基于相机扫描的太赫兹光场成像预处理方法

太赫兹光场成像是一种太赫兹波段内的计算成像手段。在太赫兹相机扫描成像的基础上进行了图像预处理和光场计算。针对太赫兹相机受器件性能限制导致输出图像存在噪声大、分辨率低和视场小等问题,对基于相机扫描的太赫兹光场成像进行了预处理,通过控制二维平移台,采集到一系列存在特定视角差别的目标图像;采取高通滤波方式对图像进行处理,得到噪声小、锐化程度好的图像;在不降低图像分辨率的基础上利用Harris特征图像拼接算法计算得到较大视场的图像。通过上述方法,有效地提高了光场成像质量,为实现太赫兹光场成像三维重构奠定了基础。     

云制造平台加工能力分享调度优化研究

云制造平台加工能力分享的调度优化是云制造模式的核心运营问题。为提高云制造平台对参与能力分享企业资源的利用率,解决实际云制造需求环境下企业级制造资源调度问题,达到云制造平台动态实时的要求,以最小化工期和成本为目标函数,构建了基于平台并面向分享的云加工能力调度模型。为快速求解多个云任务订单的最优调度序列,引入任务简易编码和随机权重,设计了改进的二阶粒子群算法,并提出可分享加工能力时间窗的更新策略。最后,通过算例验证云制造平台加工能力调度机制的可行性和有效性。     

基于偏Laplace正态数据下位置、均值回归模型的参数估计

参数估计是一种基本的统计推断形式,也是统计学的一个重要分支.在分析偏态数据时,我们比较关注数据的众数、中位数和均值,但是偏Laplace正态数据的众数和中位数难以精确求出,因此用位置参数来近似代替.故本文提出偏Laplace正态数据下位置和均值回归模型,并研究该模型的参数估计,模拟和实例研究结果表明本文提出的模型和方法是科学合理的.     

等离子体二维密度重建的影响因素

利用超强超短激光脉冲产生的高能质子束的库仑能量损失可以重建稠密等离子体的二维密度分布，使用同时迭代重建算法（SIRT算法）研究等离子体二维密度重建的影响因素.研究等离子体密度梯度、密度量级和质子束入射能量对重建误差的影响，分析质子束成像探测等离子体密度之前获得等离子体大概方位的重要性，通过数据拟合确定了能量噪声和重建误差之间的解析关系式.     

基于ELM算法的羊肉水分含量的快速无损检测

在近红外光谱900-1700nm的波长范围内采集南疆羊肉的光谱数据,来研究水分含量的快速无损检测.为减弱非目标因素对光谱的影响,采用SNV和去趋势法对光谱数据进行预处理.为降低建模的复杂度,去除共线性的影响,采用连续投影算法和相关系数法相结合选取8个特征波长变量,最后使用PLS和ELM算法分别进行建模.实验表明,与采用全光谱波段建模相比,采用特征波长变量建模,PLS和ELM算法的运行时间都大大缩短,并且在运行时间和预测精度上,ELM算法均优于PLS算法.ELM算法采用8个特征波段变量建模,预测精度达到0.9768,均方误差为4.4291e-04,相关系数为0.7603,运行时间可控制在1e-04s之下,这可为研发羊肉水分含量的便携式检测装置提供理论参考.     

Hamilton系统下基于相位误差的精细辛算法

Hamilton系统是一类重要的动力系统，辛算法（如生成函数法、SRK法、SPRK法、多步法等）是针对Hamilton系统所设计的具有保持相空间辛结构不变或保Hamilton函数不变的算法.但是，时域上，同阶的辛算法与Runge-Kutta法具有相同的数值精度，即辛算法在计算过程中也存在相位误差，导致时域上解的数值精度不高.经过长时间计算后，计算结果在时域上也会变得“面目全非”.为了提高辛算法在时域上解的精度，将精细算法引入到辛差分格式中，提出了基于相位误差的精细辛算法（HPD-symplectic method），这种算法满足辛格式的要求，因此在离散过程中具有保Hamilton系统辛结构的优良特性.同时，由于精细化时间步长，极大地减小了辛算法的相位误差，大幅度提高了时域上解的数值精度，几乎可以达到计算机的精度，误差为O（10-13）.对于高低混频系统和刚性系统，常规的辛算法很难在较大的步长下同时实现对高低频精确仿真，精细辛算法通过精细计算时间步长，在大步长情况下，没有额外增加计算量，实现了高低混频的精确仿真.数值结果验证了此方法的有效性和可靠性.     

一类五阶非线性波方程的新精确解

通过利用新的G展开法,并借助Mathematica计算软件,研究了一类五阶非线性波方程的精确解,获得了方程的含有多个任意参数的新的显式行波解,分别为三角函数解、双曲函数解、指数函数解,扩大了该类方程的解的范围.     

急性髓细胞白血病基因筛选模型的贝叶斯分析

基因表达数据蕴含着大量的生物信息,在生物基因信息研究中,筛选表达水平发生显著变化的差异基因是认识疾病形成机理和辅助靶点药物研究的关键问题.根据急性髓细胞白血病(AML)的基因表达数据,构造基因均值差序列,建立贝叶斯分层混合模型,并为模型的参数赋予具有基因生物特征的先验信息.采用马尔可夫链蒙特卡洛(MCMC)算法对模型参数进行估计,并筛选出急性髓细胞白血病差异表达基因.在实际数据分析中,从美国生物信息中心(NCBI)的高通量基因表达数据库中获取急性髓细胞白血病基因数据集,从经过非特异滤波预处理的14688个急性髓细胞白血病基因中筛选出711个差异表达基因,差异表达基因数仅占急性髓细胞白血病基因总数的4.84%,这一结果与基因差异表达的生物学原理相吻合.     

鲁棒稀疏重构问题的凝聚同伦算法

鲁棒稀疏重构问题是信号处理领域的重要问题,该问题的数学本质是一个NP难的数学优化问题.同伦算法是一类典型的路径跟踪算法,该算法是解非线性问题的一类成熟算法,具有全局收敛性,且易于并行实现.本文考虑同伦算法在鲁棒稀疏重构问题中的数值求解.基于l_∞范数及罚函数策略,我们首先将原始的基于l_0范数的最优化模型,转化为含参数的无约束极大极小值问题,进而构造凝聚函数光滑化模型中的极大值函数,并构造凝聚同伦算法数值求解.数值仿真实验验证了新方法的有效性,为大规模鲁棒重构问题的并行化数值求解奠定基础.