GPU和格子玻尔兹曼方法联合加速的水平集模型及其在图像分割中的应用

面向图像分割应用,提出了一种新颖的GPU加速水平集模型,将来自于不同模型的全局及局部拟合能量有机地整合一起,并且可以自适应地调整全局项的加权系数.无论初始轮廓位于图像中的任何位置,模型都可以有效地分割出具有强度非同质性图像中的前景目标.在数值实现环节,采用格子玻尔兹曼方法的策略来打破传统求解方法对于时间步长参数的限制条...     

基于差分重心公式的射频仿真近场修正算法

该文提出了一种快速、通用的射频仿真近场效应修正算法.利用重心公式以及待求的真实目标点方位所对应的三元组馈电系数表达出一个虚拟方位点.在近场修正中,利用虚拟方位点的收敛逼近来代替真实目标点的收敛逼近,而虚拟方位点的收敛逼近使用差分重心公式.基于差分重心公式的算法可以很快地实现收敛.与传统方法相比,该算法迭代公式非常简单,并且与后续雷达信号处理无关,具有更广的适用性.通过数值仿真,验证了分析结果.该算法对于射频仿真近场修正具有重要意义.     

基于梯度最小准则的线性插值修正算法

针对传统的线性插值存在的图像边缘模糊问题,提出了一种改进方法。根据边缘与梯度之间的关系,以插值点梯度最小为准则,对线性插值结果进行修正,实现保护插值图像的边缘信息。实验结果表明,该方法与传统的线性插值法相比,插值图像的平均梯度提高,均方误差减小,是一种有效提高插值效果的方法。     

基于视频图像的烟雾检测方法探析

近些年来,由于传统火灾探测技术的缺乏,不少研究学者开始寻求现代化火灾检测方法。本文以视频图像为基础,提出了一种在火灾初期借助于视频及数字化图像对烟雾进行检测的方法,以科学地确定着火点,便于尽快发现火灾,并采取有力的措施予以扑灭。     

基于限制性玻尔兹曼机的叶片识别算法研究

叶片识别是最简单和直接的植物识别方法,采用机器学习算法是解决叶片识别的重要途径。为更有效的识别叶片,提出基于限制性玻尔兹曼机的叶片识别算法,并通过实验论证算法的可行性。     

基于判别式受限玻尔兹曼机的数字调制识别

为了提高大动态信噪比下数字调制识别性能,提出一种基于高阶累积量和判别式受限玻尔兹曼机的联合调制识别方法.该方法提取数字信号的高阶累积量作为信号特征,综合利用判别式受限玻尔兹曼机的生成能力和分类能力,分析了含有高斯噪声、时变相位偏移或瑞利衰落环境下的数字信号识别率.实验结果表明,与传统识别方法相比,所提方法的识别性能有明...     

一种基于修正动量的RBM算法

受限玻尔兹曼机（Restricted Boltzmann Machine,RBM）是一种随机网络、概率图模型,它是一种比较有效的的无监督学习模型.针对RBM梯度近似的一种计算方法对动量加速不敏感,以及识别效果不理想等问题,本文提出一种基于修正动量的RBM算法.该算法结合RBM梯度近似方法,通过修改隐单元偏置参数的更新方式,避免RBM模型中隐单元取值采用概率值时导致模型识别效果不理想、动量加速有限等问题.同时,在RBM预训练阶段采用快速上升的动量方式,以加速网络收敛;在微调阶段引入缓慢下降的动量项,以避免陷入局部最优点并提高识别效果.本文算法通过在MNIST手写数字体,Extended Yale B和CMU-PIE人脸数据库上的数值实验结果表明,提出的算法能够有效地提高计算效率和提高网络泛化能力.该算法不仅对RBM的应用领域扩展具有十分积极的实际意义,且为深度学习的应用方法提供一种新的研究思路和借鉴.     

基于动量方法的受限玻尔兹曼机的一种有效算法

深度学习给模式识别与机器学习带来了巨大的变化,已成功应用于语言处理、图像处理、信号处理、商业经济等方面.受限玻尔兹曼机（Restricted Boltzmann Machine,RBM）是一个表示能力强、很好的生成模型,多个RBM堆叠而构成的深度信念网络模型（Deep Belief Nets,DBN）的学习时间会较长.为加快整个DBN网络的学习时间和提高分类效果,本文提出基于动量方法RBM的一种有效算法.该算法在RBM预训练阶段,结合梯度上升算法特点采取快速上升的动量方式;以及BP算法微调阶段,为了能精确的找到最优点,结合梯度下降算法特点,相应的引入缓慢下降式的动量项,即在梯度上升和梯度下降过程中都使用不同的动量方式.本文算法在MNIST手写数字体和CMU-PIE人脸数据库上进行了实验,结果表明,提出的改进算法能够有效地增强图像特征的表达能力,提高图像的分类效果和实验效率.     

基于弱监督学习的去噪受限玻尔兹曼机特征提取算法

针对现有特征提取方法难以实现从含有复杂背景的图像中提取有用目标特征的瓶颈问题,提出了基于弱监督学习的去噪受限玻尔兹曼机特征提取算法.首先,利用训练样本,通过无监督学习方式训练一个标准受限玻尔兹曼机模型,从而获得一个包含可视单元层和隐藏单元层的层次结构模型;然后,对可视层的每个单元引入二值转换单元,对隐藏层,根据各节点的激活值大小和激活频率将其分为两组:前景特征隐层单元和背景特征隐层单元,得到一个二元混合式去噪玻尔兹曼机的模型;最后,通过多模交互方式,利用有限数量的样本标签信息对输入样本逐像素地进行采样训练,以此来提取目标特征.实验表明,本文的特征提取算法能够有效地从复杂的干扰背景中提取目标特征,提高了目标识别精度.     

DX发射机烟雾报警监控系统的设计及仿真

基于DX发射机本身工作运行的实际状况及近年来所出现的一些问题,本文针对DX发射机机箱内烟雾监测及报警部分的问题进行了阐述,并给出了解决方案,即通过烟雾检测传感器和LOGO!控制器等主要硬件设计了烟雾监控报警系统,最后通过仿真,验证了所设计系统的应用有效可靠性。     

基于格子波尔兹曼模型的图像去噪

 Perona 和 Malik提出的各向异性的扩散模型存在着模型不稳定、图像灰度容易产生"阶越"现象等缺陷.本文通过在格子波尔兹曼各向同性扩散模型的网格点间加入跨膜介质,建立了格子波尔兹曼各向异性扩散模型.该模型中前向扩散过程占据了主导作用,因而是稳定的.实验分析表明,该模型很好地解决了P-M模型存在的灰度"阶越"现象,处理结果具有更高的峰值信噪比.     

基于LBM动态动画真实感绘制

提出一种基于LBM的高效建模和绘制方法。通过潜水方程的LBM模型进行流体建模和表面高度场的计算,成功地模拟出水坝崩溃现象。简化了速度场方程组和添加浓度场方程组,结合两者对烟雾物理模型进行了改进,通过GPU加速技术实现了烟雾真实感的绘制。     

A Lattice Boltzmann Method for Image Denoising

In this paper, we construct a Lattice Boltzmann scheme to simulate the well known total variation based restoration model, that is, ROF model. The advantages of the Lattice Boltzmann method include the fast computational speed and the easily implemented fully parallel algorithm. A conservative property of the LB method is discussed. The macroscopic PDE associated with the LB algorithm is derived which is just the ROF model. Moreover, the linearized stability of the method is analyzed. The numerical computations demonstrate that the LB algorithm is efficient and robust. Even though the quality of the restored images is slightly lower than those by using the ROF model, the restored images of the LB method are satisfactory. Furthermore, computational speed of the LB method is much faster than ROF model. In general, CPU time of the LB method for restored images is about one tenth of ROF model.      

基于Monte-Carlo的EV-DO规划仿真算法

cdma2000等3G无线通信网络具有相当的复杂性,为了在节约运营商成本的前提下使新建3G网络的覆盖和容量等性能最优,需要专门的软件来进行无线网络规划仿真。本文指出无线网络规划仿真属于静态系统级仿真,介绍了如何利用Monte-Carlo仿真方法实现cdma20001xEV-DO系统的规划仿真,并给出了规划仿真算法的具体流程。通过对算法仿真结果的分析证明了规划仿真算法的正确性和实用性。该算法便于计算机实现,能够用于实际的无线网络规划仿真。     

基于物理模型的烟雾扩散模拟

近年来,基于物理模型的流体模拟成为计算流体动画领域中的一个研究热点.烟雾问题是流体现象模拟中最为简单的一类.本文的基本物理模型用无粘性不可压的欧拉方程表示,采用半拉格朗日方法、高斯一塞德尔迭代法等稳定的求解方法.本文考虑边界条件为实体墙的情况,并计算浮力、漩涡约束力等外部作用力来控制烟雾的扩散.实验结果表明,本文采用的...     

基于正交遗传算法的概率仿真优化方法

为了有效解决含有不确定现象的复杂优化问题,文中提出了基于正交遗传算法的概率仿真优化方法.该方法将计算机仿真技术、正交遗传算法和概率中的假设检验方法完美地集成在一起,能更加有效地求解复杂优化问题.从理论方面来讲,采用概率方法来研究含有不确定现象的复杂优化问题,具有很强的合理性和可操作性;从实证方面来讲,该方法比传统方法具有更好的优化性能.     

LLL格基约减中选择δ的一种方法

LLL格基约减是一种强大的格基约减算法,其可在多项式时间里输出一组近乎正交的已减格基,且已被应用于预编码领域,可在无线通信中,获得理想的分集性能。LLL格基约减算法需要人为指定参数δ。参数δ的大小决定了算法的执行时间及已减格基的好坏。在LLL格基约减算法基础上,文中提出了一种改进算法,针对特定输入矩阵H,算法自动选择δ,在执行时间和已减格基质量间达到平衡。     

基于LMS算法的EDC性能分析

对光纤通信系统中的电域色散补偿(EDC)技术进行了深入研究,利用Optisystem8.0和Matlab7.1联合搭建仿真系统平台,分析了基于最小均方(LMS)算法的电域色散补偿性能。仿真结果表明,滤波器参数(收敛因子,抽头数)、系统传输特性以及调制格式对最小均方算法的收敛速度和稳态误差都有较大的影响,要求合理选择滤波器参数和调制格式,使电域色散补偿达到最优性能。     

高抗噪性的SFFT-DT快速捕获算法

针对稀疏快速傅里叶变换(Sparse Fast Fourier Transform,SFFT)并行码相位捕获算法抗噪性能较差的问题,提出了一种新的高抗噪性快速捕获算法.该算法依据伪码相关函数峰值唯一的特点,利用降采样快速傅里叶变换(Downsampling Fast Fourier Transform,DFFT)取代了...