改进的时变时滞Lurie系统绝对稳定性判据与分析

研究一类时变时滞Lurie系统的鲁棒性和绝对稳定性问题.根据时变时滞分段分析方法,引入三重积分算子设计一个新的Lyapunov-Krasovskii泛函,得到一些保守性更小的时滞相关稳定性判据.采用相互凸松弛方法与边界不等式相结合,避免忽略泛函微分中的有用项,减少额外自由变量及计算量.通过数值实验分析表明了所提方法的有效性和先进性.     

基于免疫--蚂蚁算法的多约束QoS路由选择

针对多约束QoS路由选择问题,将其转化为一个多约束赋权图最短路径问题,选择费用、带宽、时延、丢失率为QoS参数。借鉴人体免疫系统的适应能力和蚂蚁算法的全局寻优能力提出了一种新的融合算法即免疫——蚂蚁算法。免疫算法把目标函数和制约条件作为抗原,目标函数的优化解对应为抗体,使得求解过程的收敛方向得以控制;利用蚂蚁算法产生和更新抗体,抗体交叉、变异操作以及对与抗原亲和力高的抗体进行记忆,均能促进快速求解。实验结果表明:免疫——蚂蚁算法表现出了超越免疫算法和蚂蚁算法的优点,大幅度提高了路由选择的效率。     

基于Contourlet视觉模型和奇异值分解的图像质量评价

针对基于像素值的图像质量评价方法忽视图像结构信息和需要完全参考图像等问题,提出了一种基于Contourlet域奇异值分解CW-SVD,部分参考图像质量评价方法(contourlet weighted singular value decomposition)。在Contourlet域中,利用奇异值向量对图像结构的表征能力,结合人眼视觉敏感性确定每个子带的视觉权重,得到每个子带的评价测度,再综合得出图像的最终评价指标。实验表明,该方法应用于4种类型的降质图像质量评价时,比峰值信噪比(PSNR、MSSIM)等算法具有更好的稳定性和更好的主客观评价一致性。     

融合粗糙集与小生境免疫优化的属性约简方法

在粗糙集核属性的基础上,融合小生境免疫优化提出一种决策属性约简方法.将核属性参数作为抗体编码的先验信息,通过疫苗自适应提取算法对抗体群接种疫苗,提高抗体群多样性及稳定性.为降低属性约简的计算复杂度,引入属性集合的分类近似标准作为免疫优化的亲和度,采用小生境免疫共享机制动态调整抗体群的亲和力,提高算法局部搜索能力.通过免疫记忆算子操作促使优良个体的保存,在保证收敛速度的同时具有较强的全局和局部寻优能力.通过滚动轴承故障诊断及UCI数据集的属性约简实验,显示本算法在属性约简精度和效率方面具有较好效果.     

基于小波域TS-MRF模型的监督图像分割方法

定义在单一空间分辨率上的树结构马尔可夫场(Tree-Structured Markov Random Field,TS-MRF)模型能够表达图像的分层结构信息,但难以描述图像的非平稳性,针对该问题,提出小波域的TS-MRF图像建模方法-WTS-MRF模型,按照图像分类层次树的结构形式,该模型将一系列的MRF嵌套定义在多...     

自适应特征加权的Gibbs随机场影像分割方法

针对现有分割算法很少同时兼顾不同特征分量区分能力的差异和相邻像素间的相关性的问题,提出了一种结合Gibbs随机场的特征加权遥感影像分割方法.该方法首先依据训练样本计算各特征分量的区分能力,确定不同地物类别相应的特征分量的权重;然后利用加权最小距离分类法对影像进行初始分割,并利用Gibbs随机场来描述像素的空间相关性;最后综合Gibbs随机场描述的标记场和加权最小距离分类法描述的特征场来获取影像的最终分割结果.实验结果表明,Gibbs随机场能够有效地描述空间相关性,根据区分能力确定的权重强化了区分能力强的特征分量.     

马尔可夫化的多尺度FCM在影像分割中的应用

为了同时处理影像分割问题中的随机性与模糊性,提出了一种多尺度(MR,multi-resolu-tion,马尔可夫随机场(MRF,markov random field)模型下的模糊C均值(FCM,fuzzy C-means)聚类分割算法(MR-MRF-FCM)。利用FCM算法能够处理影像模糊性的优点、MRF模型描述空间关系的长处以及小波的多尺度分析的优点,先对影像进行多尺度小波分解,并对小波系数建立MRF,进而用MR-MRF中的条件概率矩阵代替FCM算法的隶属度矩阵。实验结果从视觉效果和定量指标两方面表明,本文方法优于经典的MRF、多尺度MRF、FCM和核FCM等方法。     

基于数据同化和差分进化算法的图像融合

针对现有融合方法不易根据后续处理目的对融合规则进行自适应调整,不同方法的优点不易综合的问题,提出一个基于数据同化和差分进化算法的图像融合框架.在该框架下,将基于非采样下的Contourlet变换作为模型算子,离散小波变换作为观测算子,可根据后续处理对图像各个属性指标值的依赖程度确定各个属性指标的权重,构造由图像各个属性评价指标的加权和所组成的目标函数,再利用差分进化算法来优化目标函数,从而获取更合适的图像.二组实验从视觉效果和量化指标(标准方差、平均梯度、熵、空间频率及均方根交叉熵)两方面验证了该框架的有效性.     

多源影像融合与分割的协同方法

针对现有影像融合与分割方法之间缺乏协同的问题,借鉴数据同化系统能够协同其模型算子和观测算子,并且能够自适应地优化其本身的思想,提出一个多源影像融合与分割的协同框架.在该框架下,以基于对比度金字塔变换和基于非下采样的Contourlet变换的两种融合方法分别模拟模型算子和观测算子,以评价分割效果的概率随机系数为目标函数,以带交叉算子的粒子群算法作为数据同化系统的优化算法.该框架可根据融合结果影像来调整分割算法的参数,利用分割结果来指导融合结果的优化,从而使得影像融合与分割协同工作.二组实验验证了该框架的有效性.     

基于数据同化和差分进化算法的图像融合

针对现有融合方法不易根据后续处理目的对融合规则进行自适应调整,不同方法的优点不易综合的问题,提出一个基于数据同化和差分进化算法的图像融合框架.在该框架下,将基于非采样下的Contourlet变换作为模型算子,离散小波变换作为观测算子,可根据后续处理对图像各个属性指标值的依赖程度确定各个属性指标的权重,构造由图像各个属性评价指标的加权和所组成的目标函数,再利用差分进化算法来优化目标函数,从而获取更合适的图像.二组实验从视觉效果和量化指标（标准方差、平均梯度、熵、空间频率及均方根交叉熵）两方面验证了该框架的有效性.