简介:对于正确理解费曼图技术并且运用该技术来处理高能物理中的基本过程是量子场论教学中的一个重要核心。然而,在涉及到较为复杂的物理过程时,其计算通常是十分复杂繁琐的。其中最为典型的困难是对大量矩阵的求迹运算。因此,在教学中引入基于计算机程序处理费曼图的有关方法,能有效提高理论物理专业研究生解决此类问题的能力。基于REDUCE科学计算程序,具体介绍了如何在教学活动中实现对上述困难提供高效便捷的解决方案。
简介:介绍了层析成像技术的图像重建算法,并从正向问题数学模型的简化和反向问题数学模型的映射结构的角度比较了各种算法的特点和优劣。研究表明:用本质是线性算法的各种变换方法重建图像存在严重失真,而卷积滤波的引入可以使变换方法的重建效果有所改善;基于导数搜索的迭代算法对初始值依赖性强、收敛速度慢并且容易陷入局部最优解;基于Fourier变换的方法具有本质的局限性;小波变换则可以同时刻画图像时域和频域的细节特征;有限元法通过重建对象像素的智能划分可以简化正问题的复杂性;而具有物理背景的蒙特卡罗法、模拟退火法、遗传算法、粒子滤波法及神经网络法更适合于复杂且非线性的图像重建;智能化、仿生化、并行化以及各种算法的融合是层析成像图像重建算法的发展趋势。
简介:针对MSATR图像分割问题,给出了一种基于高阶灰度矩的处理算法.首先深入分析了MSTAR图像的统计分布特性,并对目标、阴影,以及背景区域分别建立了相应的描述模型,在此基础上,构造了高阶灰度矩特征.通过将原始图像变换到高阶灰度矩形式,显著增强了目标区域与阴影、背景区域的差异性,进而依据不同的阈值化策略,实现了MSTAR图像中目标、阴影和背景区域的分割.对MSTAR图像的实验结果表明,与恒虚警率(CFAR)、最大类间方差(OTSU)、模糊C均值(FCM)和马尔可夫随机场(MRF)等常用分割算法相比,本文算法不需进行噪声抑制处理,且在分割效果和鲁棒性等方面性能更好.同时,对多尺度、多目标MSTAR图像的分割也显示出良好的适应性.
简介:介绍一些网络聚类算法及其基本原理,简述了其在生物信息学的应用。本文不是网络聚类算法的全面综述,只介绍这些网络聚类算法的基本思路,体会其数学建模的基本思想。
简介:利用单频GPS载波相位差分技术进行动态精密测量时,由于观测历元少,经典LAMBDA算法会出现法矩阵病态导致整周模糊度无法求解。针对这一问题研究了基于TIKHONOV正则化原理的改进LAMBDA算法。通过对双差观测方程系数矩阵进行奇异值分解选取正则化矩阵,改善了法矩阵的病态性,获得了更高精度的浮点解。利用均方误差矩阵替代协方差阵进行LAMBDA求解,提高了模糊度求解的速度和成功率。对连续100组5个历元实测数据计算表明:与原算法相比,改进LAMBDA算法求得的浮点模糊度偏差从36.48周减小到4.08周,搜索效率和成功率分别改进97.74%和100%。
简介:针对舰载条件的捷联惯导粗对准问题,提出了一种简单可行的最优粗对准方法。根据双矢量定姿的原理,分别将两个观测矢量之一作为基准,通过两次三轴姿态测定算法得到两个姿态矩阵,然后根据观测矢量的方差特性加权得到精度最优的姿态阵。阐述了三轴姿态测定算法的基本原理,分析了最优三轴姿态测定算法与基于高斯马尔科夫估计的三轴姿态测定算法的统一性,解析了基于最优三轴姿态测定算法的舰载惯导系统粗对准方案,并对传统三轴姿态测定算法和最优三轴姿态测定算法进行了应用比较。蒙特卡洛50个样本的仿真结果表明,采用最优三轴姿态测定算法明显优于传统三轴姿态测定算法,可使得东向、北向和天向姿态误差角均值分别为4.78??,9.21?和0.29?,标准差分别为0.11?,0.07?和1.08?,水平失准角最大值9.37?,方位失准角最大值2.8?,能够有效确定出载体的粗略姿态,在此基础上能更好实现该状态下的舰载惯导精对准。