荧光法测定N-（α-烷苯氧基）十四酰基牛磺酸钠的临界胶束浓度

研究了一类以苯氧基作疏水支链的新型阴离子表面活性剂——N-（α-烷苯氧基）十四酰基牛磺酸钠（SAPTT）水溶液的紫外吸收光谱、探针（芘）稳态荧光发射光谱及自身稳态荧光发射光谱性质．研究结果表明，荧光探针（芘）法和自身稳态荧光法可用来测定这类表面活性剂的临界胶束浓度（CMC），且测定结果与表面张力法（吊片法）接近；与荧光探针（芘）法相比，对于所研究体系，自身稳态荧光法的灵敏度和准确性均较高，所测得CMC结果与表面张力法（吊片法）能较好地吻合．     

802.11 DCF协议引入信道预约机制的必要性分析

论文对802.11 DCF协议引入信道预约机制的必要性问题进行了探讨.通过分析信道预约机制与隐藏/暴露终端问题之间的关系,提出一种比较隐藏终端和暴露终端出现概率大小的等效方法,并给出了相应的数值估算结果.理论分析结果验证了802.11 DCF协议引入信道预约机制的有效性.     

MUSIC算法的FPGA实现

针对多重信号分类（MUSIC）算法计算复杂度高,难以实时实现的特点,给出了适用于均匀线阵的实数化预处理算法和实用的空间谱定义,并选择了适合FPGA硬件实现的特征值分解算法,给出了MUSIC算法FPGA实现的整体架构。仿真实验结果表明,该FPGA实现能够完成MUSIC算法的准确、快速计算。     

基于高斯核的SVM的参数选择

基于高斯核的支持向量机应用很广泛,高斯核参数σ的选择对分类器性能影响很大,本文提出了从核函数性质和几何距离角度来选择参数σ,并且利用高斯函数的麦克劳林展开解决了参数σ的优化选择问题。实验结果表明,该方法能较快地确定核函数参数σ,且 SVM 分类效果较好,解决了高斯核参数σ在实际应用中不易确定的问题。     

无线传感器网络中移动目标跟踪的预测模型

动态目标的实时监测是无线传感器网络覆盖的必备技术和发展趋势,针对由于目标运动带来的网络动态拓扑变化和耗能高等问题,提出了一个预测模型。该模型通过综合分析目标在当前时刻前的信息如移动速度、移动方向的基础上,基于二维高斯分布,预测目标未来可能出现的区域,从而激活相应的传感器,减轻无线传感器网络的工作压力。并且设计相应的通讯协议,以保证基站与传感器节点之间数据稳定、实时的传输。基于仿真实验表明了该方法的有效性和可行性。     

基于异构多种群策略的动态概率粒子群优化算法

结合动态概率粒子群优化算法(DPPSO)特点,针对传统的单种群粒子群优化算法易陷入局部最优、收敛速度较慢的缺点,文中提出一种基于异构多种群策略的DPPSO.该算法在进化过程中保持多个子种群,每个子种群以不同的DPPSO变体进行进化,子种群之间根据一定规律进行通信,从而保持整个种群内部的信息交流,进而协调DPPSO的勘探和开采能力.通过典型的Benchmark函数优化问题测试并分析基于异构多种群策略的DPPSO性能,结果显示,使用该策略的算法收敛速度较快,稳定性有较显著提高,具有较强的全局搜索能力.     

基于链接关系的半监督特征选择算法

社会媒体网络产生的海量、高维无标记数据给数据处理工作带来巨大挑战,同时数据样本间构成的链接图信息在现有模式识别算法中难以有效利用.基于此,文中充分挖掘社会媒体网络数据链接关系图,结合部分监督信息提出一种基于链接关系的半监督特征选择算法(SSLFS).该算法利用谱分析和稀疏约束,使得选出的特征子集保持原数据的局部流形和稀疏特性.在社会媒体数据集Flickr上的实验结果表明,SSLFS相比其他特征选择方法得到的特征子集在分类性能上有较显著提高.     

基于内容统计分析的高清视频SVC快速模式选择算法

可伸缩编码(SVC)极大地增强了视频传输和解码的灵活性,而同时也极大地增加了编码的复杂度,使得实时应用变得更为困难。为此,本文提出了一个快速模式选择算法以加快编码器的速度。本算法首先统计增强层宏块的模式分布情况,然后估计视频序列的复杂度,并以此为根据为帧间最佳模式设置率失真代价门限。算法使用4个分辨率层(1080p,720p,VGA and QVGA),4个时域层,以及两个质量层进行测试,结果表明本算法能够在保持现有编码效率基本不变的情况下有效提高编码速度。     

基于MAP估计的自适应光学图像非对称多帧盲复原

为了提高地基望远镜观测空间目标的分辨率,提出一种针对自适应光学图像的盲复原方法.利用多帧图像的盲解卷积作为高清晰复原的主要技术手段,在贝叶斯最大后验概率估计框架下推导出泊松噪声模型的通用代价函数;提出基于非线性方程寻优的代价函数求解方法,并将非对称迭代引入求解过程,避免求解陷入局部极值点,以保证复原结果的可靠性.实验结果表明,该方法对泊松噪声有较好的适应能力,能够有效地从多帧湍流降质图像中恢复出目标图像.     

结合视觉感知与信息量的视点评分方法

随着数字3D内容的不断丰富,对其进行有效展示和索引的需求变得十分迫切,而通过视点评分选择合适的观察视点对解决这一问题具有重要的作用.针对传统的视点评分方法计算时间冗长、结果很难符合人类观察习惯的问题,提出一种基于视觉感知信息量的快速视点评分方法.首先计算相对简单的平均曲率作为代表3D物体视觉特征的要素,随后结合信息熵理论对视点进行评分,使那些能看到尽可能多重要特征且所见特征分布较广的视点分数较高;之后,将这种评分策略应用于最优视点集计算中,利用信息理论对视点集获取信息进行量化,确保利用最少数目的视点有效地认知3D物体.实验结果表明,该方法得到的视点分数及最优视点集质量与目前最好的方法相当,但计算速度更快,无需人工交互.