一类时间周期空间离散问题的主特征值研究

本文研究一类时间周期空间离散的特征值问题,旨在探讨时空异质性对其主特征值的影响.将主特征值视为扩散速率和频率的二元函数,本文研究主特征值的各种渐近行为与单调性,并由此刻画其水平集的拓扑结构,相应结果支持了本文研究二阶时间周期抛物算子时提出的部分猜想.当扩散速率和频率都充分大时,本文的结果为关于抛物算子的一个猜想提供了反例.     

基于FPGA的RFID防碰撞算法的硬件实现

采用改进型二进制树搜索算法,优化了二进制树搜索路径、仲裁中断信道传输及高效随机数产生器的设计,用Verilog HDL语言在RTL级对全算法模块进行了描述,并用ModelSim软件进行功能仿真及时序验证,在Stratix EP1S10F484C5器件上进行防碰撞现场可编程门阵列(FPGA)综合,使射频识别技术(RFID)系统兼容基于位碰撞及非基于位碰撞两种识别机制的硬件设计得以实现.实验结果表明:该改进算法执行效率接近50%,比传统算法具有更高的时分多址(TDMA)信号利用率及平均识别效率,能满足多标签的快速准确识别,起到良好的防碰撞作用.     

广义凸集的切锥

本文讨论作者在〔16〕中提出的广义凸集的各种切锥之间的关系,切锥与正则锥的关系以及切锥的一些代数性质和拓朴性质。     

一类极大极小随机规划逼近问题最优解集的上半收敛性

本文首先将极大极小随机规划等价的转化为一个二层随机规划,在下层初始随机规划最优解集为多点集的情形下,给出下层随机规划逼近问题最优解集集值映射关于上层决策变量参数的上半收敛性和最优值函数的连续性.然后将上层随机规划等价转化为以上层和下层决策变量作为整体决策变量,以下层规划最优解集的图作为约束条件的单层规划,并在下层初始随机规划最优解集的图为正则的条件下,得到上层随机规划逼近问题最优解集关于最小信息概率度量收敛的上半收敛性.     

中高分辨力遥感图像中飞机目标自动识别算法研究

提出了一种中高分辨力的航空航天遥感图像中飞机目标快速自动识别的新算法。在分割和分类过程中充分利用飞机目标的先验知识,提出了一种改进区域分割方法,并应用树分类器对飞机目标进行自动识别。所提出的改进区域分割方法较好地实现了区域分割中阈值的准确自动选取,克服了复杂背景图像中小目标的全局阈值自动分割的失效问题。采用二叉树分类器,通过提取简单的目标几何特征,分层进行种类识别,提高了识别速度,降低了漏检率和虚警率。运用该方法进行了实验。结果表明,识别率达到了100%。     

基于机器视觉的离散傅里叶变换目标识别方法

提出了一种基于机器视觉与离散傅里叶变换的目标特征识别方法。利用计算机图像技术采集和处理图像信号;利用离散的傅里叶变换对图像数据提取特征,能够更好的辨别数据细节,从而可通过图像的比对来实现目标的识别。该方法在对实际的静止图像进行处理与计算后,能够很好的对图像的细节变化进行识别。     

基于改进的加速鲁棒特征的目标识别

为了提高加速鲁棒特征(SURF)算法的实时性和准确性,本文提出了一种结合AGAST角点检测和改进的SURF特征描绘算法。首先利用AGAST角点检测模板检测特征点,再使用增加对角信息的哈尔小波响应来生成特征点的描述子,之后利用特征袋对产生的描述子进行编码并生成新的特征向量,最后利用支持向量机(SVM)对特征向量进行分类,完成识别。本文以SIFT和SURF算法为对照,分别进行不同视角、光照和尺度的识别实验。实验结果表明,本文算法的平均识别率为98.0%、96.9%、97.1%,平均时间分别为66.1 ms、79.3 ms、41.0 ms,在识别率上较优于SURF算法,所耗时间约是SURF算法的1/3。     

平面团簇稳定结构的蒙特卡罗树搜索

以平面团簇为例提出了一种结合结构识别和蒙特卡罗树技术搜索稳定结构的新方法.体系原子之间的相互作用由两类模型势能函数来描述:Lennard-Jones二体势函数与基于Lennard-Jones势的三体势函数.考虑可能的三角晶格碎片作为候选结构,引入编号策略对结构进行快速识别,并运用蒙特卡罗树搜索研究稳定结构随着原子数增大的演化过程;对于能量较低的候选结构,进一步采取局域优化来获得对应体系的稳定结构.计算表明,Lennard-Jones二体势函数对应的三角晶格团簇更稳定;在特定的参数下,三体势函数对应的六角晶格团簇更稳定.结合结构识别和蒙特卡罗树搜索可以对候选结构空间进行高效扫描,在较短时间内更容易搜索到稳定的团簇结构,并可以与第一原理计算结合实现材料的结构预测.     

一种研究敞口容器非稳态导热问题的新方法

在变导热系数条件下,把分段迭代法应用于解决非稳态导热物理问题的集总参数法,为敞口容器恒温热源加热过程中容器内的平均温度变化提供了一个简便的计算方法.利用该方法只需三次分段迭代,即可使得理论计算与实验数据结果吻合.