聚类分析在髁突骨密度分析中的应用

本研究应用聚类分析的方法，对人离休髁突×片进行数字图像技术处理所获得的影像密度数值做了详细分析，取得人髁突不同区的骨密度分布及不同年龄阶段髁突密度变化的情况。该方法避免了人为因素的影响，其结果较客观地反映了髁突的骨质密度；为研究病理状态时髁突骨密度的改变提供参考。     

非参数回归函数之改良基于分割的估计的强相合性（英）

设(X,Y),(X1,Y1),…,(XnYn)为取值于 Rd× R的 i．i．d．随机变量,E(|Y|) ＜∞．设mn(x)为回归函数m(x)=E(|Y|X=x)基于分割的估计,本文在对mn(x)进行改良的条件下得到改良的基于分割的强相合估计．     

基于模糊聚类的语音识别

指出模糊聚类方法影响语间识别的正确率 ,提出用基于分解构造的模糊聚类方法设立语音模式的参考向量 ,说明该方法能提高语章识别的正确率。     

一类有理Bezier曲线的类de Casteljau算法及de Casteljau-型子分割

Bezier曲线的一个良好性质是 de Casteljau算法不仅可以用于升阶 ,而且可以用于子分割 .本文主要研究基于有理调配函数的一类有理 Bezier曲线的类 de Casteljau算法及 de Casteljau-型子分割方法 .第一部分从一类有理 Bezier曲线的递推关系出发 ,讨论这一类有理 Bezier曲线的类 de Casteljau算法 .第二部分给出了这一类有理 Bezier曲线的 de Casteljau-型子分割方法 .     

定点脉冲线性预测编码方法研究*

在多脉冲线性预测编码的基础上,本文提出了位置无关脉冲搜索算法。该算法不需要搜索脉冲位置,而是根据给定的脉冲位置一次性解出脉冲幅度矢量。这就保证了得到的脉冲组合在最小二乘意义下是最优的,为改进合成语音质量提供了理论基础。进而在激励脉冲与位置无关的理论基础上,提出了定点脉冲线性预测编码方法。对所提出的算法在MATLAB下进行了仿真,仿真结果发现位置无关脉冲搜索算法得到的合成语音质量优于序贯法,编码时间也要比序贯法短。定点脉冲线性预测编码方法可以在2.7 kbps的编码速率下获得与G.729相近的合成语音。     

基于GSPN的飞机测试性指标确定方法研究

针对现有的图像分割中自适应分割方法的研究难点,以及传统的模糊阈值分割法中存在窗宽不能自动获取的问题,在确定隶属函数的前提下,以图像的直方图为依据,利用分段计算和反变换的方法,提出了一种自适应模糊阈值的图像分割方法,并将该方法应用于机场目标的分割。该方法实现其窗口宽度的自适应选取,并且有效改善了模糊阈值法对直方图呈不明显双峰的图像分割困难的缺点,拓展了模糊阈值图像分割方法的适用范围,改善了模糊阈值分割方法的分割效果。实验结果表明,该方法对直方图呈单峰和多峰分布的的图像有较好的分割效果和效率。     

直升机载相控阵雷达波束波形联合自适应调度算法研究

孔径分割技术和波形捷变能力让直升机雷达可同时形成多个波束完成不同功能,并根据不同需求选择不同波形,因此对雷达资源管理提出更高的要求;综合考虑时间资源、能量资源、孔径资源的约束下,提出一种适合于多子阵直升机载相控阵雷达的波束波形联合自适应调度算法,对雷达波束和波形进行有效调度,并通过与传统自适应调度算法进行仿真对比,证明了该算法在调度能力、能量节约等方面的先进性。     

一种基于灰度变换的红外图像增强算法

针对红外图像，采用双门限分割法进行图像分割，然后采用分段灰度变换法进行图像增强。根据具体图像，通过人机交互的方式确定2个阈值，将图像分割为目标区、过渡区和背景区3部分；按照每一部分的特点，设计不同的灰度变换，对图像进行分段线性增强，得到感兴趣目标区的最佳视觉效果。通过对16位红外图像进行实验，得到了满意的结果。实验表明,该算法灵活便捷，在增加对比度和去除噪声的同时，还抑制了背景，达到了预期的效果。     

自然地面背景下红外目标检测算法

为了快速准确地检测出以地面物体为背景的红外序列图像中的目标,结合小波变换的特点及其应用于图像边缘检测的优点,提出了一种基于小波技术的图像预处理算法。该方法利用图像边缘在目标识别中的重要作用,讨论了基于小波变换的图像边缘检测方法,并结合地面背景红外图像自身的特点,大大地提高了单帧的检测概率。     

Speech emotion recognition based on statistical pitch model

A modified Parzen-window method, which keep high resolution in low frequencies and keep smoothness in high frequencies, is proposed to obtain statistical model. Then, a gender classification method utilizing the statistical model is proposed, which have a 98% accuracy of gender classification while long sentence is dealt with. By separation the male voice and female voice, the mean and standard deviation of speech training samples with different emotion are used to create the corresponding emotion models. Then the Bhattacharyya distance between the test sample and statistical models of pitch, are utilized for emotion recognition in speech. The normalization of pitch for the male voice and female voice are also considered, in order to illustrate them into a uniform space. Finally, the speech emotion recognition experiment based on K Nearest Neighbor shows that, the correct rate of 81% is achieved, where it is only 73.85% if the traditional parameters are utilized.