一种新的基于梯度方向直方图的图像配准方法*

构建了一种新的局部梯度方向直方图,同时定义了特征点的主方向,从而提出了一种具有旋转不变性的图像配准算法.首先采用高斯加权求模技术对特征点邻域内的像素的梯度作直方图统计,确定出具有旋转不变性和抗噪性的特征点主方向;然后用主方向作角度直方图统计,确定待配准图像之间的旋转角度.根据得到的特征点信息及旋转角度定义了特征点对互信息匹配准则,这样使得新配准算法对于图像间旋转角度的范围没有限制,获得了良好的配准效果.     

同塔双回路供电同一变电站不同时停电设计技术方案的探讨

近年来随着城市或电网的发展,不少输电线路被提出改线,在需满足N-1要求的线路中进行改线时,如果不采取相应的技术措施,将出现N-2情况导致电网供电可靠性差的问题,本研究将探讨几种处理措施,以提高供电可靠性以保障电网改线的顺利进行.     

轮廓结构张量B-样条多尺度表示的角点检测

在B-样条多尺度空间下定义了平面轮廓在其支撑区域(ROS)内的结构张量的多尺度表示.该轮廓结构张量不但能够很好地描述轮廓的多尺度形状信息,而且其在不同尺度下的行列式乘积还能够在增强角点的响应的同时抑制噪声的影响,由此文中把B-样多尺度轮廓结构张量的乘积定义为角点的响应函数.通过实验证明了所提出的算法对于简单几何模型能够实现百分之百的检测,而针对实物图像,算法显示了良好的旋转不变性和对微小的尺度变化并不敏感的特性,最后与其他的角点检测器进行了对比实验.     

基于概率的无监督缺陷预测方法

软件缺陷预测能够提高软件开发和测试的效率,保障软件质量。无监督缺陷预测方法具有不需要标签数据的特点,从而能够快速应用于工程实践中。提出了基于概率的无监督缺陷预测方法—PCLA,将度量元值与阈值的差值映射为概率,使用概率评估类存在缺陷的可能性,然后再通过聚类和标记来完成缺陷预测,以解决现有无监督方法直接根据阈值判断时对阈值比较敏感而引起的信息丢失问题。将PCLA方法应用在NetGen和Relink两组数据集,共7个软件项目上,实验结果表明PCLA方法在查全率、查准率、F-measure上相对现有无监督方法分别平均提升4.1%、2.52%、3.14%。     

软件工程专业实践教学体系的构建

本文针对软件工程专业实践教学的问题,结合CDIO教学理念提出了软件工程专业实践能力训练体系。即建立软件实践教学的管理平台,设置相应的成绩考核体系,建立创新型教学团队,为软件工程人才培养提供经验。     

一种基于总线模型的数据清洗方法

数据清洗是保证数据质量的重要环节。已有的清洗方法往往过于依赖特定应用,不容易得到重用。从提高数据清洗方法的可重用性和可扩展性的角度出发,提出一种基于总线模型可复用的数据清洗框架。具有相对独立功能的清洗工具以组件的形式,通过适配器挂接到清洗总线上,通过总线控制对清洗组件实现清洗。最后用具体应用来描述基于总线模型的数据清洗方法的工作流程。实践结果证明该方法具有良好的性能和应用价值。     

基于B样条的改进型Harris角点检测算法

在研究Harris角点检测算法时发现由于该算法采用高斯低通滤波进行平滑,因而对一些图像进行角点提取时,存在角点信息丢失和位置偏移等现象,而B样条函数可以收敛于高斯函数,并具有良好的逼近能力和紧支性等一些优秀的性质,从而基于B样条函数提出了一种改进的Harris角点提取方法.实验表明,该方法对提取角点非常有效.     

基于改进启发式优化算法的无线网络资源分配

无线通信网络资源的分配优化通常可描述为混合整数非线性规划（Mixed integer nonlinear programming,MINLP）问题,其本质是非凸的非确定性多项式（Nondeterministic polynomial, NP）困难问题。为了降低计算复杂度,确保分配方案的最优性能,提出利用二进制鲸鱼优化算法进行无线资源分配。在原鲸鱼优化算法（Whale optimization algorithm,WOA）的基础上,基于数值1和0之间的切换进行位置更新。根据座头鲸螺旋移动计算出的概率,来决定当前位的变化。同时,使用不同的传递函数将连续搜索空间映射到离散动作,引入惩罚方法和优化约束处理。实验分析了两个无线网络资源分配案例：保密率最大化的功率分配问题和移动边缘计算迁移。结果表明所提方法综合性能优秀,取得与同类方法相当的效果,但收敛速度更快,复杂度更低。     

一类单一物品库存系统的最优控制

研究单一物品库存系统的最优控制问题 ,并借助于动态规划原理给出了最优控制律的表达式 ,以使在一个时间周期 [0 ,T]内系统的费用总和的期望值最小     

二维投影非负矩阵分解算法及其在人脸识别中的应用

建立在最小化非负矩阵分解损失函数上的人脸识别算法需同时计算基矩阵和系数矩阵, 导致求解这类问题十分耗时. 本文把非负属性引入二维主成分分析(2-dimensional principal component analysis, 2DPCA)中, 提出了一种新的二维投影非负矩阵分解(2-dimensional projective non-negative matrix factorization, 2DPNMF)人脸识别算法. 该算法在保持人脸图像的局部结构情况下, 突破了最小化非负矩阵分解损失函数的约束, 仅需计算投影矩阵(基矩阵), 从而降低了计算复杂度. 本文从理论上证明了所提出算法的收敛性, 同时, 使用了YALE、FERET和AR三个人脸库进行实验, 结果表明2DPNMF不仅识别率高, 而且速度优于非负矩阵分解和二维主成分分析.