基于耳蜗基底膜仿生的低频宽带抑振超结构设计研究

随着工业技术的不断发展,如何有效地控制振动成为工程上的一个重要问题。传统的隔振材料对低频振动的阻隔能力较弱,一些抑振措施如施加吸振器只在其固有频率附近很窄的频率范围内才有效果。而耳蜗可以感受到的声音频率范围很宽(20 Hz~20000 Hz),其识别不同声音的主要结构为耳蜗基底膜,其为螺旋状薄膜结构,具有“底端窄且厚,顶端宽且薄”的结构特征,并由此形成对入射声波/弹性波的宽频响应机制而耗散能量,为宽频抑振提供了新的思路。通过对耳蜗基底膜的建模仿真,表明其低阶模态振幅最大处发生在基底膜顶端,而随着模态频率的增加,会逐渐往基底膜底端偏移。当基底膜某段被截取时,此段上的模态分布规律相对基底膜整体结构模态分布具有自相似性。为推向工程应用,使用常用材料铝制成具有耳蜗基底膜结构特征的铝基底板仿生结构,其动态特性与耳蜗基底膜一致,但模态频率大幅度提高。进一步,通过适当降低约束刚度,在保证铝基底板模态分布规律的前提下,可使其频率下降至工程可用范围。同时,铝基底板各阶模态频率间隔有规律可循。据此,将多条铝基底板截断组合,使其频抑带隙对接后形成宽带抑振结构,适用于工程上的减振范围要求。     

复数矩特征提取与检索算法

随着多媒体技术和网络通信技术的不断发展，基于内容的图像数据库检索技术正成为国内外研究的热点之一，是未来信息高速公路、商标信息库、数字化博物馆、CAD、CAI资源库等广泛应用领域的关键技术。基于内容检索的核心是媒体特征的提取技术。针对商标图像的特点，该文在基于特征提取与相似性距离度量方法的基础上，提出了复数矩特征提取方法与相应的检索算法。     

图像纹理特征及其在CBIR中的应用

基于内容的多媒体信息检索是当前世界的研究热点，然而在图像内容表示及其相似性度量这两个关键问题上取得的进展还不能令人满意。通过深入研究纹理的本质和人类视觉系统的特性，结合MPEG－7标准提出的图像内容描述了概念，提出一种新的谱方法来描述图像的纹理特征，并将其应用于图像内容的表示和检索，在此基础上，讨论了图像的颜色描述子和相似性度量策略，并给出了实验结果和性能评价。     

基于内容的图象检索技术

随着数字图象的日益增多,基于内容的图象检索已成为图象使用者和管理者迫切需要解决的问题,近年来,各国研究者纷纷加入该领域的研究.为了使人们对该领域现状有个概略了解,以推动该领域研究进一步开展,首先概括介绍了基于内容图象检索的产生、发展及其关键技术;然后介绍了特征提取(包括低层特征和语义特征)及其相似性计算、相关反馈等的原理及算法;最后指出了基于内容的图象检索技术与计算机视觉技术的区别所在,并对目前存在的问题和应着重的研究内容以及发展方向进行了分析.     

一种多尺度的时间序列相似模式匹配算法

提出一种多尺度的时间序列相似模式匹配算法，该算法用离散小波变换对时间序列进行多分辨分析，在多尺度上提取序列的形状特征，然后在不同的尺度上找出相似的序列和子序列模式，该算法可以匹配不同长度的序列，并能支持垂直平移变换和幅度伸缩变换。     

基于内容的图像检索中的一种多维索引算法

由于图像信息越来越丰富,因此,基于内容的图像检索成为一个重要研究课题。在基于内容的图像检索中,需要解决的关键问题之一就是如何快速、有效地搜索。该文提出了一种与特征维数相关性极小的多维索引方法,从而提高了检索效率。该方法尤其适合于用户对查准率要求不高的情况下相关图像的查询。     

一种基于中心对称性的聚类算法

提出了一种新型的聚类算法。这个新型的聚类算法是基于中心对称的概念之上的。使用这种基于中心对称性的聚类算法，在一个指定的数据集中的超球面形状的聚类能够被侦测出来。在对超球面性状的目标的侦测方面，这种聚类算法大大优于传统的算法。这个算法可以用于数据聚类和人脸识别方面，实验结果也证明了该算法的效果。     

基于案例推理的企业信用评估系统

文章把基于案例的推理方法运用于商业企业的信用评估中，其中采用多元统计方法中的主成分分析法简化了传统的案例相似度的运算，建立了企业信用评估系统的模型，并叙述了实现企业信用评估系统的关键技术。     

自组织神经网络在模糊聚类中的应用研究

聚类是按照事物的某些属性,把事物分类,使类间的相似性尽量小,类内的相似性尽量大.将事物通过适当聚类,才能便于研究事物的内部规律,但客观世界中存在着大量界线不分明的问题,研究模糊聚类的方法正是为了解决这类问题.在对常规模糊聚类方法分析的基础上,提出了一种将自组织竞争神经网络技术运用于模糊聚类的一种方法,并以100种动物分类为例,进行了模拟试验,仿真结果证明这种方法进行模糊聚类的思想正确,方法可行,效果较好.     

基于深度先验及非局部相似性的压缩感知核磁共振成像

针对现有压缩感知核磁共振成像（CSMRI）算法在低采样率下重构质量低的问题，提出一种融合深度先验及非局部相似性的成像方法。首先，利用深度去噪器和块匹配三维滤波（BM3D）去噪器构建能够融合多种图像先验知识的稀疏表示模型；其次，将该模型作为正则化项，利用高度欠采样的k空间数据构建压缩感知核磁共振成像优化模型；最后，利用交替优化方法求解构建的优化问题。所提出的算法不仅能够通过深度去噪器利用深度先验，还能够通过BM3D去噪器利用图像的非局部相似性来进行图像重建。实验结果表明，与基于BM3D的重建算法相比，该算法在采样率为0.02、0.06、0.09及0.13情况下重构的平均峰值信噪比高出约1 dB；此外，从视觉角度，与现有的基于小波树稀疏性的核磁共振成像算法WaTMRI、基于字典学习的核磁共振成像算法DLMRI、基于字典更新及块匹配和三维滤波的核磁共振成像算法DUMRI-BM3D等相比，所提算法重构的图像包含大量纹理信息，与原始图像最接近。