科技重大项目

主持人语：本人应邀为《苏州市职业大学学报》科技重大项目栏的主持人,希望借助该平台,向学术同仁介绍本人主持的国家自然科学基金资助项目所取得的研究成果,以期让研究者了解本项目进展及研究的意义.2009年,以本人为项目负责人,以苏品刚副教授和周昌雄教授为主要课题成员,与东南大学毫米波国家重点实验室合作,组建了科研团队,成功申报了1项国家自然基金项目“非负稀疏编码算法及其在毫米波焦平面成像图像处理中的应用研究（No.60970058）”,这一项目主要在毫米波（MMW）焦平面成像系统成像机制研究的基础上,进一步利用软件方法对MMW成像数据进行后续处理,从而得到更高分辨率的MMW图像.主要在基于人眼初级视觉系统主视皮层V1区神经元的非负稀疏编码（NNSC）模型的研究基础上,结合已成熟的图像处理方法,提出了基于稀疏特征的毫米波图像处理方法.该项目主要的研究工作包括以下五个方面：①毫米波成像系统中关键硬件-毫米波成像接收机混频器及成像天线的研制;②建模了一类具有视觉反馈机制的NNSC神经网络模型并实现了该模型的稀疏优化学习;③基于量子信息理论、Retinex理论以及二维经验模式分解、偏微分方程、凸集投影、神经网络非线性滤波特性等算法,提出了一些适用于MMW图像的处理算法;④利用NNSC特征基和最大似然估计法,提出了基于NNSC收缩技术的毫米波图像消噪和恢复方法;⑤结合NNSC算法、图像稀疏表示及超分辨率图像恢复等算法,提出了一类基于组合变换的MMW图像级联消噪和恢复方法.     

自适应阈值收缩算子的稀疏正则化图像重建算法

针对图像重建中采用稀疏正则化算法时,阈值收缩算子的阈值参数难以选取的问题,提出一种采用自适应阈值收缩算子的稀疏正则化算法。该算法收缩算子的阈值参数在迭代求解过程中根据解的稀疏度进行更新;同时在该算子中引入权重系数,研究阈值算子的衰减特性对图像重建质量的影响;并将该算法应用于电学层析成像的仿真和实验图像重建。结果表明：与传统的稀疏正则化算法相比,使用具有衰减特性的阈值收缩算子的稀疏正则化算法重建图像的性能指标有所提高。当被测物场的内含物分布较为简单时,采用较大的权重系数;当被测物场的内含物分布相对复杂时,使用较小的权重系数,有利于提高重建图像的质量。     

基于页面的用户偏好协同过滤算法研究

本文针对传统的协同过滤推荐算法存在的影响推荐质量的数据稀疏性问题和实用准确性问题,设计了一种基于页面的用户偏好协同过滤算法,并通过实验验证了该算法在数据稀疏性等方面均优于传统算法。     

毫米波MIMO系统中基于射频链路选择的高能效混合预编码设计

为减少射频链路开销的同时满足系统高容量需求,提出使用有限射频链路的毫米波混合数模预编码,以实现硬件成本和系统性能的折中。在多用户毫米波MIMO系统下,首次提出基于射频链路选择的高能效混合预编码算法。首先利用预设的模拟预编码码本将原三元耦合变量联合优化问题转变为稀疏数字预编码优化问题。由于问题非凸非线性,接着利用顺序凸近似与分数规划理论,设计一种迭代求解算法。仿真结果表明所提算法在能效上十分逼近于穷举法并显著优于其他算法。     

一种用于车牌识别的图像超分辨率算法

仿效人类的视觉认知过程,提出面向目标的图像超分辨率算法.只需从一幅车牌图像就可以恢复目标的细节信息.该算法使用先检测、后重建的思路,通过联合稀疏编码建立目标高低分辨率图像片之间的关系,以目标可以稀疏表示为先验,检测到目标区域后,通过压缩感知重建图像.实验表明,重建图像的峰值信噪比(PSNR)较传统方法约有2dB的改善.此外,还验证了超分辨率重建改善了车牌识别结果,可以消除20%的错误识别字符.     

车辆网络中基于网络编码机会的调度算法

证明在车辆网络中应用网络编码,其广播容量最大化问题是NP难的;提出一种基于最大编码机会的优化调度算法. 该算法结合网络编码与车辆缓存提供的编码机会,有效提高了广播容量. 结果表明,与贪婪算法相比,该算法获得更大网络编码增益,保证了一定的传输公平性.     

基于非负稀疏编码和RBPNN的掌纹图像识别方法

主要探讨了一种新颖的基于非负稀疏编码（NNSC）和径向基概率神经网络（RBPNN）模型的掌纹图像识别方法。使用NNSC算法可以成功地提取掌纹图像的特征,利用RBPNN模型可以有效、快速地实现掌纹图像的分类。与RBFNN和BPNN模型相比,实验结果表明RBPNN模型具有更高的识别率和更好的分类能力。     

一种基于CLEAN的SAR图像旁瓣抑制方法

把通常用于图像处理的CLEAN算法引入到SAR成像处理中,提出一种基于CLEAN的SAR图像旁瓣抑制方法.分析算法流程,比较点目标仿真结果和RADARSAT-1海洋稀疏目标场景成像结果,表明该方法在保证成像分辨率的同时,能够有效地抑制合成孔径雷达图像的旁瓣.     

我校尚丽副教授荣获国家和省自然科学基金项目资助

我校电子信息工程系尚丽副教授申报的“非负稀疏编码及其在毫米半波焦平面成像图像处理中的应用研究”获得2009年国家自然科学基金委员会面上项目的资助（项目批准号：60970058／F020509）．同时,在2009年江苏省第二批省级科技计划拟立项目中,尚丽老师申报的“非负稀疏编码及其在掌纹特征识别中的应用研究”首次以苏州市职业大学为第一申报单位获得江苏省基础研究计划自然科学基金项目资助．     

求解非对称线性方程组的自适应简单GMRES(m)算法

GMRES方法比较多的运用于求解大型稀疏非对称线性方程组。本文研究具有自适应重新开始参数的简单GMRES算法,该算法具有储存量少,收敛速度快的特征。文章给出了数值试验和数值比较,以表明新算法的优越性和有效性。     

水上交通加权安全评价中权重向量的异常分析

为提高指标权重在水上交通安全评价中的准确性,提出一种基于DBSCAN算法的权重向量异常分析方法.该方法选取加权评价法为研究对象,以DBSCAN算法为检测方法,对水上交通加权安全评价中的权重向量进行异常分析.实例表明,在130组数据中,异常权重向量共3组.从数据分布情况看,异常向量与正常向量有比较明显的差异,说明此方法能有效识别异常向量,是可行的.该方法对权重向量集进行分析后,可防止异常权重向量的干扰,提高评价结果的质量.     

基于双曲等效的双星滑动聚束SAR两步成像算法

双星滑动聚束模式合成孔径雷达(SAR)既保持了双星SAR的灵活性、可靠性和稳定性,同时还可产生高分辨率的图像对,对于观测和测绘具有巨大的潜力.这种模式下需要兼顾双星成像与多普勒带宽显著增加的问题.分析双星滑动聚束SAR系统下目标的多普勒特性,结合双星成像算法与频谱分析法,提出一种基于双曲等效的双星滑动聚束SAR 2步成...     

基于神经元网络的钻杆热处理温度信号校正

神经网络是非线性系统建模的重要方法.反向传播(BP)算法常常用于神经网络的权值训练中,但是BP算法收敛慢.为此,将非线性最小二乘法用于前馈神经网络的权值学习.采用这一建模方法对石油钻杆在热处理过程中的温度测量偏差进行校正.研究结果表明,该方法具有很快的收敛速度和很好的拟合精度,适用于工业过程中测量信号的在线校正.     

基于ICMP协议的网络拓扑测量算法的研究

网络拓扑测量是当今网络应用与研究的一个热点,而ICMP协议作为网络中应用最为广泛的协议,在网络拓扑测量中有着非常重要的作用和地位。利用ICMP协议获取网络拓扑节点及其连接关系以自动构造网络拓扑图,给出基于ICMP协议的网络拓扑测量的实现算法。     

基于边装边卸工艺的集装箱船配载决策

针对超大型集装箱船边装边卸(dual cycling,DC)工艺下的配载问题,以DC工艺下集装箱船舱内配载规划为研究对象,构建以最小化场内翻箱数、设备移动次数等为目标的配载模型,并提出一种可行的蒙特卡洛树搜索(Monte Carlo tree search, MCTS)算法对该模型进行求解。通过实际算例证明了模型和算法的有效性,且本研究的相关成果已应用于码头实际生产,应用效果良好。本研究思路对集装箱码头相关计划调度研究及实现有借鉴意义。     

分布式数据库操作中的并行控制理论与算法

讨论了分布式数据库操作中的并发控制理论与模型，给出了操作的可串行化原理，并提供了几种并发控制算法：基于锁方法，基于时间标记方法以及最佳锁定法。     

基于UTA~(GMS)方法的内河港口竞争力排序

为全面地进行内河港口竞争力排序问题研究,采用UTAGMS方法并结合极限排序分析(Extreme Ranking Analysis,ERA)和蒙特卡洛仿真法,对我国长江干线16个内河港口竞争力进行实证分析,给出每个港口的最好排名和最差排名以及全部港口的参考全序.根据结果给出提升我国内河港口竞争力的建议.该方法既可为我国内河港口决策提供依据,也可为相关研究开拓思路.     

基于减聚类ANFIS模型的船舶横摇运动实时预测

为准确高效地预测船舶在波浪中的航行状态以保证人员、货物和船舶的安全,提出一种基于减聚类的自适应神经模糊推理系统(Subtractive Clustering based Adaptive Neural-Fuzzy Inference System,SC-ANFIS)模型.SC-ANFIS模型使用减聚类算法对输入样本进行聚类分析,得到模糊规则数,并建立神经模糊推理系统,再使用结合BP算法与最小二乘估计算法的混合算法对建立的预测系统进行优化训练,得到最优的预测系统模型,并使用自相关分析确定预测系统模型的输入.运用该模型对大连海事大学科研教学船"育鲲"号的横摇运动进行实时预测,结果验证了该方法可行、有效,并具有较高的预测精度.     

基于改进K近邻算法的船舶通航环境智能识别

为实现船舶能效的智能优化,从船舶通航环境出发,研究船舶通航环境的智能识别方法。基于所获得的船舶通航环境大数据,建立基于改进K均值聚类算法的船舶通航环境类别知识库,设计相关系数加权的K近邻算法,实现船舶通航环境的智能识别。实例分析结果表明,此基于改进K近邻算法的智能识别方法的识别准确率可达97.25%,相对于未改进的K近邻算法,准确率提高7.81%。所提出的智能识别方法可为基于通航环境智能识别的船舶分段航速智能优化方法的研究奠定基础。     

基于面向对象的TM_LBV变换水体信息提取

以南京市为研究区,基于面向对象的分类方法,对TM影像进行LBV变换,选择B分量阈值进行水体信息提取. 结果表明,水体信息提取精度为94.6%. 与基于像元的B分量阈值法和基于像元及面向对象的改进的归一化水体指数(MNDWI)阈值法相比,该方法提取水体信息快速准确,不但消除了山体阴影和城市建筑物的影响,还减少了分类"椒盐现象". 该方法简单易行,适用于水体信息的自动提取.