一种基于同组的图像分割算法

提出了一种基于同组的图像分割算法。首先Fisher判据对初始聚类中心自动确定出一个同组;然后,再用置信度来判定这一同组是否有效,从而消除过分割,实现图像的精确分割。最后．给出了上述算法的计算机实现方法,并进行了计算机仿真研究。     

不确定多变量分数阶控制系统的能观性判别

针对不确定多变量分数阶控制系统,提出当系统状态空间表达式中相关矩阵不确定时系统能观性判别的一种新方法。当然,关于系统能观性的判别方法已有一些,但这些方法不能很好地用于本文所提出的控制系统,基于这种情况,首先推导出分数阶控制系统能观性判别条件,通过分析区间向量之间的线性相关性得出不确定多变量分数阶控制系统的能观性判别方法,最后以实例说明该方法的简单有效性。     

浅谈砂土地震液化的机理及判别

从地基土液化机理分析出发,结合台前基督教中心堂工程具体情况,进行了该工程的地震液化的评价,说明了应用两种以上方法能提高判定的准确性及工程的可靠性。     

基于DSP的广播节目抗干扰系统的设计

针对广播节目在传输过程中易受干扰的问题,提出了基于动态时间轴归整(DTW)算法的多词判别法语音识别技术,根据该方法通过提取Mel尺度倒谱参数,设计出基于DSP的广播节目抗干扰系统,实现广播信号的自动判别,实验表明该系统抗干扰能力显著增强.     

基于公共矢量的总间隔v最小类内方差支持向量机在噪音人脸图像分类中的应用

为提高噪音人脸图像分类问题中的抗噪性能,在综合最小类内方差支持向量机(minimum class variance support vector machines,MCVSVMs)和总间隔v-支持向量机(total margin v support vector machine,TM-v-SVM)的优点的基础上,提出了基于公共矢量的总间隔v最小类内方差支持向量机(Total margin v minimum class variance support vector machines based on common vectors,TM-v-M(CV)²SVMs)。受公共矢量(common vectors,CVs)的启发,引入了散度矩阵以进一步提高算法的分类性能和抗噪性能,并给出了TM-v-M(CV)²SVMs的推导过程。经实验证明,在噪音人脸图像的分类问题中,TM-v-M(CV)²SVMs获得了比MCVSVMs和TM-v-SVM更好的分类性能和抗噪性能。     

砂土地震液化判别方法的综合应用

在当前国家重视基本建设、加快农村城镇化的背景下,砂土地震液化判别在岩土工程勘察中的重要性在不断提升,意义显而易见。文中在分析国内现行标准中规定的饱和砂土液化判别方法局限性的基础上,结合工程实例,提出了多种砂土液化判别方法综合运用、综合评价的方法,并验证其适用性,具有一定的实用价值。     

泥石流松散固体物源研究进展与展望

泥石流形成三大基本条件中,固体物源条件是研究泥石流最直观的对象,也是最容易研究但同时最难定量研究的对象。本文首次从物理机制角度讨论了泥石流固体物质的定义,并给出了度量方法,对目前泥石流松散固体物质储量、动储量的调查手段与方法、固体物质冲出总量,以及可移动固体物质临界深度判别模型的研究现状进行了梳理分析。结果表明：目前常应用于度量泥石流固体物质的相关指标,动储量及固体物质冲出总量等,其估算方法多是建立数学模型或是拟合公式,缺乏明晰物理机制,普适性和度量精度较低;而基于目前存在的问题而提出的可移动固体物质概念则恰好规避这一问题,且现有的研究成果可为其度量方法的建立提供理论支撑。最后,探讨了泥石流固体物源未来研究可开展的工作：① 深入开展泥石流可移动固体物质物理力学机制判别方法研究;② 开展泥石流固体物源空间分布规律研究;③ 开展泥石流固体物质岩土特性随时间的推移所呈现的演变规律研究。     

基于三维荧光光谱技术对掺假蜂蜜无损鉴别研究

提出了一种应用三维荧光谱技术结合化学计量学方法快速无损鉴别蜂蜜中大米糖浆掺假的新方法。利用特征参量法和主成分分析法对三维荧光光谱信息量进行压缩提取,并结合线性判别分析法(LDA)和误差反向传播神经网络法(BP-ANN)对蜂蜜掺假进行分析。结果显示,在掺假蜂蜜判别试验中,采用4个主成分时,模型对预测集样本的识别率最佳,LDA模型识别率为94.44%,BP-ANN模型识别率为100%,说明非线性的BP-ANN模型更适合蜂蜜掺假识别。研究表明,三维荧光光谱结合BP-ANN判别模型可以快速、 无损、 准确地鉴别蜂蜜中大米糖浆掺假。     

近红外光谱技术快速识别针叶材和阔叶材的研究

对一种针叶材和一种阔叶材的横切面采集波长范围为780～2 500 nm的近红外漫反射光谱,结合偏最小二乘判别分析法(PLS-DA)对针叶材杉木和阔叶材桉树快速识别的可行性进行了研究,结果表明：(1)利用近红外光谱结合PLS-DA法建立的识别模型对建模样品的识别正确率达到100%,识别模型预测的分类变量值与实际值之间相关系数r达到0.99,SEC为0.07;(2)即使采用短波区域780～1 100 nm的近红外光谱也可以获得理想的识别结果(识别正确率为100%),识别模型的r也达到0.99,SEC为0.07;(3)利用近红外光谱建立的识别模型对未知样本的识别正确率都为100%,说明近红外光谱技术可以快速、准确识别针叶材和阔叶材,这为木材识别提供了一种新方法和技术,也为开发低成本的近红外光谱识别仪器提供了科学依据。     

二项式级数在收敛区间端点处的敛散性

给出了二项级数在收敛区间端点x =± 1处的收敛性判别法及证明 ,从而得到二项级数的收敛区间