基于自动线性拟合的快速拉曼基线校正算法

近年来拉曼光谱以其无创、灵敏度高等众多优点在化学表征、生物医药、材料等领域引起广泛关注,而基线漂移的存在为后续的定性定量分析带来严重困扰,因此设计高性能的基线校准算法以提高分析结果的有效性及准确性具有重要意义。针对传统算法在批量拉曼光谱数据基线校正方面的不足,基于自动线性拟合算法提出一种快速基线校正算法以校正具有相似背景的批量拉曼光谱数据并详细阐述了该算法的核心思想以及算法实现流程。该算法首先从批量拉曼光谱数据中自动选择一条拉曼光谱数据作为基准光谱,使用自动线性拟合算法对其进行基线校准得到其基线以及分段标记点,然后利用标记点快速计算出组内其他与基准光谱具有较高相关性的拉曼光谱数据的基线,对于组内与基准光谱相关性不满足阈值要求的拉曼光谱则使用自动线性拟合算法对其进行单独基线校正,这使得算法具有具有较强的鲁棒性,可以适应复杂的拉曼光谱基线校正情形。分别使用快速基线校正算法与单独基线校正算法对多组实际拉曼光谱数据进行基线校正以对比分析算法基线校正效果,结果表明该算法可以实现对批量拉曼光谱数据的快速校正,基线校正效果良好,并且相较于单独进行基线校正算法耗时减少了30%以上,算法无参,简单易行,无需额外人工干预,是一种切实可行的批量拉曼数据自动基线校正算法。     

基于自动线性拟合的快速拉曼基线校正算法（英文）

近年来拉曼光谱以其无创、灵敏度高等众多优点在化学表征、生物医药、材料等领域引起广泛关注,而基线漂移的存在为后续的定性定量分析带来严重困扰,因此设计高性能的基线校准算法以提高分析结果的有效性及准确性具有重要意义。针对传统算法在批量拉曼光谱数据基线校正方面的不足,基于自动线性拟合算法提出一种快速基线校正算法以校正具有相似背景的批量拉曼光谱数据并详细阐述了该算法的核心思想以及算法实现流程。该算法首先从批量拉曼光谱数据中自动选择一条拉曼光谱数据作为基准光谱,使用自动线性拟合算法对其进行基线校准得到其基线以及分段标记点,然后利用标记点快速计算出组内其他与基准光谱具有较高相关性的拉曼光谱数据的基线,对于组内与基准光谱相关性不满足阈值要求的拉曼光谱则使用自动线性拟合算法对其进行单独基线校正,这使得算法具有具有较强的鲁棒性,可以适应复杂的拉曼光谱基线校正情形。分别使用快速基线校正算法与单独基线校正算法对多组实际拉曼光谱数据进行基线校正以对比分析算法基线校正效果,结果表明该算法可以实现对批量拉曼光谱数据的快速校正,基线校正效果良好,并且相较于单独进行基线校正算法耗时减少了30%以上,算法无参,简单易行,无需额外人工干预,是一种切实可行的批量拉曼数据自动基线校正算法。     

RLE编码中动态快速等值面抽取算法

结合Shear-Warp投影算法、优化的RLE体数据编码算法,进行基于RLE编码的动态快速等值面抽取算法研究。新的算法在没有硬件加速的条件下,使得绘制的速度得到很大地提高。该算法利用Shear-Warp数据投影中的体数据特点,实现了动态快速的等值面抽取,新算法的绘制速度在工程实践中基本可以达到实时的要求。     

基于快速傅里叶变换的四种相位解包裹算法

为了快速准确地对含有噪声的包裹相位图进行相位展开,采用理论分析与计算机模拟及实验验证相结合的方法,对基于快速傅里叶变换（FFT）的四种典型算法四次FFT算法(4-FFT)、二次FFT算法（2-FFT）、四次离散余弦变换算法(4-DCT)及横向剪切干涉与FFT相结合的算法(LS-FFT)作了对比研究。结果表明:2-FFT算法运行速度最快,4-FFT算法次之,LS-FFT算法速度最慢;4-FFT算法对含有较强噪声和轻微欠采样的实验数据的处理效果是最好的;LS-FFT算法对强噪声数据的处理效果最差。     

基于ARM和编码算法的高速视频信息处理系统研究

本文基于广泛运用的ARM芯片作为基底结合高效视频编码技术设计系统。本文从数据输入、数据存储、数据运算、数据输出多个方面来综合考虑系统的快速形。本文通过对各个功能模块的分析寻找合适的快速处理框架,研究高效的编码处理算法 ,来整体提高系统的高速性。通过对算法的检测和系统对整体的仿真检测,寻找可能的问题。通过数据仿真表明,该系统能满足需求任务。     

一种圆轨迹锥束CT中截断投影数据的高效重建算法

本文基于数据重排方法, 提出了T-BPF (Tent-BPF)算法, 该算法先将锥束投影数据重排成平行投影数据, 然后使用一种推导的BPF型算法重建重排后的平行投影数据. T-BPF算法将原BPF算法反投影中变化的角度积分限变成固定的, 反投影中各层循环之间没有了相关性, 这意味着T-BPF算法较原BPF算法具有更好的可并行性. 实验结果显示: 使用GPU对256³的Shepp-Logan体模的图像重建进行并行加速, T-BPF算法在保证重建质量的前提下, 加速比达到了1036, 较原BPF算法有很大提升. T-BPF算法为截断投影数据的3D图像快速重建提供了方法. 关键词： X射线光学 CT 图像重建 GPU     

基于BP神经网络的云检测和云相态识别

为快速高效地进行云检测和云相态识别,提出了基于BP神经网络的云检测和云相态识别方法,并针对中分辨率成像光谱仪(MODIS)的相关数据建立了BP神经网络。利用该算法对MODIS图像进行了云检测和云相态识别,并把识别结果与MOD06数据进行了对比,对比结果表明,该算法对冰云、水云以及混合云的识别准确率分别达到了100%、100%以及99.94%。该算法快速、准确,消除了未确定态,具有很强的自主学习能力。     

快速边界识别算法用于达曼光栅掩模数据生成的研究

针对达曼光栅的数据写入问题,提出了一种快速边界识别算法（FBIA）用于复杂二元光学图形掩模的CIF格式数据的生成。该算法首先识别出达曼光栅图形的边界点,然后按照左手原则对边界点进行排序并构成闭合曲线。针对闭合曲线中可能出现的“孤岛”,该算法可自动识别并依据其数量对图形重新分割取点。结果表明FBIA算法具有搜索快、效率高等优点,可广泛应用于各种二元位相型元件CIF格式掩模板数据的生成。     

基于SR-Context的激光雷达点云闭环检测算法

针对传统激光雷达闭环检测算法受动态障碍物干扰较大、关键帧搜索以及特征匹配耗时较长的问题,采用MF-RANSAC算法并改进ScanContext,提出一种鲁棒性更强、耗时更短的SR-Context激光雷达闭环检测算法.首先,利用区域生长算法对扇形栅格化后的点云进行分割;随后,不依赖于目标识别和跟踪,借助动态区域多点选取和多属性查询对应点,提出一种MF-RANSAC算法快速实现动态目标剔除;最后,通过简化特征匹配计算和删除闭环历史匹配帧的方式改进ScanContext算法,对去除动态目标后的栅格提取特征实现闭环检测.分别在KITTI数据集与实车数据集下进行测试,实验结果表明,本文算法在城市动态环境下能够快速准确实现闭环检测进而提高激光雷达建图精度,且平均耗时仅为ScanContext算法耗时的40％.     

高维正交子空间映射的尺度点云配准算法

为了解决三维点云在无序、数据被遮挡以及噪声干扰情况下的配准问题,提出了一种高维正交子空间映射的尺度点云配准算法。根据能量-功率的比值,对待配准点云进行等比例放大,完成仿射配准。在点云无序、数据被遮挡、尺寸放缩以及噪声干扰的情况下,所提算法与经典ICP(Iterative Closest Point)算法的配准精度相当。与经典ICP算法相比,所提算法对Bunny点云数据的配准效率提高了98%,对Dragon点云数据的配准速度至少提高了20倍,且在对大尺度Dragon点云数据的配准中,所提算法的配准时间比经典ICP算法短6210.4 s,配准精度也高于其他算法。所提算法不会陷入局部最小值,在快速精确配准和稳定性方面有明显的优势。     

一种快速收敛的符号回归常数模盲均衡算法

为了加快符号回归常数模算法(SRCMA)的收敛速度,本文提出了一种适合于BPSK信号 的快速算法。该算法用新的误差函数替代SRCMA中的误差函数,新误差函数针对BPSK信号而 设计。新算法采用分数间隔均衡模型,有效地加快了SRCMA算法的收敛速度。水声信道仿真实验 表明,该算法性能稳定,收敛速度快,适用于快速变化信道的盲均衡和水声通信数据的实时恢复。     

一维粗糙地表面下方埋藏目标SAR成像

提出一种快速实现一维粗糙地表面下方埋藏金属目标的成像算法.用层内波传播算法结合谱加速的前后向迭代算法(PILE+FB-SA)计算一维粗糙面下方埋藏金属目标的后向散射;用得到的后向散射数据结合后向投影算法实现二维SAR(synthetic aperture radar)成像,研究窗函数的选取,讨论目标位置及尺寸大小变化的影响.用具有高斯谱的粗糙面模拟实际地表面,并采用锥形波入射以减小人为截断粗糙面引起的边缘效应.由于散射数据由快速数值算法得到,该算法不受地面和目标参数限制,可以实现任意粗糙地表面和复杂目标成像,对地下目标探测具有重要的应用价值.     

一种板型物体混叠场景的快速分割算法

针对多个板型物体混叠摆放的场景,提出了一种快速有效的分割算法。该算法充分利用有序点云的特点,将自顶向下以及自底向上的分割策略结合,根据三维点的空间位置和法向量,利用随机采样一致性(RANSAC)算法从三维点云数据中快速提取平面点集;然后将提取的平面点集所对应的图像坐标映射为二值图像,通过连通区域分析将其分割为多个连通的平面区域;接着利用"胶水"算法对这些区域进行快速合并,并对较大的弱连接连通区域进行断裂修正,得到最终的分割结果。实验结果表明:与区域生长算法相比,所提算法的分割结果更优,且算法效率大幅提升。     

高光谱成像的黄瓜病虫害识别和特征波长提取方法

黄瓜霜霉病和斑潜蝇是制约黄瓜产业发展的严重病虫害。为实现黄瓜病虫害快速在线识别,采用高光谱成像和机器学习研究快速识别黄瓜霜霉病和斑潜蝇虫害的方法,为开发实用的基于多光谱成像的黄瓜病虫害快速识别设备奠定基础。使用高光谱成像系统采集黄瓜无症状叶片、霜霉病叶片、斑潜蝇虫害叶片的高光谱图像,在病斑区域选择若干个感兴趣区域(ROI),计算每个ROI的平均反射率数据作为叶片原始光谱数据。使用Kennard-Stone算法将光谱数据按照3∶1的比例划分为训练集和测试集。使用直接正交信号校正(DOSC)、多元散射校正(MSC)、移动窗口平均平滑(MA)3种方法对原始光谱数据进行预处理。采用空间迭代收缩法(VISSA)、竞争性自适应重加权算法(CARS)、迭代保留信息变量法(IRIV)、随机蛙跳算法(SFLA)对MA预处理后的光谱数据进行特征波长提取,分别提取出53、 20、 26、 10个特征波长。然后使用连续投影算法(SPA)分别对特征波长光谱数据进行二次降维,最终VISSA-SPA提取的特征波长为455、 536、 615和726 nm; CARS-SPA提取的特征波长为452、 501、 548...     

基于快速小波分形插值的声纳图像缩放算法

本文讨论主动图像声纳的图像结果显示问题,主要介绍一种基于快速小波分形插值的实时声纳图像缩放算法。并通过对合成孔径声纳图像数据进行算法比较,发现此算法比通用的图像插值算法,如双线性插值和双三次样条插值等,具有更好的性能。由于可以分块并行实现,因此本算法易于应用于实时图像声纳工程中。     

采用邻域近似算法估计环境参数不确定性

根据贝叶斯理论,逆问题的解可以用后验概率密度来表征,它包含了模型参数先验知识和观测数据信息,反映了反演参数的不确定性.一种快速吉布斯采样算法已经被用于后验概率密度的多维积分运算,但其需要调用大量的声场前向模型,在多个频率或水平变化的匹配场参数反演中,计算量仍然很大.基于邻域近似算法,提出一种比快速吉布斯采样算法更快的参数不确定性估计方法.对低维参数反演问题,邻域算法可以很好地逼近真实的后验概率密度;而对高维问题及其敏感参数,在模型参数样本量有限的条件下,邻域算法很难精确地估计后验概率密度.为了克服以上缺点,并完整地得到反演参数的不确定性信息,设计了一种多步估计方案.数值仿真和实测数据分析表明,多步邻域算法采用较少的计算代价,可获得与快速吉布斯方法相似的估计精度.     

改进退火遗传算法在SQL数据挖掘参数优化中的应用

针对SQL数据挖掘在复杂动力学系统故障诊断中的模式分类问题,以决策树参数优化为例,开展SQL数据挖掘分类算法参数优化研究。目前数据挖掘中的各类算法参数往往根据经验值设定,预测精度不高;只用遗传算法进行参数优化,分类预测结果容易发生振荡和早熟现象。采用改进的退火遗传算法对SQL数据挖掘中的决策树算法参数进行优化,解决了人工经验设置参数效率低下、精度不高的问题,同时实现了全局搜索,快速收敛到全局最优解。     

基于光谱技术和连续投影算法的润滑油品牌快速鉴别研究

为了实现润滑油品牌的快速无损检测,提出了一种基于可见/近红外光谱透射技术与连续投影算法相结合的润滑油品牌快速鉴别新方法。采用连续投影算法对6种润滑油的可见/近红外光谱数据进行波长变量的筛选,再结合偏最小二乘法建立润滑油品牌的鉴别模型。结果表明,鉴别模型的相关系数r为0.9721,预测均方根误差RMSEP为0.4055,鉴别正确率为91.7%。说明提出的连续投影算法结合偏最小二乘算法具有很好的预测效果。     

基于数据驱动的一类复杂系统动态特性分析

针对一类复杂的无法对其机理建模的离散时间系统,根据采集的两年工艺参数数据,结合复杂工艺特点,提出了基于数据驱动的系统动态特性建模方法,构建了时间序列受控回归滑动平均(CARMA)胞映射模型。在模型结构确定的基础上,采用改进的量子行为粒子群优化(IQPSO)算法对系统参数进行辨识。算法通过设计新的粒子更新式增加了粒子的多样性,避免了算法的早熟收敛;算法通过在后期将搜索到的最优值传递给神经元作为初始权值,利用神经元增强算法的局部搜索能力,实现了算法探索与开发的平衡,达到对模型参数进行快速精确辨识的目的。在转化为状态空间模型基础上,根据胞映射理论对系统进行了稳定性分析,通过对胞映射作图快速获得平衡胞,利用动态优化原理,找到所有的周期胞和吸引域,达到对系统稳定性分析的目的。利用现场工艺数据进行仿真,结果证明了所提方法的有效性。     

基于Hadoop社交网络分析平台的设计与实现

随着社交网络的快速发展,海量社交网络的数据挖掘成为一个重要课题。针对海量数据的社交网络分析方法进行研究,以Hadoop的分布式文件系统和Map/Reduce并行方法设计基于Hadoop的分布式数据挖掘框架,在此基础上,通过Map/Reduce的并行方法,将传统数据挖掘算法并行化,以谱聚类的并行为例,阐述转化的过程并对在大数据条件下所面临的内存不足的问题给出相应的算法优化。最后对3个不同量级的数据集进行实验,验证基于Hadoop的社交网络分析平台的框架的合理性和算法并行化的有效性。