基于深度学习的混沌加密灰度图像重建方法

混沌加密由于其初始值敏感性、伪随机性和运动轨迹的不可预测性而被广泛应用于图像加密领域。提出了一种通过深度学习来攻击Lorenz混沌加密系统的灰度图像重建方法,通过残差网络实现了对一系列明文-密文对数据集进行训练,从而拟合出密文到明文的过程,然后将训练好的网络应用在独立于训练集的密文上,恢复出与明文非常接近的图像。数值仿真结果验证了这种灰度图像重建方法的有效性。     

基于平均场支持向量机的混沌时间序列预测

提出了一种新的基于支持向量机的混沌时间序列预测方法，该方法利用平均场理论使支持向量机的学习过程变得简单高效。同时由于该方法将支持向量机的参数近似为高斯分布的，因此采用平均场理论能够容易的求解这些参数，这样获得的支持向量机的参数比传统的基于二次规划的算法更加精确，而且学习速度更快。最后利用该方法对嵌入维数与模型的泛化能力关系进行了探讨，并利用Mackey-Glass时间序列对该方法进行了验证，结果表明：该预测方法能精确地预测混沌时间序列,而且在混沌时间序列的嵌入维数未知时也能取得比较好的预测效果.这一结论预示着平均场支持向量机是一种研究混沌时间序列的有效方法.     

基于选择性支持向量机集成的混沌时间序列预测

提出了一种基于聚类的选择性支持向量机集成预测模型.为提高支持向量机集成的泛化能力，采用自组织映射和K均值聚类算法结合的聚类组合算法，从每簇中选择出精度最高的子支持向量机进行集成，可以保证子支持向量机有较高精度并提高了子支持向量机之间的差异度.该方法能以较小的代价显著提高支持向量机集成的泛化能力.采用该方法对Mackey-Glass混沌时间序列和Lorenz系统生成的混沌时间序列进行预测实验，结果表明可以对混沌时间序列进行准确预测，验证了该方法的有效性. 关键词： 支持向量机 集成 混沌时间序列 聚类     

基于多重核学习支持向量回归的混沌时间序列预测

鉴于标准支持向量回归应用于混沌时间序列预测时经常会遇到诸如核函数及其参数难以确定的问题,提出了多重核支持向量回归的方法.通过在混合核空间求解二次约束下的二次规划问题,实现多重核支持向量回归算法.该算法不仅可以减少支持向量的个数,而且能够提高预测性能.最后将该方法运用到Lorenz, Henon和Mackey-Glass混沌时间序列预测,仿真结果表明该方法能够有效地提高预测精度,增强预测模型的泛化性能. 关键词： 混沌时间序列 支持向量机 多重核学习 优化     

基于在线最小二乘支持向量机回归的混沌时间序列预测

提出了一种基于在线最小二乘支持向量机（LS-SVM）回归的混沌时间序列的预测方法.与离线支持向量机相比，在线最小二乘支持向量机预测方法即使当混沌系统的参数随时间变化时仍然有效.以Chen's混沌系统、Rssler混沌系统、Hénon映射及脑电(EEG)信号四种混沌时 间序列为例评估本文提出的预测方法，结果验证了其混沌时间序列预测的有效性. 关键词： 混沌时间序列 预测 在线学习 支持向量机     

基于模糊模型支持向量机的混沌时间序列预测

基于支持向量机强大的非线性映射能力和模糊逻辑易于将先验的系统知识结合到模糊规则的 特性, 根据混沌动力系统的相空间重构理论, 提出了一种混沌时间序列的模糊模型的支持向 量机预测模型,并采用适用于大规模问题求解的最小二乘法来训练预测模型,利用该模型分别 对模型的整体预测性能与嵌入维数及延迟时间的关系进行了探讨.最后利用Mackey-Glass时 间序列和典型的Lorenz系统生成的时间序列对该模型进行了验证,结果表明该预测模型不仅 能够自动的从学习数据中获取知识产生模糊规则，提取能够代表混沌时间序列内在规律的支 持向量，大大减少支持向量的数目，精确地预测未来的混沌时间序列,而且在混沌时间序列 的嵌入维数未知和延迟时间不能合理选择的情况下,也能取得比较好的预测效果.这一结论预 示着基于模糊模型的支持向量机是一种研究混沌时间序列的有效方法. 关键词： 模糊模型 混沌时间序列 支持向量机 最小二乘法     

基于图像局部区域梯度特征描述的红外人体识别算法

提出了一种新的红外图像中人体目标识别方案并进行了算法实现。通过直方图聚类分析对红外图像进行分割,根据二值化图像团块的特点,确定图像中的候选目标图像区域。将候选目标图像按比例划分为多个区域,使用梯度位置朝向直方图(GLOH,Gradient location-orientation histogram)对候选目标图像进行描述。与其它红外图像中人体识别算法相比,不需要多种特征提取算法组合进行分步骤识别,仅使用单个SVM分类器即可达到满意的识别率,避免了分类器的级联,算法简单有效。     

基于模糊支持向量机的高光谱图像分类

常规支持向量机应用到高光谱图像分类中有较好的分类效果,但它对训练样本内部的噪声和孤立点特别敏感,在一定程度上影响了支持向量机的分类性能,针对该问题,引入了模糊支持向量机(FSVM),并且利用灰色关联分析代替模糊隶属度的求解,将这种基于灰色关联分析的模糊支持向量机与一对多算法相结合,解决了多类高光谱图像分类问题。HYDICE高光谱图像分类结果表明,噪声和孤立点训练样本对支持向量机的影响得到了有效地抑制,相比于常规支持向量机方法,分类精度得到了明显的提高。     

基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化。首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别。通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5%以上,为火灾图像识别提供了一种新思路。     

基于迭代误差补偿的混沌时间序列最小二乘支持向量机预测算法

本文分析了传统支持向量机预测算法产生的误差特性,发现产生的预测误差不同于噪声,具有较强的规律性,单一的预测模型遗漏了许多混沌序列中的确定性分量.经过误差补偿后,残差的冗余信息减少,随机性增强.在此基础上,本文提出一种基于迭代误差补偿的最小二乘支持向量机预测算法,能够通过多模型联合预测更加有效地逼近混沌系统的映射函数,在预测精度上取得了大幅度的提升.此外,算法通过留一交叉验证法的方法能够在预测前自动优化模型参数组合,克服了现有算法无法仅利用先验信息优化预测模型参数的缺陷.对MackeyGlass和Lorenz混沌时间序列进行了仿真实验,实验结果优于相关文献记载方法的预测性能,在性能指标上好于现有算法一个数量级.     

EMD与神经网络在气液两相流流型识别中的应用

本文提出了EMD与Elman神经网络相结合的气液两相流流型识别的新方法.将压差波动信号经验模态分解(EMD)后的固有模态函数(IMF)进行分析、提取IMF能量作为Elman神经网络的输入特征向量,对水平管内的气液两相流流型进行识别.实验结果表明:该方法优于BP网络且稳定、识别率高,具有可行性.     

水平管内油气水三相流分流型阻力特性实验研究

对水平管内油气水三相流的摩擦阻力压降特性进行了实验研究,水平管实验段由有机玻璃管制成,内径为40mm,所用的实验工质为:46#机械油,自来水和空气。油、气、水三相的折算速度范围分别为:0.05-0.51m／s、0.05-1.51m／s、0.02-50.6 m／s。按照气液界面总体特征将水平管内油气水三相流的流型分为泡状流、间歇流(段塞流和弹状流)、分层流及环状流。对各种典型流型下的摩擦阻力压降应用改进的Chisholm关系式及油水两相压降关系式进行分析,对Chisholm关系式中的参数C进行了重新定义。发现改进的Chisholm关系式能够较好地对管内油气水三相摩阻压降进行预测,因此改进Chisholm关系式可以作为摩擦压降计算的通用关系式。     

混沌信号在子值域中的特性分析

针对Kent映射产生的子值域时间序列，利用模糊延迟重构方法，从相关维数、最大Lya-punov指数及可预测性等几个方面进行了分析．研究发现，子值域时间序列同样表现出混沌序列的性质，但与原来的动力系统相比存在着一定的差异．这一差异随着子值域大小的变化而变化 关键词：     

基于滑速比的气水两相流气相流量计算方法研究

目前对气水两相流的分相流量的研究中,多是针对两相流总流量和液相分相流量进行,对气相分相流量的研究很少.本文利用文丘里管和含气率传感器对空气水两相流气相流量计算方法进行了研究,在均相流模型基础上考虑了滑速比因素造成的影响,探讨了两相流气相流量计算方法.结果表明,该方法相对于传统的均相流模型在计算精度上得到了显著提高.     

管道内壁侵蚀形状识别的无网格法研究

本文使用直接配点无网格法结合共轭梯度法对管道内壁面侵蚀状况进行了反演识别。直接配点无网格法使用节点离散求解区域,采用移动最小二乘近似构造试函数,直接配点法构造线性方程组进行导热正问题求解;反演过程采用共轭梯度法使目标函数最小化,Akima三次样条插值将连续的几何边界反演问题转化为离散点几何位置的反演,并最终将这些离散点拟合成为光滑曲线。文中选择两个典型算例对数值方法进行验证,模拟结果表明使用直接配点无网格法结合共轭梯度法进行管道内壁几何边界识别具有较高精度。     

IMPROVED DAMAGE IDENTIFICATION METHOD BASED ON MODAL INFORMATION

In this paper, a newly derived algorithm to predict locations and severities of damage in structures using changes in modal characteristics is presented. First, two existing algorithms of damage detection are reviewed and the new algorithm is formulated in order to improve the accuracy of damage localization and severity estimation by eliminating erratic assumptions and limits in the existing algorithms. Next, the damage prediction accuracy is numerically assessed for each algorithm when applied to a two-span continuous beam for which pre- and post-damage modal parameters are available for only a few modes of vibration. Compared to the existing damage detection algorithms, the new algorithm improved the accuracy of damage localization and severity estimation results in the test beam.     

熵格子Boltzmann方法模拟高Reynolds数流动

本文研究熵格子Boltzmann方法(ELBM)对于高Reynolds数流动问题的适用性.ELBM由于其满足热力学第二定律,使得它比标准的格子Boltzmann方法(LBM)具有更高的数值稳定性.ELBM在计算过程中,通过调节松弛参数来确保系统符合熵H定律.在调节松弛参数时,必须求解一个非线性方程组,这使得计算量加大.本文基于Ehrenfest 理论,根据简单的正性约束来保证H定律的成立.在数值实例部分,对顶盖驱动流进行了研究,给出了此方法与上述方法计算效率和正确性的一个比较,并且研究了全局熵的变化.     

基于晶格-Boltzmann方法的纳米流体流动和传热模型

纳米流体是由流体与纳米粒子组成的悬浮体.悬浮在流体中的纳米粒子会受到运动阻力、布朗力、扩散力和重力等作用力的影响,因而其运动规律极其复杂.本文运用晶格-Boltzmann(LB)方法,建立纳米流体流动和传热模型模型,对纳米流体的流型结构和温度场进行了模拟和分析.     

基于Lattice Boltzmann方法的圆柱绕流大涡模拟

Lattice Boltzmann(LB)方法是近年来出现的一种流体计算的新方法,在流体力学及相关领域取得了很大的成功。但LB方法在模拟湍流流动时常常引起计算的不稳定。本文基于一种结合大涡模型的LB方法对圆柱绕流问题进行的模拟,并与其他文献的实验结果和计算结果进行对比。计算表明:这种混合LB方法能获得比较满意的结果。     

ADAPTIVE CONTROL AND IDENTIFICATION OF CHAOTIC SYSTEMS

A novel adaptive control and identification on-line method is proposed for a class of chaotic system with uncertain parameters. We prove that, using the presented method, a controller and identifier is developed which can remove chaos in nonlinear systems and make the system asymptotically stabilizing to an arbitrarily desired smooth orbit. And at the same time, estimates to uncertain parameters converge to their true values. The advantage of our method over the existing result is that the controller and identifier is directly constructed by analytic formula without knowing unknown bounds about uncertain parameters in advance. A computer simulation example is given to validate the proposed approach.