基于隐马尔可夫模型的行为轨迹还原算法

针对行为轨迹还原过程中观察序列状态缺失、无法对终端轨迹进行精确还原的问题,提出一种基于隐马尔可夫模型的行为轨迹还原算法。利用基站布局的空间相关性,在不考虑缺失观察状态的情况下,对隐马尔可夫模型求解过程中的局部概率进行修订,还原出轨迹序列。性能分析和仿真结果表明,状态倾向度越大,轨迹还原成功率越高,当状态倾向度取0.8时,轨迹还原成功率在90%左右。     

语义网不精确本体构建方法研究

不精确性包括模糊性和粗糙性,同理不精确本体也包含了模糊本体和粗糙本体.通过对粗糙本体构建方法与模糊本体构建方法的综述,讨论了在不精确本体研究中的关键问题,在此基础上对各种粗糙本体构建方法与模糊本体构建方法进行分析比较.为了解决当前不精确本体构建中的瓶颈问题,提出一种基于包含度理论的不精确本体构建方法,在该方法中将粗糙集与模糊集理论引入传统本体模型,使用包含度理论进行关系描述,讨论了未来的研究方向.     

稀疏图像内容情况下显微镜自动聚焦算法

自动聚焦是全自动显微成像中的关键技术.为了解决在极低内容密度(稀疏内容)情况下传统聚焦方法无法成功找到焦平面的问题提出一种基于图像内容重要度加权的聚焦函数增强算法.该算法利用聚焦过程中当前图像和参考图像中对应像素沿光轴方向的梯度变化规律对像素进行分类,并根据不同像素对图像清晰程度判决的贡献大小自适应调整当前像素的重要度因子,通过这种方式增强了图像内容像素的计算权重并有效抑制了镜头杂质及背景噪声,极大地增强了聚焦曲线的陡峭度在此基础上,采用图像分块的方式来克服显微镜Z轴机械系统误差对算法性能的影响并降低算法复杂度.实验结果表明,在图像内容非常稀疏的情况下,该算法的聚焦成功率高达90％,而传统聚焦算法的成功率仅为24％.     

方案偏好已知的三角模糊数型多属性决策方法

研究决策者对方案偏好已知、属性值以三角模糊数形式给出且属性权重信息不能完全确知的多属性决策问题.提出了基于模糊比例值的决策方法和基于模糊偏差度的决策方法,这两种方法首先建立一个线性规划模型,通过求解该模型获得属性权重;然后,基于三角模糊数两两比较的可能度公式及三角模糊数排序公式,对决策方案进行排序和择优;最后,通过实例验证了方法的可行性和有效性.     

Vague值与Vague集的多测度相似度量

针对Vague值(集)相似度量问题,指出了采用单一测度构造Vague值(集)相似度量的不足,根据不同测度表现的不同相似性度量特点,提出了两种由距离测度、未知度测度和熵测度三种测度结合的Vague值(集)多测度相似度量,并给出了相应的定义和性质.多测度相似度量体现出了多特征度量相似性的特点,若距离与熵测度失效,未知度测度仍能发挥作用,而距离与熵测度度量结果的综合,则进一步提高了分辨力.实例验证了该多测度相似度量的有效性和优越性.     

一种新的不规则实体密度测量方法研究

根据不规则实体密度检测技术的需求,在分析非接触式体积测量系统基本原理的基础上,结合不确定度理论,研究了非接触式体积测量系统的性能指标.探索了该系统应用于不规则实体密度测量的可行性,分析了基于该系统的不规则体密度测量不确定度.研究结果表明,基于非接触式体积测量系统的不规则体密度测量方法具有较高的测量精度,可实现不规则实体密度的智能化无损检测.     

铠装热电偶校准用精密热电偶校验炉

为满足最新颁布的铠装热电偶校准规范对校准用校验炉的要求,研发了精密热电偶校验炉.运用内外二级温度控制及插孔安装方式,使校验炉在进行热电偶校准时具备极佳的技术性能.实际应用表明,精密热电偶校验炉完全可以应用于Ⅰ级工业热电偶的校准.     

基于混沌加密和SVD的数字图像水印算法

为提高传统数字图像水印算法的安全性,提出一种基于混沌加密和奇异值分解的水印算法.采用Chebyshev混沌映射产生的混沌序列加密水印图像,将加密后的水印图像与原始图像进行分块,再对每一块进行奇异值分解,从而实现水印的嵌入.仿真实验结果证明,该算法对JPEG压缩、高斯噪声、椒盐噪声、滤波等具有较高的鲁棒性,同时能较好地抵抗剪切攻击.     

融合裕度和否决权的案例相似度量方法

现有相似度量方法未考虑关键属性的否决作用与虑属性值裕度对案例推理的影响。为此,提出一种新的案例相似度量方法。定义属性值裕度和关键属性否决权,采用布尔函数、熵值理论和Composite策略等数学理论和分析工具,设计否决权和裕度属性的相似度量公式,给出先局部后全局的合并策略。实例结果表明,该方法在保证相似度量效能的前提下,能提高案例相似度量的分辨率。     

基于综合云的不确定语言多准则群决策方法

针对准则权重已知、决策者权重未知、准则值为不确定语言的多准则群决策问题,提出一种基于云模型的决策方法.该方法首先将不确定语言值转化为综合云;然后采用生成浮动云的方法进行偏好集结,并通过计算＂不确定度＂和＂决策者偏差度＂求得决策者权重;最后引入Hamming距离求得贴近度大小,通过比较得到方案集的排序.实例分析表明了该方法的有效性和可行性.