参数未知耦合时滞不同复杂网络的广义同步

针对具有不同动力学节点和不同拓扑结构的两个复杂网络,研究其广义同步问题,并考虑具有耦合时滞和参数未知的情况.基于Babalat引理,并利用Lyapunov稳定性方法,获得广义同步判据,设计有效的自适应控制器,实现混沌系统参数已知和参数未知两种情况下的广义同步.仿真验证了算法的有效性.     

基于密度的改进BIRCH聚类算法

针对传统的BIRCH算法用直径来控制聚类的边界,对非球形聚类效果不佳,甚至会把非球状的簇分割为不同簇这一缺点,对BIRCH算法进行改进,改进算法首先建立多棵CF树,每棵CF树代表一个簇,并结合DBSCAN算法的密度可达的思想。该算法能对任意形状的簇进行准确的聚类。实验表明,算法能通过一次扫描进行有效聚类,时间复杂度与BIRCH算法相同,对大规模数据集具有较高的处理速度,实现了动态聚类,并可以准确地对任意形状的簇进行聚类并发现噪声点。     

基于模糊聚类的家庭成员识别算法

同一家庭的成员,相貌相似度高,不同家庭的成员,相貌相似度低。而聚类算法就是对数据进行分类,使同一类的数据对象相似度高,不同类的数据对象相似度低。本文构造相貌相似的模糊相似矩阵,计算出传递闭包,获得准确的聚类结果。本文提供了模糊传递闭包的理论和具体的应用实例,有较好的参考价值。     

基于率失真特性的视频编码优化算法

率失真(R-D)优化是视频编码器中一项关键技术,然而当前广泛采用的独立率失真优化远未达到全局最优性能.为了进一步提升高效视频编码(HEVC)的压缩性能,提出了一种结合率失真依赖性和率失真特性的二次编码优化算法.首先,采用原始HEVC的方法对当前帧进行第一次编码,从而得到当前帧消耗的比特数和每个编码树(CTU)单元的率失...     

球形全景核线约束的颜色不变量综合特征快速匹配方法EI北大核心CSCD

针对目前立体全景模型量测应用中特征匹配自动化程度偏低的问题,提出一种基于立体球形全景约束的颜色不变量综合特征快速匹配方法.首先,通过核线约束,使全景影像匹配的搜索范围从二维限制到一维带状缓冲区域;然后利用颜色不变量相关系数进一步确定精细搜索范围;最后,基于颜色不变量及旋转不变纹理特征构建综合匹配测度模型,以实现全景特征匹配.通过实地拍摄的全景图像,与灰度匹配法、SIFT,SURF以及CSIFT进行比较分析.实验结果表明,该方法匹配准确率提高了近10%,可消减球形全景特征的误匹配,有效地解决影像匹配时同名像点自动寻找与几何信息快速解算,为全景量测模型二次采样、量测及深度图的生成奠定基础.     

两个异构复杂网络的广义同步与参数识别

本文实现复杂网络未知系统参数的识别.针对系统未知参数,提出基于广义同步（Generalized synchronization,GS）的参数识别方法.该方法基于Babalat引理,利用Lyapunov稳定性理论,构造另一个具有不同拓扑结构和动力学方程的网络,并设计有效的自适应控制器,实现具有耦合时滞两个不同网络的广义同步,同时准确识别未知参数.与基于完全同步的参数识别方法相比,该方法能够构造低维的系统去识别高维系统的参数.数值实验验证了算法的有效性.     

基于南方CASS的等高线内插功能的改进

在进行数字化地形测量或纸质地形图矢量化成图时,利用南方CASS的等高线内插功能绘制的等高线存在震荡波、内插失效等问题,这往往需要大量的人工修改才能满足出图要求。针对此问题,文章提出了步长滤波优化方法。实践证明,该方法能有效解决等高线内插不合理问题,且能大大减少等高线手工编辑的工作量,提高工作效率。     

信息安全技术网络教学模式探析

信息安全技术是一项十分复杂的系统工程,涉及到的理论和相关技术很多,也是学生难以掌握的内容。而网络教学能激发学生的兴趣和求知欲,有利于激发学生的自主学习,还可以对学生进行个别化教育和因材施教,相对传统的课堂讲授教学,它有其独特的优势和作用。课题组经过多年的教学实践总结,通过网络教学模式能弥补传统教学法在讲授信息安全技术时的不足,提高教学质量。     

网格质心运动的聚类初始化方法

针对以k-means为代表的分割聚类算法初始参数的很难选取这一难题,提出基于网格质心运动的初始化算法。划分网格后,定义网格的质量,利用物质质心运动理论,提取样本的聚类中心,并由此确定样本分类数k。实验表明,该算法可以有效地提取初始聚类中心,消除噪声点,可以提高后续聚类分析的效果和效率。     

大面积带状区域高程拟合方法研究

介绍大面积带状区域高程拟合方法研究的必要性,并列举了最小二乘支持向量机、BP神经网络、二次曲面拟合三种高程拟合方法。结合工程实例,重点对三种拟合方法在同一个大面积带状区域的高程拟合结果进行对比分析。结果表明,针对本文大面积带状区域,最小二乘支持向量机进行高程拟合获得较高的内外符合精度,该方法具有较好的可塑性和更强的泛化能力。