针对粗糙集中连续属性需要离散化问题进行了研究.根据数据对象的可分辨性原理构造超立方体,在数据空间上对信息表中的连续属性进行整体离散化处理.根据条件属性与决策属性的一致性关系,依照条件属性在粗糙集边界域中的分类能力来确定条件属性的重要性,在此基础上选取重要划分点对信息表中的连续属性进行局部离散化,同时以信息熵作为迭代约束条件.数值示例和实验表明这种整体与局部相结合的离散化方法是有效可行的

为了研究铁磁性材料金属磁记忆信号与其内部机械应力之间的关系,应用小波分析技术,将金属磁记忆信号分解为大尺度逼近和细节分量两个部分,然后计算其细节分量的关联维数,并考察机械应力与关联维数变化之间的关系.结果表明,随着机械应力的增加,磁记忆信号关联维数降低

1．掌握信号的定义和分类； 2.熟悉周期信号的判定； 3 了解信号分析的基本方法。 教学内容（包括基本内容、重点、难点）：

运用BP网络来消除信号的随机噪声和模式识别.作为例子,考虑了正弦波、矩形波和三角波3种信号.在50%噪声情况下,BP网络仍能有效地消除这3种信号中的随机噪声并正确地找出它的理想模式

3.1 周期信号的频谱分析 3.2 非周期信号的频谱分析 3.3 傅里叶变换的性质及其应用

以光流法为依据,提出了一种基于光流方向信息熵(entropy of oriented optical flow,EOF)统计的方法捕捉微表情关键帧.首先,采用改进的Horn-Schunck光流法提取视频流中相邻两帧图像的微表情运动特征;其次,采用阈值分析法筛选出投影速度模值较大的光流向量;之后,采用图像信息熵统计光流变化角度,进而得到视频序列的方向信息熵向量,通过对熵向量的分析,实现微表情关键帧捕捉;最后,本实验采用芬兰奥卢大学的SMIC微表情数据库和中国科学院心理研究所傅小兰的CASME微表情数据库作为实验样本,通过与传统的帧差法比较,证明了本文提出的算法优于帧差法,能够较好地表现出微表情变化趋势,为微表情识别提供基础

10.1彩色电视制式 10.1.1简 10.1.2电视扫描和同步 10.1.3彩色电视 10.2彩色电视信号的类型 10.2.1复合电视信号 10.2.2分量电视信号 10.2.3 -Video-信号 10.3电视图像数字化 10.3.1数字化的方法

模拟信号分析是直接对连续时间信号进行分析处理的过程，利用一定的数学模型所组成的运算网络来实现的。从广义讲，它包括了调制与解调、滤波、放大、微积分、乘方、开方、除法运算等。 本章主要介绍模拟信号分析处理中的调制与解调、滤波、微分、积分以及积分平均等问题

主要研究时间-空间域中多个变量的地质统计学方法,其内容包括:时间-空间域中区域化变量的性质;时间-空间域中多元信息的互变异函数及互协方差函数;应用时间-空间信息对某区域化变量进行最优估计,以及应用时间-空间域的信息对空间分量及区域化因子进行最优估计

描述了基于新型驱动电路和低噪声程控放大器的超声测距系统.驱动系统的设计从硬件角度提高了回波信号的信噪比和稳定性.基于能量重心校正法和最小二乘法的原理,提出了一种改进型椭圆中心超声回波寻峰算法:通过曲线拟合搜索椭圆中心点,即回波信号能量集中点,进而找到回波信号的峰值点.测试比较证明,与包络线法和三次多项式法相比,此算法测量相对误差稳定在0.2%,适用高精度工业测量