彩色图像分割中基于图上半监督学习算法研究

提出一种新的基于图上半监督学习的彩色图像前景/背景分割模型与算法.该算法的目的是利用人工标定的部分像素点分割信息以实现对整幅图像的分割.通过结合像素点颜色特征和像素点颜色与前景/背景颜色的相似性特征,构造了新的图节点之间的双高斯权重函数,并对此提出自适应的参数选择策略与彩色图像半监督分割的能量模型,通过优化该能量模型将...     

L1/2正则化

本文提出基于非凸罚的L_1/2正则子,并证明其具有无偏性、稀疏性及Oracle等优良理论性质.给出一种重赋权迭代算法,将求解L_1/2正则子转化为一系列L₁正则化子迭代求解.与经典的L₀正则子相比,L_1/2正则子更容易求解,而与当今流行的L₁正则子相比,L_1/2正则子产生更稀疏的解.实验表明,L_1/2正则子可替代L_p（0相似文献   

关于加权全最小一乘的探讨

近来我们研究了加权全最小一乘问题,即:寻找适当的α∈R~1和μ∈R~k,使S={ν_1,ν_2,…ν_n,(?)R~k中各点到超平面μ~Tν α=0的垂直距离之加权和达到最小,其中“μ~T”表示μ的转置,q_i>0,i=1,2,…,n,是预先给定的权.由于问题的非线性、非光滑性,其最优解的解析表达很难找到,甚至可能不存在.     

关于随机定点1-集压缩算子

在一般可分的实Banach空间中，引入了一类新的随机算子，提出了若干随机定点1-集压缩算子的新概念，研究了这些随机定点1-集压缩算子的随机不动点．在一般框架下，对该类算子建立了随机不动点定理，从而推广了非线性泛函分析中著名的Rothe定理．利用随机拓扑度，证明了Z1型至Z4型随机定点1-集压缩算子有随机不动点的结论．     

基于稳健补偿的卫星数据电波折射误差修正方法

折射误差是观测数据包含的主要误差源之一,也是影响卫星跟踪与控制以及轨道确定精度的主要因素。由于实时观测数据采样格式的不同,同一个采样时间内本应互相匹配的测量元素,因为丢失、干扰等而变得不再匹配,从而使得卫星实时跟踪数据包含的折射误差难以准确修正。提出的观测数据双向稳健补偿方法有效地解决了同一采样时间内测量元素的匹配问题,以及折射误差的修正问题,确保了卫星轨道确定的精度。实测数据计算以及定轨结果检验表明,该方法是有效的实用方法。     

一类非线性映象不动点与变分不等式解的遍历收敛性

设C是Hilbert空间中的有界闭凸集,本文通过对Ishikawa迭代过程使用遍历性技巧,构造性地证明了C上H—半连续准压缩自映象不动点的存在性,同时证明了单调映象变分不等式解存在的充要条件.所得结果推广了Browder和Petry-shn[1],Ishikawa[2]和Bruck[3]的相应结果。     

饱和传染力反应扩散方程D-SIS流行病模型渐近分析

利用反应扩散方程单调方法和不变区域理论，研究具有饱和传染力的反应扩散方程D-SIS流行病模型，证明了解的存在惟一性，得到了疾病绝灭与持续的阈值——基本再生数，分别证明了无病平衡点和地方病平衡点的全局渐近稳定性．该研究将相应常微分方程模型的研究结果推广到了偏微分方程D-SIS模型，对疾病的预防与控制具有实用参考价值．     

神经网络的本质逼近阶

运用多元函数逼近工具, 对三层前向人工神经网络逼近连续和可积函数的本质逼近阶进行了定量研究. 证明了当激活函数满足一定条件时, 对任意的连续或可积函数, 能具体构造有明确隐层单元下界的三层网络使之对被逼近函数任意逼近. 给出该类神经网络逼近的上、下界估计和本质逼近阶估计, 刻画所构造网络的逼近性能与网络隐层拓扑结构之间的关系. 特别地, 当被逼近函数为二阶Lipschitz函数时, 所建立的神经网络其逼近速度完全取决于被逼近函数的光滑性. 所获结果对逼近连续或可积函数类的前向神经网络具体构造及逼近能力刻画有重要的理论指导意义.     

一种代数杂交算子的搜索能力分析

在利用布尔代数的理想将遗传算法（ＧＡｓ）中的个体空间进行等价分类后,给出一种代数杂交算子,分析这种代数杂算子在这些等价类之中的搜索能力,这为深入理解ＧＡｓ搜索机理及预防ＧＡｓ的过早收敛和欺骗问题提供了理论上的指导。     

关于算子方程逐次逼近方法的计算可行性

对于逐次逼近过程ｘｎ＋１＝Ｔｘｎ，ｘ０∈Ｘ，的理论收敛性已知有多个基本充分性准则，但由于舍人误差和离散化误差的存在，在实际计算中只能获得序列｛ｘｎ｝的某个近似｛ｙｎ｝．由此而自然产生的问题是：如果已知｛ｘｎ｝理论上的收敛性，是否近似序列｛ｙｎ｝仍保持收敛？特别，如何产生近似序列｛ｙｎ｝使保证其收敛？文中在Ｔ满足叠压缩或非线性优界条件下，给出保证近似序列｛ｙｎ｝收敛的三类可计算检验准则．这些准则可广泛用作非线性方程迭代求解过程的可行性判据。