基于分段波形的信号瞬时频率计算方法

针对局部均值分解（Local Mean Decomposition，LMD）中乘积函数（Product Function，PF）分量的瞬时频率计算问题，引入了一种新的信号瞬时频率计算方法.该方法基于分段波形，先将信号分成若干个全波段（full wave），然后以一组递增的反正弦函数定义每个全波段的瞬时相位，进而得到信号的瞬时频率.由该方法得到的瞬时频率理论上是正的、稳定的并且能够确保信号局部特征信息的完整.应用该方法计算了仿真信号和实际齿轮故障振动信号的瞬时频率，并与其他方法求得的瞬时频率进行了对比.结果表明，本文方法非常适合求取信号的瞬时频率.     

1种农产品图像混合滤波算法的应用

针对农产品图像中的混合噪声,提出了1种有效的滤波算法。首先从噪声检测和标记方法、自适应加权滤波等环节对中值滤波算法进行适当改进,从而提出了1种改进自适应加权中值滤波算法对混合农产品噪声图像进行第1阶段滤波;然后对滤波后图像分别采用3×3滤波窗口、5×5滤波窗口的均值滤波算法进行第2阶段滤波;最后对均值滤波后的图像进行等权融合处理。分别将研究的滤波算法与中值滤波、加权中值滤波、极值中值滤波、均值滤波等算法进行试验仿真对比,结果表明,经过研究的算法滤波后图像清晰度明显高于其余算法且噪声残留程度明显低于其余算法,这对于农产品的高效处理具有一定的借鉴价值。     

具有交易费用和马氏调制的均值-方差组合选择

研究了均值-方差准则下，最优投资组合选择问题.投资者为了增加财富它可以在金融市场上投资.金融市场由一个无风险资产和n个带跳的风险资产组成，并假设金融市场具有马氏调制，买卖风险资产时，考虑交易费用.目标是，在终值财富的均值等于d的限制下，使终值财富的方差最小，即均值-方差组合选择问题.应用随机控制的理论解决该问题，获得了最优的投资策略和有效边界.     

R~*树结点的主元分界分裂方法

为降低R*树结点重叠度,提高其空间利用率,通过结点特征点集方差及各子特征点集方差之和建立主元分析和结点分裂之间的联系,基于主元分析算法对特征点集进行降维处理,计算特征点集的主元向量,过特征点集中心且正交于该向量建立分界面对特征点集进行划分,将各簇数据的中心作为结点分裂的初始分裂中心,实现R*树结点分裂。实验证明,该算法具有较高的结点分裂效率,使得R*树结点重叠度降低,分裂结果较合理,显著提高了R*树构造效率和k近邻查询效率。     

水科学中应用数理统计方法应注意

对回归方程误差的影响因素进行了分析，导出了回归方程的均方误差与其影响因素之间的关系式。分析表明，复相关系数(或相关系数)一定时，倚变量的变差系数越大，回归方程的均方误差就越大；回归分析时，应对回归方程的误差进行分析。对于样本均值估计总体均值，给出了基于误差限制的样本容量的计算式。研究表明，应考虑样本变差系数对估计精度的影响。     

基于K均值聚类的厚壁组织区域自动提取

桉树是我国南方的速生丰产林,区域提取是定量分析各种组织抑制桉树茎生根原因的重要前提。为此,介绍了基于K均值聚类的在桉树茎切片图像中自适应提取厚壁组织区域的图像处理技术。将桉树茎切片彩色图像转换为CIEL*a*b*彩色空间,用K均值聚类分析算法对描述颜色的a*和b*通道进行聚类分析,提取细胞厚壁,然后填充其中白色的细胞腔,构成完整的厚壁组织区域。实验结果表明,在CIEL*a*b*空间使用该算法可以获得较准确的实验结果。     

采用K均值聚类和环形结构的狭叶锦鸡儿木质部提取算法

针对木质部交互统计误差大、效率低、重现性差、劳动强度高和传统图像处理算法精度不理想等问题,该文以狭叶锦鸡儿木质部切片图像为研究对象,根据木质部特点提出基于K均值聚类算法和环形结构提取算法相结合,实现木质部准确提取的方法。首先通过动态巴特沃斯同态滤波法对30幅供试图像进行光照不均校正,然后采用K均值聚类法对光照补偿后图像初分割,最后采用环形结构提取算法实现木质部提取计数。试验结果表明:采用K均值聚类算法对光照补偿后的木质部图像初分割分割误差R(section error, R)、过分割误差OR(over-segmentation error, OR)和欠分割误差UR(under-segmentation error, UR)均值分别为5.15%、1.48%和6.46%,优于未光照补偿和3R-G-B算法;该文提出的环形结构提取算法对初分割后木质部图像检测的平均相对误差为2.26%,比分水岭法低11.69个百分点,比凹点匹配法低4.93个百分点。从速度上看,该算法平均耗时3.17 s,比分水岭法快1.40 s,比凹点匹配法快4.88 s。该算法检测的均方根误差RMSE(root mean squared error, RMSE)为0.52%,约相当于分水岭法的1/3,约相当于凹点匹配法的1/2,该算法优于其他2种分割算法;在图像结构复杂、光照不均匀、内部分布不均等缺陷条件下,该文算法也能很好地实现木质部的分割和提取。该方法不仅能对狭叶锦鸡儿木质部自动分割和提取,也可为其他植物木质部分割提取提供参考。     

流域尺度土壤厚度的模糊聚类与预测制图研究

基于土壤厚度与景观位置和特征之间的关系,运用模糊c均值聚类(FCM)方法对西苕溪流域的土壤厚度分布进行了空间预测。选取高程、坡度、平面曲率、剖面曲率、径流强度系数和地形湿度指数6个地形因子进行模糊聚类,根据相应的聚类参数将流域地形组合分为8类。利用部分调查获得的土壤剖面数据,结合样点属性和专家经验为典型区赋值,最后由加权平均得到流域土壤厚度预测图。验证结果表明,FCM方法可以对地形因子组合进行有效合理的分级,其预测精度较高,模型的稳定性较好,是一种低成本高效率的制图方法。该方法在土壤厚度预测方面具有一定的可靠性。     

安徽省油菜花期连阴雨灾害损失评估指标

基于安徽省油菜主产区1980-2009年44个气象台站逐日气象资料和油菜产量资料,采用数理统计方法,获得油菜历年灾损率以及花期连阴雨特征量指标即连阴雨日数、持续降水量和日照时数。按照引入因子对产量的影响最大且因子之间相关性较低的原则,筛选出连阴雨关键致灾因子并确定致灾因子临界值。最后利用K-均值聚类分析方法,建立油菜花期连阴雨灾害评估等级指标,并利用2010-2014年连阴雨灾害样本进行验证。结果表明,油菜花期的连阴雨日数和持续降水量与减产率相关性较高,且因子间相关性较低,可作为连阴雨灾害评估的关键因子;连阴雨日数致灾临界值为3d,持续降水量致灾临界值在江淮区、沿江区和皖南地区分别为20、50和70mm。利用聚类分析法构建的包括江淮、沿江和皖南地区的安徽省油菜主产区花期连阴雨灾害评估指标为：轻度灾损率5%～10%、中度10%～20%、重度20%～30%和特重≥30%,其历史回代和独立样本检验表明轻度和中度准确率较高（88%～100%）,重度和特重准确率相对较低（65%～70%）。     

基于无线传感器网络的奶牛行为特征监测系统设计

奶牛等大型动物的疾病和发情状况目前主要依赖饲养员目测判断,大规模集约化养殖仍采用人工观测方法,这不仅带来繁重的人力负担,也容易误判。为了能自动准确地识别奶牛是否发情或生病,该文提出在奶牛颈部安装无线传感器节点,通过各种传感器获取奶牛的体温、呼吸频率和运动加速度等参数,采用K-均值聚类算法对提取的各种参数进行行为特征多级分类识别,以此建立的动物行为监测系统能准确区分奶牛静止、慢走、爬跨等行为特征,从而可以长时间监测奶牛的健康状态。而且,这种监测系统易于推广到对其他动物的监测,对促进养殖业和畜牧业的发展也具有指导意义。