基于高斯频域低通滤波和图像差分的字符图像光照不均校正法

光照不匀会对字符图像检测带来极大的负面影响.基于高斯频域低通滤波和图像差分提出一个新的字符图像光照不均校正法,该方法首先根据照明光场和图像细节分别对应低频分量和高频分量的特点,设计高斯低通滤波器去除光照背景以获取照明光场,然后再以此为根据对字符图像进行校正.同时,针对高斯低通滤波器参数选择上的难点,提出了实验法确定参数σ加逐次滤波对照明光场进行逼近的方法,以确保最终校正结果的准确.实验结果表明该方法校正效果较好.     

面向在线实时应用的卡通风格化方法

针对视频的卡通风格化存在着处理速度慢和连续帧中边缘视觉效果差的问题,提出具有高实时性的视频卡通风格化处理方法.该方法主要包括扩展非线性扩散、边缘检测、彩色量化和融合4个步骤.边缘检测算法基于高斯-拉普拉斯算子进行改进,速度更快而且在连续帧中视觉效果更好;在扩展非线性扩散和色彩量化的过程中利用查表法获取滤波系数和量化值,避免了对每一个像素计算高斯方程和量化方程,进一步提高了速度;同时,在传输过程中对边缘图像和量化图像采取分离编码进行传输,降低了码率.实验证明,在视频聊天、在线游戏等实时性要求高的应用场合中,该方法对人脸和景物都取得了良好的卡通风格化效果.     

智能视频监控中的一种快速运动目标检测方法

为解决现有视频监控系统中目标检测算法无法应付复杂的环境且计算量较大等问题,结合背景模型算法和帧间差分的优点,对混合高斯背景方法和帧间差分进行改进,提出一种基于混合高斯模型背景法和混合差分相结合的运动目标检测改进算法.利用分块思想进行高斯背景建模,利用多帧差分实现混合差分,既能得到较高的灵敏度又能进一步提高检测效果和速度.通过实验证明该算法的可靠性和实时性.     

一种混合高斯背景模型下的像素分类运动目标检测方法

运动目标检测在智能视频监控、人机交互、目标导航等诸多领域有着广泛应用.背景减法是运动目标检测中应用较广泛的一种方法.在该方法中,背景建模和阈值化分割是最重要的步骤,直接决定了检测效果的好坏.当目标本身变化比较大时,若利用传统的基于全局阈值的分割法,分割效果并不理想.针对基于全局阈值分割差分图像存在的问题,本文提出了一种基于混合高斯背景模型的像素分类运动目标检测方法.该方法首先利用混合高斯模型对背景建模,克服了场景变化等因素带来的影响;其次,利用背景减法得到差分图像并对像素进行分类,最后对分类后的像素集分别进行阈值化分割,得到前景目标.实验结果表明,与传统的基于全局阈值的分割法相比,本文算法能够获得更好的检测效果和鲁棒性.     

一种多高斯模型下的阴影检测方法

分析了混合高斯模型阴影检测算法的不足,提出了一种基于贝叶斯更新的多高斯模型阴影检测算法.基于Porikli提出的阴影流算法,根据实际情况改进了其中的阴影区域预分类算法,更新了贝叶斯参数,最后检测阴影.实验结果证明了该方法的有效性.     

基于环形拓扑自适应差分进化算法优化神经网络的压气机流量特性预测

为提升轮机模拟器中柴油机非额定工况下的仿真精度,提出一种基于有限数据的混合方法来预测多工况下的压气机流量特性.该方法采用一种基于环形拓扑差分进化算法来优化三层前馈神经网络参数,利用有限的给定工况下的流量特性数据,预测压气机流量特性曲线.采用神经网络来拟合压气机流量特性的非线性映射关系,利用差分进化算法优化调整神经网络的连接权重、连接偏置、连接开关等难以调整的重要参数.仿真结果表明,基于有限数据的方法可较好地拟合船舶压气机流量特性,采用环形拓扑的自适应差分进化算法优化调整神经网络的重要参数具有一定的有效性.本文提出的混合方法具有更好的泛化能力和搜索精度,可作为处理类似预测问题的有效手段.     

基于GMM和MRF的自适应阴影检测

运动目标阴影在很大程度上会影响运动目标跟踪、行为识别的正确性和有效性.为此,文中提出了一种基于混合高斯模型和马尔科夫随机场的自适应阴影检测方法.该方法首先对混合高斯模型进行改进,使其可以自适应调整参数学习率以消除浅阴影;然后采用马尔科夫随机场综合邻域的空间依赖性信息进行精确的阴影检测.为了提高基于马尔科夫随机场的阴影检...     

异方差加噪下差分隐私流数据发布一致性优化算法

现有基于树结构的差分隐私流数据统计发布方法未能充分利用统计查询可能存在的特定分布规律而进一步提升发布流数据的精度,为此,该文提出滑动窗口下基于异方差加噪的差分隐私流数据发布算法。首先动态构建滑动窗口内流数据对应的差分隐私区间树;其次根据统计查询分布规律计算树节点的覆盖概率,据此对树节点的隐私预算及树结构参数进行调整,以实现异方差加噪;最后,针对异方差加噪后区间树节点值可能不满足一致性约束的问题,设计实时的一致性调节策略。实验结果表明:与同类算法相比,该算法具有较高的查询精度及算法效率。     

二维矩形阵列非傍轴离轴高斯光束的合成研究

基于瑞利-索末菲衍射积分公式,推导出非傍轴离轴高斯光束相干合成和非相干合成光束在自由空间中传输的解析公式.用所得结果对非傍轴高斯光束相干合成和非相干合成进行了研究,得到了非傍轴公式在傍轴条件下,能回归到傍轴理论所得结果.远场近似、傍轴离轴高斯光束的相干合成与非相干合成光束传输公式可作为特例给出.数值计算表明,合成光束的光强分布与合成方式(相干合成和非相干合成)、光束束宽w0(或等效于f参数)、光束束数M(N)、离轴参数a(b)以及传输距离z有关.在远场,对于相干合成,M×N束非傍轴高斯光束的合成光束的轴上光强是单束非傍轴高斯光束的轴上光强的M2N2倍;对于非相干合成,M×N束非傍轴高斯光束的合成光束的轴上光强是单束非傍轴高斯光束的轴上光强的MN倍.     

潜水地区深基坑降水开挖对下卧隧道影响分析

文章以某城市地铁车站深基坑为研究对象,基于有限差分方法、流固耦合原理和有效应力原理,利用FLAC3D软件对深基坑进行三维流固耦合降水开挖数值模拟,结合监测数据,分析潜水地区深基坑降水和开挖引起的下卧隧道内力和变形变化机理,并且用一维高斯函数对下卧隧道变形曲线进行拟合,拟合效果较好.研究结果表明:在基坑范围内、外,下卧隧...     

持续学习：研究综述

深度学习模型通常限定在固定数据集中进行训练，训练完成之后模型无法随着时间而扩展其行为.将已训练好的模型在新数据上训练，会出现灾难性遗忘现象.持续学习是一种能够缓解深度学习模型灾难性遗忘的机器学习方法，它旨在不断扩展模型的适应能力，让模型能够在不同时刻学习不同任务的知识.目前，持续学习算法主要分为4大方面，分别是正则化方法、记忆回放方法、参数孤立方法和综合方法.对这4类方法的研究进展进行了系统地总结与分析，梳理了衡量持续学习算法性能的评估方法，讨论了持续学习的新兴研究趋势.     

改进rank变换的多窗口彩色图像立体匹配算法

为克服环境变化和双目相机的差异带来的干扰,针对传统立体匹配算法在视差不连续区域存在误匹配率高等问题,提出一种在rank变换域中对彩色图像进行多窗口匹配的算法.首先对标准图像库中的彩色图像进行分等级的改进rank变换,将图像从彩色空间变换到秩空间;然后采用改进的绝对值指数方法计算像素的颜色相似性,减少噪声和光线差异的干扰;最后利用快速多窗口算法进行匹配.实验证明该文算法有较强的抗噪性,能获得实时鲁棒的匹配结果.相对于固定窗口非参数变换匹配算法在视差不连续区域匹配精度提高了18.5%.     

支持向量机最优参数选择的研究

支持向量机是近几年发展起来的机器学习方法,模型选择是设计支持向量机的关键。基于高斯核函数的支持向量机具有良好的学习性能,被广泛应用于模式分类中,讨论了核函数中C和y对分类函数的影响,提出针对不同类型的数据,SVM应选用不同的核函数,同时利用二分法对核函数（C,γ）寻优,并将其应用于变压器故障诊断中,仿真结果表明该方法具有较好的性能。     

华东地区气候舒适度精细化估算及其分布特征研究

结合19642013年华东区域常规气象站气象观测资料与数字高程模型DEM(Digital Elevation Model),利用黄金分割舒适度指数计算方法,在GIS平台上对起伏地形下华东区域气候舒适度进行精细化空间估算,并分析其在该区域的时空分布特征,其结果可为区域气候资源开发利用提供参考.结果表明:气候舒适度在空间上其等级分布趋势为由低纬到高纬、由低海拔到高海拔、由近海到内陆而逐渐降低;在时间上春季4、5月和秋季9、10月最为舒适;从各省份来看,气候舒适度等级年内变化差异从大到小依次是山东、江苏、安徽、上海、浙江、江西和福建.气候舒适期为4个月的区域面积最大,总面积30.61万km2.     

基于D-S证据理论的不确定数据清洗

数据清洗的任务是检测数据中存在的错误、缺失或不一致,通过删除、填充、修改等方法提高数据质量.针对存在元组级不确定性的数据表上的选择投影连接操作,基于D-S证据理论中置信区间的概念,给出辨识框架构建和置信区间计算的方法,提出了一种基于待测数据项置信区间来检测查询结果中错误数据的方法.实验结果表明,提出的不确定数据错误检测方法具有高效性、准确性和可用性.     

无线传感器网络中极大极小设置的分布式检测研究

在分布式检测系统中,无线传感信道普遍存在未知的噪声,而基于最大似然函数的融合在有未知的噪声时性能表现较差.为了提高信号检测的准确性,提出一种基于极大极小方法设置的鲁棒融合规则.该规则采用最大似然函数的融合算法的结构形式和Huber极小极大的方法,得到虚警概率和检测概率表达式,适用于信道噪声为非衰减噪声分布、有界方差的噪声分布和混合高斯噪声分布.对多传感器并行分布式检测系统的仿真与分析,表明了该融合算法可提高信号检测的准确性,同时也具有一定的鲁棒性.     

带隐变量贝叶斯网学习方法：研究综述

带隐变量贝叶斯网是一种重要的概率图模型，通过引入隐变量，对数据中的隐含知识进行定性和定量描述，从而实现不确定性知识的表示和推理.近年来，带隐变量贝叶斯网的学习，成为了不确定人工智能和知识发现领域中的重要研究方向.文章分析总结了目前带隐变量贝叶斯网学习研究面临的挑战，针对所涉及的确定隐变量的势和个数、参数学习及结构学习这3个方面的工作，介绍确定隐变量势和个数的基本思想，对学界广泛关注的参数学习和结构学习的代表性成果进行了综述，给出相关方法的适用场景、基本思想和主要步骤，也给出相应的对比分析.确定隐变量的势及个数方面，阐述了基于聚类的方法和基于团的方法；参数学习方面，阐述了包括插补、梯度上升、EM算法在内的方法，以及基于EM算法的改进方法；结构学习方面，阐述了基于评分搜索方法和基于条件独立方法的基本思想，以及基于评分搜索算法的改进方法.此外，基于对现有研究成果的分析总结，指出了带隐变量贝叶斯网学习进一步研究的问题及重点.     

云南哈尼族糜蛋白酶基因标签SNPs与原发性高血压的相关性研究

采用聚合酶链式反应-限制性片段长度多态性方法,对692例哈尼族人(高血压患者346例,正常对照个体346例)糜蛋白酶基因(chymase,CMA1)4个tag SNPs (rs1956921、rs1800876、rs5244和rs1885108)的多态性进行检测,并运用遗传模型研究CMA1基因tag SNPs与原发性高血压发生的相关性.结果显示,CMA1基因4个tag SNPs位点在混合人群和女性人群中均未显示出与原发性高血压的相关性;男性人群中,rs1800876位点基因型频率在对照组和高血压间的分布具有统计学意义(P=0.015),Logistic回归分析发现rs1800876位点TC和CC基因型携带者的患病风险显著降低(OR=0.59,95% CI为0.38~0.92,P=0.021),提示CMA1基因rs1800876位点与云南哈尼族男性原发性高血压发生相关.     

外推Gauss-Seidel迭代法的收敛性及其与H-矩阵的关系

考虑外推Gauss-Seidel迭代法的收敛性及其与H-矩阵的关系, 给出了外推Gauss-Seidel迭代法与Jacobi迭代法收敛性的关系及收敛的参数范围. 利用最优尺度矩阵及M^-1N的估计量给出了H-矩阵外推Gauss-Seidel法谱半径的上界估计式, 并基于外推Gauss-Seidel及Gauss-Seidel迭代法得到一般H-矩阵的等价条件.     

基于频率值传播的药物副作用发生频率预测方法

确定药物副作用发生频率是药物风险-效益评估的关键问题.随机对照临床试验方法性能有限且成本昂贵.随着药物临床试验数据的增加,基于数据驱动计算方法研究药物-副作用关系成为可能.文章提出一种基于药物-副作用协同传播模型的药物副作用发生频率预测方法.该方法基于已知的药物副作用发生频率信息构建相似网络,基于已知频率信息在网络中高阶协同传播过程预测药物副作用发生频率.此外,提出一种基于邻域学习的相似网络构建方法,进一步提升模型预测性能.在SIDER 4.1和ADReCS 3.1中获得的真实的药物-副作用频率数据集上进行实验,相较于现有最优方法,提出的方法在均方根误差和平均绝对误差指标上分别下降了6.98%、7.23%.