基于奇异值分解的特征跟踪方法

在传统的基于模板匹配的跟踪方法中，均是给定一个模板，然后从图像中各个位置取出一个个与模板大小一致的区域进行相似性度量，找出与模板距离最小的一个区域作为当前模板，以便进行下一步的匹配跟踪工作。在景象匹配和相关跟踪过程中，由于所面临的大多数是变化的场景，实时获取的图像与预存模板之间存在比较大的差异，传统相关匹配方法的应用就会受到限制；而且在跟踪过程中，随时更新模板会造成跟踪性能对扰动过分敏感，从而产生漂移。首先拍摄目标不同角度的图像（尽可能包含目标可能出现的所有情况），构成目标图像训练集合，抽取出特征矩阵，对它进行奇异值分解，构成一个关于目标的多维空间。然后再用匹配方法在全局范围搜索，找出目标的大致位置，并利用收敛方法在确定的大致位置内进行搜索，确定目标的仿射变换系数，从而得到一个目标位置的确切描述。     

关于移动平均过程两系数的推导

对经济预测方法中两公式给出了证明，两公式的系数被显式推导出来，这两个公式是时间序列模型公式，广泛用于经济预测之中，但文献上很难找到推导过程，本文的证明是基本的，无需高深数学知识即可理解．     

矿井通风改造方案的灰色关联分析

在拟定出矿井各种通风改造方案经济比较指标的前提下,应用灰色关联分析方法建立了优选矿井通风改造方案的数学模型,并以实例进行了具体的阐述.     

Alpha稳定分布随机变量的产生

在实际应用中遇到的大量的非高斯信号或噪声具有显著的尖峰脉冲特性,其概率密度函数的衰减过程比高斯分布要慢,表现出显著的拖尾。而基于广义中心极限定理的Alpha稳定分布描述了信号统计分布的非高斯性和重拖尾性。实现服从Alpha稳定分布随机变量的仿真是开展相关研究的基础。该文由S2参数系下的分布模型的仿真算法导出标准参数系下Alpha稳定分布随机变量的仿真算法。并通过仿真实验证实了该仿真算法的可行性。     

基于加权决策树的蛋白质序列分类算法研究

针对蛋白质序列分类的需求,深入研究了蛋白质序列分类算法。对蛋白质序列的特征属性进行了大量的分析和研究,给出了蛋白质序列特征属性的描述形式。在此基础上设计了一种基于加权决策树的蛋白质序列分类算法,详细阐述了加权决策树的构造过程以及决策树的主要参数计算方法,而且根据蛋白质序列的特征,对决策树进行了改进,给出了加权决策树的实现方法。测试结果表明：设计的蛋白质序列分类算法具有较高的分类精度和较快的执行速度。     

考虑排污权交易的有限理性企业博弈模型研究

在有限理性基础上建立寡头垄断博弈模型,将其引入到排污权市场中,同时考虑了生产成本、污染治理成本、排污权交易价格的影响,使该模型更符合实际。将不同理性层次,不同结构的非线性成本函数,不完全信息等因素引入到博弈模型中,对改进后的模型的演化过程进行分析,找出博弈均衡点,并分析其稳定性。由于具有有限理性的双寡头Cournot博弈模型会产生丰富的动力学行为,因此对其进行数据模拟后并对混沌现象进行分析。在此基础上,运用延迟反馈控制法对寡头垄断博弈模型的混沌控制进行了解析分析,结果表明选择合适的控制因子可使模型稳定在Nash均衡。     

仿真家庭服务机器人行动序列规划研究

随着社会的进步和科技的发展,服务机器人日益受到人们的关注.服务机器人在复杂的家庭环境中如何做到自主决策以便更好的辅助人类生活,将是一个研究热点.回答集程序是一种具有非单调推理能力的知识表示和推理的方式,同时也是一种问题求解的工具.文中探讨了基于服务机器人模型的回答集程序规则的编制,并通过实验证明,回答集程序能方便、高效地求解出最优的行动序列,并且在划分搜索空间后,回答集程序求解的效率得到进一步的提高.     

数据挖掘课程案例教学研究

数据挖掘是一门交叉性学科,是情报学专业的重要课程之一。它主要介绍数据挖掘的基本概念、原理、方法和技术,涉及多个学科和算法因而教学难度较大。由于数据挖掘学科交叉性强涉及的挖掘方法和相关算法多并繁杂,造成学生对数据挖掘的整体工作流程缺乏了解形成“不识庐山真面目只缘身在此山中”现象。文中以时间序列服装销售额预测挖掘项目为教学案例让学生首先掌握数据挖掘的标准流程,重点讲解用到的相关挖掘方法和算法及其在实际挖掘环境中的开发方法,达到“会当I临绝顶一览众山小”的教学目标。通过教学实践教学效果良好。     

基于混沌PSO的动态可重构系统软硬件划分

软硬件划分是动态可重构系统软硬件协同设计中的关键技术之一,如何兼顾划分效率和划分效果,达到两者的最佳结合是软硬件划分的主要问题.在考虑动态部分重构及重构延时等特征的基础上,提出一种微粒群优化算法与混沌优化算法相结合的混沌微粒群软硬件划分方法.该算法使用基于实数编码的微粒群优化算法执行全局搜索,再根据搜索结果采用混沌优化算法执行局部搜索,具有较强的全局搜索和跳出局部最优的能力.仿真实验表明,该算法比标准微粒群算法和遗传算法具有更好的有效性和快速性,能够有效地实现应用任务图到可重构系统的时空映射.     

恶意软件鉴别技术及其应用

随着互联网技术的发展和安全形势的变化,恶意软件的数量呈指数级增长,恶意软件的变种更是层出不穷,传统的鉴别方法已经不能及时有效的处理这种海量数据,这使得以客户端为战场的传统查杀与防御模式不能适应新的安全需求,各大安全厂商开始构建各自的"云安全"计划。在这种大背景下,研究恶意软件检测关键技术是非常必要的。针对恶意软件数量大、变化快、维度高与干扰多的问题,我们研究云计算环境下的软件行为鉴别技术,探讨海量软件样本数据挖掘新方法、事件序列簇类模式挖掘新模型和算法及在恶意软件鉴别中的应用,并构建面向云安全的恶意软件智能鉴别系统原型以及中文钓鱼网站检测系统架构。