为了解决低照度图像的细节信息缺少和清晰度低的问题,在HSV(Hue, Saturation, Value)色彩空间中,采用非下采样剪切波变换(NSST)与Retinex理论的融合算法对低照度图像进行处理。首先对HSV空间的V分量进行分解,得到多个高通子带与一个低通子带,对高通子带采用改进的基于贝叶斯萎缩的自适应阈值算法完成去噪,对低通子带采用改进的自适应局部色调映射算法提高对比度,然后对两个子带进行NSST逆变换以得到新的V分量并对其进行白平衡处理,最后将处理后的图像反转到RGB(Red,Green,Blue)空间中得到结果图像。实验结果表明,所提算法能够改善低照度图像的质量,提高清晰度与对比度。

针对传统支持向量机(SVM)算法在数据不均衡情况下无法有效实现故障检测的不足,提出一种基于过抽样和代价敏感支持向量机相结合的故障检测新算法。该算法首先利用边界人工少数类过抽样技术(BSMOTE)实现训练样本的均衡。为减少人工增加样本带来的噪声影响,利用K近邻构造一个代价敏感的支持向量机(CSSVM)算法,利用每个样本的代价函数消除噪声样本对SVM算法分类精度的影响。将该算法应用在轴承故障检测中,并同传统的SVM算法,不同类代价敏感SVM-C算法,SVM和SMOTE相结合的算法进行比较,试验结果表明当样本不均衡时,建议算法的故障检测性能较其它算法有显著提高。

针对传统Canny 边缘检测算法的阈值需要人为设定的缺陷，本文提出了一种新的自适应改进方法。该方法 根据梯度直方图信息，提出梯度差分直方图的概念，同时，对图像进行自适应分类处理，使得算法不仅不需要人 工设定阈值参数，而且还能有效地避免Canny 算法在边缘寻找中的断边和虚假边缘现象。对边缘信息丰富程度不 同的灰度图和彩色图像运用该方法寻找边缘的实验结果表明，对于在目标与背景交界处的多数像素梯度幅值较大 的图片，该算法具有边缘检测能力强、自适应能力强的优点

模型减少的故障检测，用于未知输入的多速率传感器融合

采样周期不一致的网络控制系统的故障估计和处理

一种改进的SR-CDKF算法及其在早期微小故障检测中的应用

不确定飞行控制系统中断故障检测与分离

网络控制系统的故障检测设计

马尔可夫跳跃线性系统的故障检测

移动计算环境的复杂性、网络条件多样性,便携设备有限的资源、弱连接性、安全漏洞等因素,使得系统中故障发生的可能性增加,有效地感知、隔离、恢复故障可提高系统容错性能。该文针对具有中心结点类的移动计算环境,运用互测比较的方法,通过小区中的移动结点和移动支持站进行交互测试来获取故障征兆信息;基于概率诊断方法对检测结果进行评估,运用不同的处理策略来诊断故障结点集。对算法性能进行了理论分析和仿真实验,结果表明:算法能够满足移动计算环境下结点故障感知要求,具有较高的可诊断性和较低的时间、通信开销。