基于半像素错位的多幅图像重建高分辨率图像技术研究

介绍了一种基于半像素错位的多幅图像重建高分辨率图像技术。分析了半像素错位的多幅图像与高分辨率图像各像素灰度值的对应关系 ,并从CCD数字化采样的角度进行了论证。同时 ,结合实际摄像机CCD结构 ,求出了高分辨率图像重建的计算公式 ,并通过实验进行了验证和完善。重建的本质是以原高分辨率图像的 4邻域平均图像为基础 ,增加一定比例的边缘细节信息 ,去接近原高分辨率图像。CCD的动态范围越大 ,图像的灰度级越多 ,那么计算误差就越小 ,图像的边缘细节信息就可以利用更多 ,重建的图像就越接近原高分辨率图像。通过实验和分析表明 ,利用半像素错位的多幅低分辨率图像重建高分辨率图像的原理是正确的 ,方案是可行的     

在SQUID心磁测量中基于奇异值分解和自适应滤波的噪声消除法

采用矩阵奇异值分解(singular value decomposition, SVD)的方法，对高温射频超导量子干涉仪(HTc rf-SQUID)采集到的单通道心磁信号进行处理.证明了对于近似周期性的心磁信号，在无参考噪声的情况下矩阵奇异值分解的方法与自适应窄带陷波相结合有较好的消除广谱噪声的效果. 关键词： 高温射频超导量子干涉仪 心磁信号 奇异值分解 噪声消除     

赋权矩阵及其性质

本文给出了以S为行权和向量的权矩阵类T_＋(S)中每个权矩阵都可逆的一个充要条件．     

n维广义函数的集值导数

本文将文献［9］中给出的一维广义函数的集值导数的某些结果，推广到n维情形，并给出一些与优化有关的其他结果．     

B值鞅型序列的一些极限定理

本文讨论了一些B值鞅型序列的强大数定律 ,弱大数定律 ,Lr收敛性及完全收敛性 ,推广了许多熟知的结果 .     

关于B值随机和的完全收敛性的进一步讨论

该文在深入揭示B值非随机和完全收敛性中的一系列等价关系的基础上，给出了随机和完全收敛的充分条件，改进和完善了有关文献中的既有成果，并对矩条件的必要性问题做了初步讨论．     

具有非负Gaus曲率的整体C1,14超曲面

本文借助蜕化椭圆型ＭｏｎｇｅＡｍｐｅｒｅ方程Ｄｉｒｉｃｈｌｅｔ问题的可解性，在较弱的条件下，证明了以给定的非负函数为Ｇａｕｓ曲率，以已知的空间曲线为边界的整体Ｃ１，１４超曲面的存在唯一性．     

Bifurcation and Isochronicity at Infinity in a Class of Cubic Polynomial Vector Fields

In this paper, we study the appearance of limit cycles from the equator and isochronicity of infinity in polynomial vector fields with no singular points at infinity. We give a recursive formula to compute the singular point quantities of a class of cubic polynomial systems, which is used to calculate the first seven singular point quantities. Further, we prove that such a cubic vector field can have maximal seven limit cycles in the neighborhood of infinity. We actually and construct a system that has seven limit cycles. The positions of these limit cycles can be given exactly without constructing the Poincare cycle fields. The technique employed in this work is essentially different from the previously widely used ones. Finally, the isochronous center conditions at infinity are given.     

图的k-单圈划分中的优化问题

图的划分问题曾引起图论界的广泛关注，在文献[4]中讨论了k-单圈划分，本文进一步研究基于k-单圈划分的优化问题，即在一个赋权图中求一个最小权可k-单圈划分的支撑子图，以及对一个不存在k-单圈划分支撑子图的图，如何添最少的边使得它有k-单圈划分的支撑子图。     

一种区间数的因子分析技术及其在证券市场中的应用

传统的因子分析技术能够有效地对高维变量空间进行降维处理,但它对于样本空间却缺乏行之有效的降维效果.为了解决这一问题,一种针对大量样本数据、新的因子分析技术———区间数因子分析技术(intervaldatafactoranalysis,IFA)被提出并得到了迅速的发展。IFA方法对传统的数据概念做了本质性的扩张,运用'数据打包'的理念,对海量原始数据在不破坏其原有内在逻辑关系的前提下,可以进行变量和样本点维度的双重降维。本文详细阐述了区间数因子分析技术的原理,并以中国股票市场为案例研究背景,结果表明IFA分析技术对大规模多维数据系统做综合简化是十分有效的。