虹膜纹理的相位编码

讨论了虹膜识别技术的虹膜特征提取及编码,提出了一种基于Ｇａｂｏｒ函数集的编码方法,利用Ｇａｂｏｒ滤波器的相位特征,对虹膜纹理进行编码．同时,针对此编码又提出了基于加权海明距离的识别方法,并阐述了其实际识别效果．实验结果证明,该方法具有良好的编码效果及很高的运算速度,是目前较好的一种虹膜纹理编码方法．     

基于目标子空间的雷达自动识别系统

分析了HRRP空间RATR方法的冗余噪声匹配问题.探讨基于目标子空间的RATR方法.与HRRP空间相比,目标子空间理论上不存在冗余噪声,能够更加准确地反映目标的结构特征.对外场ISAR实测数据的处理表明,此目标子空间算法的识别结果比传统的HRRP空间算法的效率更高,比常规方法具有明显的优越性.     

喷距对低温超音速火焰喷涂WC-10Co4Cr涂层性能的影响

以粒度为5~15μm的WC-10Co4Cr为热喷涂粉末,采用低温超音速火焰喷涂(LT-HVOF)技术制备WC-10Co4Cr涂层,并利用粒子收集技术研究喷距对涂层显微结构和性能的影响。采用扫描电子显微镜(SEM)、粗糙度测试仪和显微硬度仪分别对涂层的显微结构、粗糙度、硬度和韧性进行测试分析。实验结果表明:WC-10Co4Cr涂层的显微硬度(HV0.3)和致密度随着喷距的增大而降低,分别由喷距100 mm时的1 484.19和0.5%降低至喷距310 mm时的930.50和2.2%;涂层的结构和性能与粉末在焰流中的熔融状态和飞行速度相关,喷距在100~190 mm范围内粉末呈未熔化状态,220~310 mm范围内呈微熔化状态,粉末的飞行速度随喷距的增加呈下降趋势;粉末呈微熔化状态时断裂韧性与HVOF涂层相当且明显高于粉末呈未熔化状态的断裂韧性;优化的喷涂距离为220~280 mm,该段距离内可以获得涂层粗糙度约为2μm、孔隙率小于1%、显微硬度大于1 018(HV0.3)、断裂韧性大于3.323 1 MPa·m1/2的涂层。     

基于图像识别的汽车防撞模糊控制系统及其仿真

设计了一种基于图像识别的汽车防撞模糊控制系统，建立了安全距离计算的数学模型．该系统由图像识别系统、车速传感器、判断系统和模糊控制模块组成．利用MATLAB软件的Simulink仿真工具包，建立了防撞模糊控制系统的仿真模型．通过对汽车运行中4种代表性工况的仿真及分析，验证了系统的可行性及模型的正确性．     

一种新颖的编辑距离限制下的相似性确认算法

针对相似性确认步骤中编辑距离计算的高复杂性问题,提出了一种在编辑距离限制下的基于鸽笼原理的字符串相似性确认算法.首先找到满足编辑距离片段映射的片段,以此片段为基准,将长度为500bp的read分段.然后对满足编辑距离片段映射的左右部分递归地进行编辑距离计算,将各段得到的编辑距离相加即为最后结果.最后根据最长公共子串的下限将需要验证的片段数目降到最低,得到优化方案.实验结果表明,基于鸽笼原理的分段递归计算编辑距离的确认算法减少了验证步骤的时间,并能保证假阳率和假阴率都为零.     

水中刚性柱在高斯声场中的声辐射力特性

以声波理论为基础,在圆柱的中心点将高斯声波用柱函数展开,计算入射高斯声波的展开系数,求解在高斯声场中柱形粒子所受声辐射力的表达式.通过数值仿真研究了频率、波束宽度、柱形粒子偏离高斯波束中心的距离等参数对声辐射力的影响.仿真结果表明:在ka1的情况下,当柱形粒子沿x轴的正方向偏离波束中心时,所受的声辐射力为负值,当柱形粒子沿x轴的负方向偏离波束中心时,所受的声辐射力为正值;ka1时,粒子所受的声辐射力随着粒子位置偏离波束中心距离的增大逐渐减小,且辐射力的方向均沿x轴的正方向;随着波束宽度的增大,声辐射力的值增大,当波束宽度相对波长较大(W0=10λ)时,高斯波束声辐射力的大小接近于平面波声场的声辐射力.     

基于Cook距离的GPS高程拟合点优选

在局部GPS高程拟合中,拟合重合点（简称拟合点）的分布直接影响拟合曲面参数的求解,从而影响GPS高程拟合结果。针对这个问题,本文引入可以表征数据对模型估计影响大小的Cook距离,对拟合点进行优化选取。并结合苏通大桥首级施工控制网的GPS与二等水准的测量数据,进行了多组数据的计算分析,验证了优选结果的有效性,为苏通大桥控制网的高程复测采用GPS方法提供了有力的技术支持。     

逆高斯分布的Pearson-χ~2距离及其渐近性

利用Pearson-Х^2最大距离的定义,讨论了逆高斯分布的Pearson-Х^2最大距离及其渐近性．     

一种改进的K-means聚类服装图像分割算法

图像分割是图像处理中的重要环节,如何提高图像分割的准确度一直以来都是图像领域的研究重点及难点.K-means聚类算法作为经典聚类算法得到广泛应用,但是,k值的选取往往难以确定.针对这一问题,提出了一种改进的K-means算法.首先将输入的彩色图像转化为灰度图像,统计灰度直方图的峰值数,将其设定为聚类数k,然后对原图像的...     

基于PCM聚类算法的Blog社区发现

针对传统的社区发现算法无法发现社区中的核心成员和边界成员的缺点,提出了基于PCM聚类算法的Blog社区发现算法,用来识别Blog社区的核心和边界.首先,使用随机行走的方法计算可以衡量两个Blog亲密度的对称社会距离;然后,在对称社区距离的基础上使用PCM聚类算法对Blog进行聚类,得到每个社区中的成员属于社区的概率表示.最后,通过确定相应的概率阈值,确定社区的核心和边界.实验结果表明:该算法能够获得社区中的成员属于社区的概率,根据这个概率可以确定社区中的核心成员和边界成员.