VC调用MATLAB的方法研究

VC与其它高级语言相比具有很高的编译效率,但在诸如图形、图像处理一类的应用中,当程序中涉及到对矩阵的处理、运算时,编程就变得异常的复杂,MATLAB在这些方面有独特的优势,在图形、图像处理应用中如何更好地利用MATLAB的功能,是人们一直试图解决的问题。以图形、图像处理为例,全面介绍了VC调用MATLAB的方法,并在文章的最后对这几种调用方法进行了分析比较。研究与实践表明:采用VC调用MATLAB的方法简化了编程步骤,不仅降低了编程难度,也较好的发挥了VC与MATLAB软件平台的整体优势。     

基于神经网络的荧光油膜厚度与灰度研究

在全局摩阻测量中,薄油膜技术可以很好地表征表面摩阻的分布情况。用特定波长的紫外线照射添加了荧光显色分子的不同厚度的油膜,油膜将发出不同的亮度。利用该原理通过检测受激发的荧光油膜灰度值可解算出相应油膜的厚度。本次采用BP神经网络及极限学习机(Extreme learning machine,ELM)神经网络搭建模型完成了荧光油膜厚度与灰度关系的预测,运用Hopfield神经网络完成了相应参数的辨识。实验表明,ELM神经网络模型、BP神经网络模型及插值法模型的预测误差分别为5.150%、5.485%和5.935%。通过Hopfield神经网络辨识,光源功率、光距和曝光系数等影响因素的参数误差率控制在1%左右,达到实际工程运用的要求。与传统插值法相比,通过神经网络可获得更高的精度,为荧光油膜灰度与厚度研究提供了一种可行的方法。