基于中国餐馆过程的语音增强

针对有色噪声中的语音增强问题,通过引入中国餐馆过程混合模型（Chinese Restaurant Process Mixture Model,CRPMM）,其潜变量满足中国餐馆过程,能够较方便地获得马尔科夫链式样本的展开.建立了参变量与潜变量基于块采样的后验更新形式,结合卡尔曼滤波技术,能够在分布空间上更精确地逼近噪声的后验分布.仿真算例及实际语音信号增强算例表明,较之传统的参数化卡尔曼滤波算法及变分贝叶斯滤波算法,基于数据驱动的无穷维的块采样技术能够更好地适应新模态,并取得较好的语音增强效果.     

基于密度峰值聚类和局部稀疏度的过采样算法

现有的绝大多数过采样方法着重于寻找少数类样本的边界从而增强样本的可分性,忽略了样本的重叠分布与小析取问题,这导致在过采样阶段产生过多的噪声,最终无法实现对少数类样本的正确分类.针对这些问题,提出一种基于密度峰值聚类和局部稀疏度的过采样算法.首先利用改进的密度峰值聚类算法对全部样本自适应地划分出多个簇,根据簇内样本的不平衡比过滤掉不平衡比过高的簇,然后在筛选出的簇中根据少数类样本的分布情况对各簇的过采样个数进行分配,最后通过样本密度计算出各簇少数类样本的局部稀疏度,从中选择出稀疏度较高的少数类样本参与到最终的合成少数过采样.将提出的过采样算法与八种常用的过采样算法分别与三种基分类器相结合,在18个不平衡数据集上进行对比实验.实验结果表明,提出的算法总体上表现更优,能得到更好的分类性能.     

过程混合的高斯过程模型混合采样推理

提出了基于Dirichlet过程混合的高斯过程模型揭示复杂动态系统结构数据的多态性的内在机制.针对均值结构与协方差结构稀疏性的差异性,设计了参数先验与非参数先验来构建基于Polya urn与过松弛层采样的混合采样框架体系.该混合采样方案不但能够在统一的Metropolis Hasting(M H)概率评价准则下实现,而且能够最大限度地克服高斯随机走步的缺陷,方便、快速地获得马尔科夫样本链的展开.仿真结果表明,混合采样算法比高斯过程回归模型及高斯过程函数回归混合模型具有更广泛的适应性及更好的预测效果.     

一种新的正则化粒子滤波图像恢复算法

引入粒子滤波对解决非线性非高斯模型的优良特性,将一种新的正则化粒子滤波算法(regularized particle filter)应用到混合噪声和乘性噪声图像恢复中.由于采样重要性重采样(SIR)方法在重采样时没有考虑观测量而引入误差,本文方法从后验连续分布中采样,引入观测量进而减少误差,同时将易实现的累积分布函数和正则化重采样步骤融合,进一步使粒子方差最小化,解决粒子衰竭问题,缓解退化现象.通过对具有混合噪声图像以及医学乘性噪声图像的恢复效果表明了该算法的有效性,且与小波阈值法和SIR粒子滤波法对比显示了其优越性.     

基于视觉显著性信息的自然图像抠图算法

为了解决目前抠图算法的采样不充分问题,提出了一种在视觉显著信息指导下的采样,并通过可信度计算确定样本可用性的自然图像抠图算法SIGM.该算法将视觉显著模型引入采样过程,以显著图为指导重点采集区域内的颜色显著样本点.综合分析候选样本对的可信度,将是否符合线性假设、颜色空间内的距离、局部显著性等作为评判依据,选择具有高可信度的样本对来估计透明度值.使用抠图拉普拉斯矩阵作为代价函数的平滑项,优化估计透明度值,得到最终的图像掩膜.实验结果验证了该算法的有效性和准确性.     

基于自适应增强的静态随机存储单元失效率快速仿真算法

随着纳米工艺的不断推进,由随机工艺参数偏差引起的电路稳定性问题日益突出.静态存储器由大规模高度重复性电路单元结构组成,要保证整个芯片工作正常,要求单个单元电路失效的概率极低,相关的失效事件属于极端概率事件.传统的蒙特卡洛采样在产生足够的有效采样点和精确捕捉实际失效区域分布方面存在诸多缺陷.本文采用的自适应增强(AdaBoost)方法是一种新的统计学习技术,通过样本学习构建一个强分类器,可以过滤掉大量无效的采样点,使采样点更集中的分布在失效区域中.另外,本文引入交叉熵方法改进传统的重要性采样算法,达到更快的收敛速度.该方法综合了数据挖掘和极值理论的思想,能够快速精确地捕捉失效区域实际分布,相比于标准的蒙特卡洛采样方法,在不损失精度的情况下效率提高了1000倍以上.     

基于蒙特卡罗积分的数字影像重建方法

提出了一种基于蒙特卡罗积分的数字影像重建方法,首先根据概率密度函数采样形成点云集合,并将空间采样转换为强度采样,采样速度获得了较大提升;然后利用空域滤波器平滑点云集,避免投影出现孔洞;最后根据不同的视角对样本投影,统计出像平面上每个区域内的投影数目.为降低图像估计方差,提出结合Russian roulette技术的混合采样方法和Metropolis采样方法.相比较于复杂度为O(N3)的确定性投影算法,所提出的算法复杂度降为O(N2).实验结果表明,该方法能以较快的帧速给出大数据集的数字影像重建,且无需多次调整转换函数即可生成类X射线影像.     

一种考虑多尺度噪声的平滑去噪方法

针对在实际采集三维点数据模型中遇到多种尺度噪声的问题,提出了一种基于噪声分类组合滤波平滑去噪的方法。首先根据点模型中噪声的位置、密度和无用性等特点,将其分为伪噪声、大尺度噪声和小尺度噪声三类;分别使用直通滤波、半径滤波和统计滤波,以及移动最小二乘重采样(MLS)去除;同时考虑到点云冗余,将体素化网格滤波与移动最小二乘重采样相结合,实现重采样点模型的优化。实验结果表明:能够很好的解决地面三维激光扫描仪采集的点数据模型中存在多种尺度噪声的问题。从模型视觉效果上的漏洞修复、特征保持和光顺效果,以及实际变形度上看,方法优于直接使用MLS重采样和Laplace平滑去噪。     

蚁群优化粒子滤波视觉跟踪算法

针对传统的基于再采样方法的粒子滤波算法存在的样本贫乏现象,提出采用蚁群优化的思想取代再采样步骤,通过有效模拟的蚂蚁觅食的生物特性,抑制样本贫乏现象,从而提高目标跟踪的准确性.实验结果表明,该算法能够有效处理目标快速运动、目标遮挡、交互等难题,表现出较好的鲁棒性.     

一种基于NSST域LU分解的新型零水印算法

文章在数字图像版权保护方面提出了一种基于LU分解和非下采样剪切波变换(NSST)的新型零水印算法.算法首先将载体图像进行NSST变换,并将该子块图像由Logistic混沌系统从低频近似图像中提取.然后将子块图像分解为互不重叠的大小子块.其次将每一个子块图像进行LU分解,并通过判别子块U矩阵首行元素之和与所有子块首行元素之和平均值的数值大小产生零水印.实验结果表明,该算法在加性噪声、滤波、JEPG压缩等方面表现出较强的鲁棒性,而且在一定程度上能抵抗剪切和几何攻击.