高斯-谢尔模型光束通过光阑像散透镜传输轴上光谱变化

从部分相干光的传输理论出发,研究了高斯-谢尔模型(GSM)光束通过光阑像散透镜传输轴上的光谱变化规律.结果表明,与光源光谱相比,高斯-谢尔模型(GSM)光束通过光阑像散透镜传输轴上光谱发生了中心频率的移动,这种现象被称为光谱位移.详细分析了透镜的像散、光束的空间相关性和光阑的截断参量对光谱变化的影响.数值计算表明,这些参量会对光谱移动产生比较大的作用.     

小波域高斯混合模型与中值滤波的混合图像去噪研究

基于高斯混合模型的小波去噪方法并结合中值滤波法对脉冲噪音有较好滤除效果的特点,将这两种方法结合起来,对含有高斯脉冲混合噪音图像进行去噪处理.该算法采用Matlab语言进行仿真.实验结果表明,这种混合去噪方法的效果要优于单纯使用中值滤波或者小波去噪的效果.     

线型优化最大熵线性预测方法自回归模型三种求解方法的比较

采用三种方法：修正协方差法MCOV(Modified Covariance Method)、递推极大似然估计法RMLE(Recursive Maximum Likelihood Estimator)和伯格法(Burg Method)求解线型优化最大熵线性预测方法中的自回归模型系数,并且在不同求解方法情况下,将阶次、信噪比对光谱复原的影响作了详尽的比较.研究结果表明:在线型优化最大熵线性预测方法的自回归模型系数三种求解方法中,修正协方差法要优于递推极大似然估计法和伯格法.     

基于平行活动围道模型的高分辨率遥感影像城区主干道路段提取

为了提取并表示高分辨率遥感影像中的主干道路段,提出了一种多分辨框架下的平行活动围道模型的算法.该算法在活动围道模型原理的基础上,重新定义各能量项:采用抛物线做为道路段的先验模型,增加了平行性能量,并采用多分辨框架下的梯度做为外部能量.该模型的优化过程实现了道路的定位,得到的结果是平行抛物线的参数,实现了道路的矢量表示.实验结果表明,能有效提取高分辨率遥感影像中的主干道路段.     

智能交通环境下多信息反馈效应的跟驰模型研究综述

智能交通环境下,驾驶员可实时获取前方多辆车行驶状态信息,并根据反馈信息合理调整自身车辆运行状态,以期实现前后多车协同行驶的目标。本文简要回顾了跟驰模型近70年的发展历程,重点聚焦理论驱动跟驰模型,系统梳理了智能交通环境下多信息反馈效应跟驰模型的相关研究,给出了不同信息反馈作用下各模型的具体表征及其特性,归纳出多信息反馈效应跟驰模型动力学方程的一般形式。最后展望了该模型未来的发展趋势,为进一步完善跟驰理论及模型提供有益的参考。     

CEV模型和B-P混合驱动模型下亚式期权Monte Carlo模拟

对亚式期权在CEV模型和B-P混合驱动模型限制下进行Monte Carlo模拟定价,建立风险中性测度,模拟出不同弹性因子值下资产价格路径.为了得出优于标准的Monte Carlo模拟,应用方差缩减技术来提高期权定价的精度.最后对亚式期权定价模型进行数值案例分析,得出弹性因子取值、时间步长、模拟次数与期权价值变化的关系.     

计及相变微结构演化的形状记忆合金本构描述

基于对NiTi形状记忆合金的实验观察及有限元分析,考虑两相间的应变不协调关系,采用应变修正法建立了计及片层状微结构的本构模型,本模型考虑了两相间的相互约束,及其约束随微结构演化的变化规律.研究了NiTi形状记忆合金微圆管在拉伸和扭转下的响应特性.计算结果与实验结果的对比表明所建本构模型较好地描述了伪弹性响应尤其是较好地描述了拉伸实验过程中的应力跌落现象.     

红外光谱测定丙烯酸聚合反应的定量研究

为在线定量测定丙烯酸聚合反应进程,本文采用红外光谱分析技术,以偏最小二乘法(PLS)、支持向量机回归(SVR)、人工神经网络(ANN)等方法对丙烯酸和聚丙烯酸建立定量分析模型。提出基于上述定量模型不同组合的集成模型方法,对五组不同加料量的聚丙烯酸聚合反应过程进行定量分析,验证红外光谱定量应用于聚合反应的预测准确性。结果表明红外定量分析方法在聚合反应进程分析中拥有良好的预测性能,不同定量方法中SVR-POLY对丙烯酸的平均预测误差最小(0.0022±0.0021),PLS、SVR-POLY、SVR-RBF、ANN组合的集成模型对聚丙烯酸的平均预测误差最小(0.0037±0.0046)。     

非缠结对称缔合链在蠕变过程中的动力学行为研究

首先介绍具有摩擦系数分布的Rouse链的动力学分析方法,并检验了其应用于预测未缠结缔合高分子动力学行为的可行性.之后利用上述方法研究不同缔合点数量的高分子链分别在固定应变速率的启动剪切(start-up)和固定应力的蠕变(creep)测试过程中,链段的取向函数随时间的变化行为.阐明了缔合体系在蠕变条件下,高分子链从链段...     

基于麻雀搜索算法结合深度前馈神经网络的近红外模型转移方法研究

该文提出了一种基于麻雀搜索算法结合深度前馈神经网络（SSA-DFN）的近红外光谱模型转移方法。使用深度前馈神经网络拟合不同仪器采集到的光谱之间的非线性函数映射,并将麻雀搜索算法用于网络各层连接权值和阈值的初始化,通过种群中个体位置的迭代更新,求得连接权值和阈值的最优初始值;通过多次调整深度前馈神经网络模型的超参数,使网络拟合效果趋于最优,最终确定转移函数。为验证方法的有效性,分别从烟叶近红外光谱谱图、主成分投影和预测结果的角度,将SSA-DFN方法与分段直接校正算法（PDS）、典型相关性分析算法（CCA）转移前后的效果进行了对比。结果表明SSA-DFN方法转移后的从机光谱与原主机光谱重合度最高,转移后主、从机总糖、烟碱含量的预测结果差异不显著,预测平均误差从8.32%、9.15%分别降至4.65%、4.82%,预测均方根误差（RMSEP）和决定系数（R2）等指标均优于PDS和CCA,取得了最佳的转移效果,可满足企业需求。结果表明该方法是一种有效的模型转移方法。