基于极坐标中蛇模型的类圆目标轮廓提取技术研究

提出了转化到极坐标中的蛇模型.通过把蛇模型转化到极坐标中,使轮廓的候选点得以更有序的排列.由于采用了动态规划法并在整个能量空间中搜索能量泛函的极值,算法对能量泛函的局部极值有较强的鲁棒性.所提出的模型不需要确定初始轮廓,可以用非迭代方法直接求解.与传统的动态规划法和贪婪算法进行了比较实验.结果表明,所提出的算法对极坐标中极点的位置不是很敏感.     

GF(2p)LDPC编码的相位调制OFDM系统在瑞利衰落信道的性能

OFDM是一项能有效对抗高速无线通信中多径衰落的关键技术，为了进一步提高OFDM系统的误码性能，许多信道编码技术已被应用于OFDM系统中，二元域LDPC码以其近香农限的误码性能和较低的译码复杂度成为研究的热点。在AWGN信道下，多元域LDPC码比等效码长的二元域LDPC码有更好的纠错性能。本文提出了一种将多元域LDPC码经过MPSK调制后用于OFDM系统的新方法。仿真结果表明，在多径衰落信道下，通过合理选择多元LDPC码域的阶数和调制的方法，多元域LDPC编码的高阶调制OFDM系统比等效码长的二元域LDPC编码OFDM系统具有更好的性能，并且由于采用了多元域LDPC的快速BP译码，译码复杂度只是稍有增加。     

基于小波变换的在役管线漏磁信号的去噪

采用漏磁法对在役管线进行无损检测时,所采集的信号中含有大量的噪声需要去除。文中介绍了小波变换的基本理论及检测信号和噪声信号在小波变换下的特性,说明了去除漏磁信号噪声的原理。在仿真试验中采用二阶双正交样条小波为小波函数,选用软硬阈值折中法和自适应阈值处理小波系数,结果表明将小波变换应用于在役管线漏磁检测中,能很好地去除噪声,提取出有用信号。     

带残损原材料的二维优化下料问题的研究

本文将遗传算法和模拟退火算法相结合来求解二雏优化下料问题，下料件为不规则形状，原材料上带有残损，问题具有一般性。并在Windows2000平台下，用Matlab实现上述算法。通过实例验证了该算法的有效性。     

基于双信道的一种ad hoc网络路由策略

利用多个信道接口来改善ad hoc网络信道容量。即一个信道周期性的广播节点状态信息分组来维护全网所有节点的状态信息，而另一个信道利用此信息采用最短路径搜寻算法来获得到目的节点的路由并完成数据传输。这样充分结合了表驱动路由方法和按需式路由方法的优点。另外，信息维护与数据分组分别在两个信道内同时进行，避免了信息维护对数据分组传输的影响，提高了网络性能。     

基于流量测点的热网变动阻力系数优化辨识

随着供热计量系统的普及,系统可以根据负荷的变化进行调整,管网的阻力系数随即发生变化.对变动阻力系数进行优化辨识是了解供热管网实时运行状况的有效手段.提出一种基于流量监测数据的供热管网变动阻力系数优化辨识方法,并利用遗传算法进行求解.对洛阳市某小区供暖季管网实际运行数据进行验证,辨识结果的相对误差在5％以内.结果表明:该...     

亚马逊热带雨林星载SAR辐射定标算法

天线外定标是实现星载SAR天线方向图在轨测试的主要手段。天线方向图的准确测量,对星载SAR图像的应用具有重要作用。分布目标辐射定标在星载SAR天线方向图测试中受到广泛重视。亚马逊热带雨林的后向散射系数呈现大面积的均匀性和稳定性,故成为分布目标定标最主要的定标场。该文在分布目标定标原理的基础上,对基于亚马逊热带雨林的星载SAR天线方向图测量算法进行了研究,提出了采用K．Pearson统计量非参数假设检验的一致性处理算法,并采用Levenberg-Marquard算法（LM算法）估计俯仰向天线方向图模型参数。仿真数据验证了算法的可靠性和准确性。     

边缘计算中云边任务下发策略研究

目前边缘计算的相关研究大部分着眼于如何将设备端数据卸载至边缘端进行处理,而未考虑云中心如何高效率、低延时地将不同任务下发至边缘节点的问题.针对该问题,文中提出了一种边缘计算架构模型,通过对任务进行统一建模,使用改进的Dijkstra算法得到任务下发最优路径,减少所需计算节点数量和提升计算性能,使其能在最短的时间内下发到...     

An Algorithm Framework for Drug-Induced Liver Injury Prediction Based on Genetic Algorithm and Ensemble Learning

In the process of drug discovery, drug-induced liver injury (DILI) is still an active research field and is one of the most common and important issues in toxicity evaluation research. It directly leads to the high wear attrition of the drug. At present, there are a variety of computer algorithms based on molecular representations to predict DILI. It is found that a single molecular representation method is insufficient to complete the task of toxicity prediction, and multiple molecular fingerprint fusion methods have been used as model input. In order to solve the problem of high dimensional and unbalanced DILI prediction data, this paper integrates existing datasets and designs a new algorithm framework, Rotation-Ensemble-GA (R-E-GA). The main idea is to find a feature subset with better predictive performance after rotating the fusion vector of high-dimensional molecular representation in the feature space. Then, an Adaboost-type ensemble learning method is integrated into R-E-GA to improve the prediction accuracy. The experimental results show that the performance of R-E-GA is better than other state-of-art algorithms including ensemble learning-based and graph neural network-based methods. Through five-fold cross-validation, the R-E-GA obtains an ACC of 0.77, an F1 score of 0.769, and an AUC of 0.842.     

遗传算法优化变分模态分解提取舰船辐射噪声特征线谱方法

特征线谱提取是舰船目标识别的一个重要研究环节,常采用传统的DEMON谱分析方法,处理过程中,一般对舰船噪声时域信号未予抑噪,低信噪比情况下,传统DEMON谱分析性能差。对此,提出一种采用遗传算法优化变分模态分解方法,用于分解舰船噪声原时域信号,获得抑制噪声后的舰船噪声重构信号,进而有效提取了舰船目标噪声幅度调制特征线谱。该方法首先采用遗传算法优化变分模态分解的两个关键输入参数(分解所取模态个数和惩罚因子),对变分模态分解得到的各阶固有模态分量加以判别,去除噪声主导分量,保留信号主导分量,使重构舰船噪声信号显著抑制了干扰噪声,然后对降噪后的重构信号进行频谱分析,获得目标噪声调制特征线谱。理论分析、仿真和实验数据处理结果表明,相比传统DEMON谱分析法,基于遗传算法优化变分模态分解的舰船噪声特征线谱提取方法具有更好的噪声抑制能力,所获取的舰船噪声幅度调制特征线谱信噪比明显高于传统DEMON方法,具有一定优势,前景良好。