以消除局部反差增强时可能出现的“斑点效应”.实验结果表明,本文提出的改进算法适用于多种自然图像,增强效果良好.